一种基于改进地貌形状上下文的形状匹配方法

在基于地貌形状上下文的形状匹配方法中,计算地貌空间测地距离消耗时间较高,对应形状特征提取过程的效率较低.针对这一问题,本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中,通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文,其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知,进一步引入动态规划分析不同地貌空间下形状片段间的对应关系,以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析,验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.     

基于质心高度增量特征的目标识别算法

针对传统目标识别算法识别准确率低、复杂度高等问题，提出基于质心高度增量特征的目标识别算法。在提取轮廓特征阶段，以轮廓质心为参考点，对于任意采样点，根据其它采样点相对于该点的高度关系构建质心高度增量描述符。描述符不仅计算简单，对旋转、平移和缩放等几何变换具有不变性，而且引入轮廓顺序这一全局特征，提升了描述符的鲁棒性和区分能力。在特征匹配阶段，利用轮廓顺序已知这一优势，采用动态规划算法计算质心高度增量描述符的相似度，最后引入形状复杂度分析，优化识别效果。MPEG-7测试集和Kimia99测试集的实验结果表明，上述算法能够有效的对目标图像进行匹配识别，而且对于噪声的干扰具良好的鲁棒性。     

对称不变形状上下文特征提取与匹配

形状上下文是一种广泛应用的图像形状特征提取与匹配算法,针对其特征不具有对 称不变性,无法对互相对称的相似图像建立匹配的问题,提出了一种具有对称不变性的改进形状 上下文特征提取与匹配算法。在形状边缘采样点上计算形状上下文中的角度关系描述时,令该点 的梯度方向为极坐标系的0°,并比较特征0 到π 与π 到2π 两个角度区间内其他边缘点的数量大 小,根据比较结果,调整极坐标系中角度增加的方向,从而使特征具备对称不变性。在迭代变形 与计算形状上下文时,仅在第一次迭代中使用改进的形状上下文特征,从而使匹配更加稳定。仿 真实验证明,该算法能够有效地在互相对称的相似图像间建立匹配,提高检索精度。     

基于改进SURF的增强现实图像匹配方法

针对传统增强现实图像匹配算法鲁棒性不强且效率不高的问题,提出一种改进的SURF匹配算法。首先,使用SURF算法进行特征点检测,并通过Haar小波模板确定特征主方向,在得到特征主方向后构建特征描述符;由于传统SURF算法采用高达64维的矩形描述符,导致算法的计算量非常大,并且鲁棒性不强。因此,该文使用DAISY圆形描述符替代原始算法中的矩形描述符,DAISY是三层同心圆结构,每层包含8个采样点,可以得到25个维度的描述符,这种结构使得算法的鲁棒性大大增强并且降低了计算复杂度;接着,使用特征描述符计算欧氏距离进行特征点匹配;最后,对得到的匹配点集使用随机抽样一致(RANSAC)与三角不规则网络(TIN)算法进行优化,剔除误匹配点。实验结果表明,该算法虽然略微增加了时间复杂度,但鲁棒性变得更强,并且算法的效率和匹配精度也大大提高,平均精度达到了95%以上。     

基于改进AKAZE特征的无人机影像拼接算法研究

针对目前无人机影像拼接时间效率较低,效果较差的问题,提出一种改进的AKAZE特征的无人机影像拼接算法。算法在影像匹配阶段利用BRISK描述符来代替M LDB描述符;采用特征点尺度信息和均方根误差作为约束条件剔除错误匹配;另外,将并行运算的思想应用于特征点提取和特征描述符的计算中来提升算法的时间效率。在影像融合阶段,利用RANSAC算法与LM算法相结合进行单应矩阵计算,以提高其计算精度,并采用多频段融合算法实现影像拼接。实验表明：通过改进算法在有效提升时间效率的同时,可以获得较高准确率和较高精度的匹配结果,实现无人机影像的快速无缝拼接。     

基于SC特征的叶片图像识别研究

提出一种基于改进SC形状上下文描述子的叶片图像特征提取方法。利用颜色聚类分割图像,使用Ostu算子实现二值化处理,提取图像边缘轮廓,结合形状上下文(SC)描述子提取图像轮廓特征,计算匹配代价矩阵,利用匈牙利算法获得最小匹配代价。结果表明该算法具有较高的识别准确度。     

改进的SURF-RANSAC图像匹配算法

为改善传统SURF图像匹配算法存在计算量大、配准精度低等不足,提出一种改进SURF-RANSAC算法.基于SURF算法中构建描述符的思想,采用圆形邻域代替矩形邻域提取32维描述符,实现描述符的降维;通过自适应阈值方法完成特征点初匹配,降低人为设定阈值对匹配结果的影响;通过特征向量构建余弦约束对随机采样一致性(RANSAC)算法进行改进,实现匹配点对的提纯.实验结果表明,改进后的算法不仅提高了匹配速度和精度,还具有较强的鲁棒性.     

以度量分段约束为特征的形状匹配算法

为在形状匹配的过程中利用较少的计算时间获取较高的识别率,同时兼顾形状特征对几何变形的鲁棒性,提出一种以度量分段约束为特征的形状匹配算法.通过提取形状轮廓上采样点间的度量信息,如欧氏距离、三角形半径等,约束每个采样点与整体形状之间的几何关系;进一步,将度量信息进行分段描述,以增强该算法对几何变形的稳定性;最终结合动态规划算法完成形状的匹配.在国际通用数据库上的实验结果表明,文中算法能够快速、有效地实现形状的匹配,且对于形状变形具有较好的适应性;此外,该算法适用于多种几何度量信息,便于扩展和推广.     

基于轮廓分割的形状匹配新方法

提出了基于轮廓分割的形状描述方法,用来进行形状匹配.首先,使用离散曲线演化将形状轮廓简化成具有N个顶点的多边形,并通过去除其中的凹点得到多边形凸点的集合;然后,对由凸点形成的轮廓片段提取角度和曲率特征,得到形状描述子;最后通过匈牙利算法进行轮廓片段之间的距离矩阵的最小代价和计算,从而得到两个形状之间的相似度.基于MPEG-7图像库上的实验证明了本文方法能很好地反映形状的特征,具有较好的匹配效果.     

融合形状与纹理的点云局部特征描述算法

针对现有点云局部描述符缺乏色彩纹理信息导致特征描述能力不足,以及耗时过长的问题,提出一种基于FPFH(快速点特征直方图)的多特征融合描述符。利用FPFH算法提取形状特征;为特征邻域内点云建立拓扑结构,利用点对间HSV色彩通道比值提取纹理特征;通过特征融合构造描述符,基于最近邻比值的策略进行特征匹配来评估性能。实验结果表明,该算法相较其它描述符有效减少了计算量,可以提高彩色点云特征匹配的效率和精度。