融合全局与空间多尺度上下文信息的车辆重识别

目的 车辆重识别指判断不同摄像设备拍摄的车辆图像是否属于同一辆车的检索问题。现有车辆重识别算法使用车辆的全局特征或额外的标注信息,忽略了对多尺度上下文信息的有效抽取。对此,本文提出了一种融合全局与空间多尺度上下文信息的车辆重识别模型。方法 首先,设计一个全局上下文特征选择模块,提取车辆的细粒度判别信息,并且进一步设计了一个多尺度空间上下文特征选择模块,利用多尺度下采样的方式,从全局上下文特征选择模块输出的判别特征中获得其对应的多尺度特征。然后,选择性地集成来自多级特征的空间上下文信息,生成车辆图像的前景特征响应图,以此提升模型对于车辆空间位置特征的感知能力。最后,模型组合了标签平滑的交叉熵损失函数和三元组损失函数,以提升模型对强判别车辆特征的整体学习能力。结果 在VeRi-776(vehicle re-idendification-776)数据集上,与模型PNVR(part-regularized near-duplicate vehicle re-identification)相比,本文模型的mAP(mean average precision)和rank-1 (cumulative...     

基于机器视觉技术的光场尺度空间局部特征提取研究

目前光场尺度空间局部特征提取没有对光场尺度空间深度进行估计,存在局部特征点匹配时间长,提取时间长,特征点识别率低的问题。提出基于机器视觉的光场尺度空间局部特征提取方法,首先对光场尺度空间进行深度估计,利用光场相机中的微透镜对物体发出的不同方向的光线进行重聚焦处理,最终成像到传感器上,获得宏像素。利用四维空间对宏像素处理得到多视角。经过运算解出多视角之间的视角差,最终获得光场尺度空间深度。在光场尺度空间深度内通过机器视觉的四维光场重聚焦模型确定光线与重聚焦光线间的关系,利用辐射理论对原光场相机重新采样积分提取出光场尺度空间的所有图像,即得到焦点堆栈图像,并提取焦点堆栈图像的颜色特征和纹理特征,将颜色和纹理特征融合在一起,实现对光场尺度空间局部特征的提取。实验结果表明,所提方法的局部特征点匹配平均为11.5 s,提取时间平均为91.6 s,特征点识别率平均为89.5%,具有一定的有效性。     

Gauss比较函数与复杂遥感图像中线状目标的无偏自动检测

建立基于 Gauss 尺度空间的比较函数,对遥感图像中的道路结构进行特征描述、分离和定位.在此基础上,结合道路特征的图形和图像特征,提出了基于局部方向能量的线状目标检测算法,并根据道路的拓扑特征和几何特征进行假设验证、编组、融合,提取有效的道路线特征,应用于城市遥感图像中不同宽度和材质的主干道路和小路的提取.该算法计算复杂度小,在阴影遮挡和道路影像不明显的情况下对道路线特征具有良好的分辨能力.对 Gauss比较函数的定位和抗零点漂移性能也进行了详细的分析.     

基于尺度空域相关性的图像边缘检测

根据小波分析多尺度空间的相关性,在模极大值边缘检测的基础上提出一种新的图像边缘检测方法.该方法不需要对图像进行预处理就能较精确的检测出图像的边缘.取相邻尺度的小波系数相乘进行相关计算,在抑制噪声的同时提高边缘的定位精度.方法快捷,算法简便,克服了直接对图像进行模极大值边缘检测造成的误差.实验结果表明,该方法得到了满意的效果.     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法。首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配。仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算法、传统加速稳健特征算法及其他改进的图像配准方法相当,但在图像配准实时性方面具有一定的优势,仿真实验二通过立体匹配库验证了该方法具有普遍有效性。     

一种基于Gabor小波的局部特征尺度提取方法

图像的局部特征尺度在进行特征提取和构造尺度不变量时非常重要。提出了一种基于Gabor小波的局部特征尺度提取方法,该方法利用视皮层简单细胞的2维Gabor函数模型, 构造了一个Gabor尺度空间核函数,利用该核函数计算图像的Gabor尺度空间分解,并在尺度空间中搜索局部极大值作为特征点的固有尺度。实验结果表明,该方法可在不同对比度 条件下有效地提取各类特征的局部尺度,并且相比高斯拉普拉斯(LoG)方法有更好的适应性和可靠性。     

基于极线校正的最小二乘立体匹配

本文减少了最小二乘转换参数,通过三个几何转换参数和两个辐射转换参数建立对应关系,采用经极线校正的立体像对,使对应点的搜索在相同扫描行上进行,减小了搜索空间,提高了匹配速度,且把匹配方法嵌入到多尺度空间中以提高匹配速度,通过视差后处理进一步提高匹配精度。采用自适应窗口技术解决由于存在矩阵不可逆情况而导致大量不可匹配点和在地形平坦、灰度变化不明显的区域不匹配或误匹配率高的缺点。试验结果表明了,本算法精度高,匹配率高的优点,有相当的使用价值。     

视觉同步定位与地图重建—–基于先验信息的SIFT 匹配算法

鉴于尺度不变特征转换（SIFT）匹配算法存在计算效率不高且容易出现误匹配的问题,针对视觉同步定位与地图重建,提出了一种基于先验信息的SIFT匹配算法．该算法首先根据机器人和特征点的相对距离变化来预测尺度空间的变化;然后根据机器人和特征点的当前状态来预测特征点的图像位置;最后在预测的图像位置进行SIFT匹配．实验结果表明...     

一种用于光照变化图像匹配的改进KAZE算法

首先对KAZE算法进行了研究,针对KAZE算法对在有明显光照变化的场合下图像匹配率降低的问题,提出了一种对光照鲁棒的改进KAZE算法。该算法首先用AOS算法构建非线性尺度空间,在非线性尺度空间内通过计算Hessian矩阵的局部极大值来检测图像的特征点,并通过将一阶Harr小波响应进行高斯加权运算从而确定其主方向,然后建立一种具有局部不变性的测量坐标,在该测量坐标下,构建对光照变化敏感性较低的二阶梯度特征作为描述符,并生成一种新的64维描述子进行匹配,分别对过度曝光、曝光不足和非均匀光照减弱场景下的多组实验图像进行匹配实验,结果表明,和原KAZE算法相比较,改进算法在三种场景下的匹配率分别提高了10%、8.1%、9.2%,,表现出了更好的鲁棒性,在图像拼接、三维重建等领域具有一定的应用价值。     

基于特征点Rényi互信息的医学图像配准

针对医学图像配准有鲁棒性强、准确性高和速度快的要求,文中提出一种基于特征点Rényi互信息的医学图像配准算法.起初从模板图像与待配准图像中依次提取出多尺度特征点,其次使用其空间坐标计算特征点Rényi互信息目标函数,实现图像配准.该算法有效地避免了多模噪声图像间的灰度差异影响,减少了待处理的数据量,同时使用Rényi互信息来消除目标函数所受的局部极值的影响,进一步提高了配准精度.实验证明该算法适于单模和多模医学图像配准,速度较快、精度高、鲁棒性强,是一种有效的自动配准方法,并且具有较好的临床应用价值.