一种基于圆周划分的模板匹配算法

本文提出了一种基于圆周划分的模板匹配算法，与传统模板匹配算法相比，本算法具有速度较快、有一定的旋转不变性、抗干扰性好的特点。     

基于积分图像的快速模板匹配

人脸检测中，模板匹配前往往需要对图像窗口进行灰度分布标准化，而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上，提出和应用平方积分图像，实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法，结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换，以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤，大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

基于快速SIFT特征提取的模板匹配算法

针对尺度不变特征变换(SIFT)算法计算量大的问题,提出一种基于快速SIFT特征提取的模板匹配算法。采用递推方法加速计算每个种子向量,利用向量排序来保持算法对旋转的不变性,并通过一种适用于该描述符的快速搜索匹配方法,提高算法的实时性。实验结果表明,该算法能提高匹配速度,并且能在旋转、缩放的情况下有效地识别目标。     

基于方向码的旋转不变模板快速匹配方法

将图像梯度方向应用于旋转不变性模板匹配时存在计算量较大的问题,由此提出一种改进的基于梯度方向码的旋转不变模板匹配方法,通过计算积分直方图降低统计直方图的计算量,采用像素跳跃的匹配方法减少大量无效的匹配运算。实验结果表明,该方法在保证匹配准确性的前提下,匹配速度提高了3倍至6倍,可以达到实时性要求。     

一种新型朴素贝叶斯文本分类算法

针对在文本分类中先验概率的计算比较费时而且对分类效果影响不大、后验概率的精度损失影响分类准确率的现象,对经典朴素贝叶斯分类算法进行了改进,提出了一种“先抑后扬”（抑制先验概率的作用,扩大后验概率的影响）的文本分类算法。算法中去掉了对先验概率的计算,并在后验概率的计算中引入了一个放大系数。实验结果表明,分类时不计算先验概率对分类精度影响甚微但可以明显加快分类的速度,在后验概率的计算中引入放大系数减少了误差传播的影响,提高了分类精度。     

基于形态学商模板的人眼定位方法

利用形态学商图像对人眼区域和皮肤区域有明显不同响应值的特点,根据贝叶斯后验概率的优点,提出一种新的人眼定位的方法。算法分成人眼模板训练过程和人眼定位过程。训练过程首先计算人眼图像的形态学商图像,然后利用K-MEANS算法自动为不同角度或者戴眼镜的人眼建立模板。人眼定位过程首先计算人脸图像的形态学商图像,然后使用与模板相同大小的滑动窗口和离散余弦相似度判定每个窗口与模板匹配的程度获得后验概率图,最后根据后验概率图中各个连通区域的平均概率判定眼睛位置。在Caltech数据库、Labeled Faces in the Wild(LFW)数据库及Yale Face B数据库中的实验结果证明,该算法对不同角度,不同光照,低分辨率,甚至戴眼镜的人眼图片均有较高的定位率。     

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.     

一种新的指纹匹配方法

针对基于点模式匹配的指纹匹配算法速度较慢的现状，设计了一种新的指纹匹配方法，即利用纹线匹配技术来寻找基准点对的指纹匹配算法．该算法首先基于指纹纹线的相似程度寻找一对基准特征点；然后根据基准点对的坐标，计算两幅指纹图象(模板图象、待识图象)的相对平移和旋转参数，并将待识图象相对于模板图象进行图象姿势纠正；最后使用坐标匹配的方法统计两幅图象能够匹配的特征点数目．以实现两枚指纹的匹配．实验证明．该算法匹配速度很快，误识率低，准确性高，并具有图象旋转平移不变性．对面积适中的指纹图象，匹配结果可以满足在线应用的需要．该算法有望发展成为一种实用、有效的指纹匹配技术．     

一种快速的具有旋转不变性的模板匹配方法

传统的基于相关的匹配方法计算量相当大，而且当模板相对于搜索图有角度旋转时，匹配的计算量更大。用圆警影和zemike矩的方法对快速的且具有旋转不变性的模板匹配方法进行了研究，圆投影将图像由二维变换成一维，这样就降低了计算复杂度，通过相似性度量可进行快速地粗匹配，然后在可能的匹配点中，再用Zemike矩实现精匹配。     

基于图像边缘摘要的快速模板匹配*

基于多边形逼近和形状签名的思想,提取图像边缘摘要,并利用其进行图像模板匹配。首先对原始图像边缘上的大量像素点进行统计,然后将其转换为少量带有权重和方向的锚点,这些锚点即组成了图像边缘摘要。图像边缘摘要具有缩放、旋转、位移不变性,利用其进行模板匹配能够降低噪声的影响并减少计算时间。通过实验验证了该算法的有效性。     

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

基于二进制特征描述器的图像匹配算法

图像特征点匹配在视觉系统中有广泛的应用。针对加速分割测试特征FAST和二进制稳健基元独立特征BRIEF算法中存在的问题进行改进。首先,在FAST算法中使用简化模板提取图像特征点,通过构建图像金字塔实现尺度不变性。接着,根据人类视觉系统原理改进BRIEF算法的点对采样模式,并通过特征点方向的计算实现图像的旋转不变性。最后,使用易于计算的海明距离度量各特征点的相似度实现特征匹配。实验表明,提出的图像匹配算法性能优于其他算法,而且运行速度更快。     

基于后验概率SVM决策树多类的分类算法

后验概率支持向量机方法对孤立点和噪声具有鲁棒性,并且可以减少支持向量的数量,从而降低计算复杂度。因此,针对最近提出的快速分类算法c-BTS,引入样本的后验概率,提出了一种基于后验概率的SVM决策树算法P2BTS。实验结果证明,基于后验概率的支持向量机决策树P2BTS比c-BTS的分类精度更高,且所需的二类分类器个数减少,在一定程度上降低了P2BTS分类决策的时间和比较的次数,提高了分类效率。     

基于后验概率的SVM决策树多类分类算法

后验概率支持向量机方法对孤立点和噪声具有鲁棒性,并且可以减少支持向量的数量,从而降低计算复杂度。因此,针对最近提出的快速分类算法c-BTS,引入样本的后验概率,提出了一种基于后验概率的SVM决策树算法P2BTS。实验结果证明,基于后验概率的支持向量机决策树P2BTS比c-BTS的分类精度更高,且所需的二类分类器个数减少,在一定程度上降低了P2BTS分类决策的时间和比较的次数,提高了分类效率。     

模板匹配的恒常性特征及频域实现

构造了对空域几何变化具有强鲁棒性的频域模板匹配算法，使模板匹配成为具有几何恒常性特征的原型匹配。傅立叶变换提取信号的平移不变性；用原点自相关函数值R(0)进行能量归一化处理，消除信号幅度比例的影响；通过对数变换将空域尺度变化转化为可在频域中消除的平移变化；引入能量分布函数，消除来自空间旋转对匹配的影响，从原理上保证了频域模板匹配算法对空域几何干扰的恒常性。实验表明，该算法能够有效消除来自空域的几何变化对模板匹配过程的干扰。     

基于FAST和BRIEF的图像匹配算法

针对图像匹配算法中匹配率不高以及运算速度较慢等问题,采用改进的FAST （加速分割测试特征）和BRIEF （二进制稳健基元独立特征）算法对图像进行匹配。使用FAST算法提取图像特征点,简化测试模板以提高检测速度;以提取的特征点为中心,使用强度质心方法计算图像块的主方向,根据主方向旋转BRIEF描述器,使其具备旋转不变性;使用易于计算的汉明距离度量各描述器的相似度,据此进行匹配特征。通过和其余算法进行对比实验,验证了该算法在保持高匹配率的同时,降低了计算复杂性。     

基于伪Zernike矩的快速旋转无关图像匹配方法

传统的图像匹配方法往往会因为匹配图像与模板图像之间存在任意角度旋转而失效,而现有的抗旋转图像匹配方法因为计算量大而不能满足实时应用的需要.因此研究一种旋转无关的图像匹配算法成为必要.将圆投影匹配算法结合多值模板和塔形加速技术加快了滑动窗口的搜索效率,并使用伪Zernike矩进行精匹配.实验结果表明,改进后的算法在保证匹...     

SVD特征的快速景像匹配方法

采用具有良好稳定性和旋转不变性的奇异值作为匹配特征，根据奇异值的数值特点提出以加权距离作为相似性的度量；采用变模板分级匹配的策略，使得在进行大模板匹配时的匹配运算量大大降低．通过加入噪声、灰度变化和旋转变化的景像匹配实验，证实了该算法的有效性和鲁棒性.     

基于视觉显著性特征的快速场景配准方法

视觉显著性特征是模拟生物视觉注意力选择机制的一种具有较好的鲁棒性与不变性的视觉特征。基于视觉显著性特征提出了一种快速的场景配准方法。该方法采用调幅傅里叶变换构造视觉显著性映射;通过对显著特征局部极值特性以及信息丰度的分析,实现显著点的粗定位、预选择与可信度排序;通过图像形态学操作,实现了显著场景区域的生长与合并。在此基础上,提出了SSIFT(saliency scale invariant feature transform）算法,从而减少了场景分类算法的计算量。利用本文方法对美国南加州大学的场景数据库进行测试,实验结果表明这种方法提取的SSIFT特征对于图像的平移、旋转以及光照等变化具有良好的不变性;与经典SIFT算法相比,该方法在计算速度上具有明显的优势,并在识别率上也略优于SIFT算法。     

二元树复小波域的局部高斯混合模型图像降噪

在复小波域上对观测图像进行一种基于高斯混合模型的后验概率分类,并在每类小波系数的局部邻域估计出局部高斯混合模型的参数,这种参数估计是局部自适应的;然后用该局部高斯混合模型对各个子带系数进行贝叶斯框架下的最大后验概率(MAP)估计,以达到降低噪声的目的．由于这种小波变换具有近似的平移不变性和良好的方向选择性,因此在降噪的同时可以很好地消除主要边缘处的“震铃”效应．实验结果表明;文中算法无论从峰值信噪比还是从主观视觉效果上都要优于一些传统的降噪算法．