一种新的尺度不变特征提取方法

为解决传统尺度不变特征点提取算子计算复杂度高、抗噪能力不强以及特征点位置发生漂移等问题,提出一种基于尺度空间因果关系的尺度不变特征提取方法.首先原图像与高斯函数进行卷积获得高斯平滑图像;然后在原图与高斯图像中分别提取Harris角点作为候选特征点;最后以高斯图像上的候选特征点为中心向原图上投影寻找对应的特征点作为最终的尺度不变特征点.实验结果表明,该算法容易实现、计算效率高、抗噪能力强.该算法能为后续视觉处理提供稳定抗噪的尺度不变特征点.     

基于图像力场理论的ORB特征优化方法

针对现有的移动机器人视觉图像ORB特征受图像尺度、光照和旋转影响比较大的问题,提出了一种基于图像力场理论转换的优化ORB算法.通过计算图像熵值确定图像金字塔尺度,构建稳定的ORB特征,以此解决ORB特征点的尺度不变性.采用ORB特征点的引力方向作为特征点描述子的主方向,优化ORB算法的旋转不变性.利用PROSAC算法剔除冗余ORB特征点.结果表明,本文方法在一定程度上提高了ORB特征点描述子的准确度和匹配正确率.     

基于固定半径圆模板匹配的基因芯片网格定位方法

基因芯片网格定位是确定芯片上按栅格排列的所有荧光靶点二维坐标的图像分析过程。根据模板匹配的图像检测原理,采用归一化互相关测度对基因芯片图像与固定半径圆模板图像进行相似性计算,依次搜索二者之间的最佳匹配位置作为每个荧光靶点的中心位置。对6×6低密度基因芯片图像进行了网格定位分析试验,实现了芯片图像中全部靶点的检测和定位。试验表明,对于低密度芯片的网格定位,该方法具有原理简单和适应性强的特点,但算法效率有待提高.     

结合小波金字塔的快速NCC图像匹配算法

针对传统的归一化互相关算法(NCC)计算量庞大、运算速度慢、正确率较低等问题,本文提出一种基于小波金字塔搜索策略的快速NCC图像匹配算法。该算法在归一化互相关算法的基础上,采用和表法分别计算图像均值、图像方差和图像间的互相关来降低运算的复杂度,减少算法的计算量;同时在选择特征点匹配搜索策略时,构造图像小波金字塔结构,利用分层匹配来提高图像匹配的效率。与其他算法进行对比,结果表明该算法获得的匹配点连线效果更好,所用的时间也量化,证明该算法不仅能提高匹配速度,还能改善匹配精度。     

基于局部熵的图像特征描述方法

使用传统的特征描述方法SIFT在单一尺度上描述图像特征会丢失一部分重要信息,影响图像的正确匹配结果。为了解决这一问题,本文在多尺度模糊空间内提取特征描述子。信息熵从图像显著性角度估计特征点及其周围的信息,能获得更多的图像关键内容,本文提出了基于局部熵的图像特征描述方法。首先,在高斯差分空间(DOG)内计算特征点的多层SIFT描述子,同时统计特征点在每层尺度上的局部熵,计算特征点在每层的熵值占所有层熵总和的百分比,利用所得百分比与每层描述子做乘积;然后,累加所有层描述子;最后,使用平方根算法得到最终局部熵特征描述子。通过与其他描述子的对比实验结果可知,本文提出的局部图像描述方法在精确-召回率、平均均匀准确度和正确匹配数方面具有强鲁棒性。     

基于角点分层匹配的织物图像拼接

针对一些织物图像,该文提出了一种新的基于角点分层匹配的图像拼接方法。该算法首先采用harris角点检测,然后用归一化互相关法进行初步的匹配,再运用稳健的RANSAC算法进行精匹配,最后对相关性最高的4对点求单应性矩阵,从而实现对图像的拼接。整个算法自动完成,采用二次匹配,鲁棒性强。实验结果表明,该方法能准确找到图像间的重叠位置,且融合效果比较理想。     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

一种图像纹理特征检索算法

提出一种基于Radon和小波变换的图像纹理特征检索算法,对原始图像进行坐标系的旋转校正,确定方向归一化的图像,再对方向归一化后的图像进行Radon变换．根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性．采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此进行图像检索．基于纹理特征的试验结果表明,该特征具有旋转、平移和尺度不变性,与RIM算法相比平均检索率提高了3.8％．     

SIFT特征匹配算法优化

基于SIFT特征的图像目标匹配与检测应用中,特征点的误匹配将直接影响系统对目标检测的灵敏度。提出了一种将二分查找法与仿射变换结合,用于目标快速检测的方法。先用算法复杂度较低的最近邻-次近邻法对SIFT特征点进行粗匹配,并用匹配对中两特征点与主方向角度差进行筛选。随机选取若干组特征点,计算其仿射变换参数,依据其参数的统计分布特点,用二分查找法得到最优解,实现对目标的检测。结果显示,算法有较高的检测效率和稳定性。     

用Harris-Laplace特征进行遥感图像配准

为克服图像在旋转及分辨率不一致时自动配准的困难,提出了一种新的自动配准方法:包括新的尺度空间投影算法和新的特征匹配算法。基于Harris-Laplace(H-L)特征的尺度不变性,新的尺度空间投影法运用H-L方法提取图像特征,然后将特征空间建立在依据特征点主方向的图像投影信息上,使得特征空间具有对图像旋转和分辨率大小不变的特性。新的特征匹配法则采用特征空间k-d树欧氏距离匹配和RANSAC一致性位置检验相结合的方法,实现了高效率无差错的特征匹配。通过比较分析与实验证明,该自动配准方法能够对不同分辨率、不同旋转角度的图像精确地实现自动配准。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

基于生成对抗模型的可见光-红外图像匹配方法

针对现有异源图像匹配存在的模态差异大、匹配难度大、鲁棒性差等问题, 基于生成对抗网络转换思想及传统的局部特征提取能力, 提出基于生成对抗模型的可见光-红外图像匹配方法. 依据生成对抗网络（GAN）的风格转换思想, 增加了损失函数计算通路并构建新的损失函数, 改进模型在异源图像上的转换效果. 利用SIFT算法分别提取转换后同源图像的特征信息, 确定待匹配点的位置和尺度. 依据匹配策略间接完成待配准图像的特征匹配及相似性度量. 在实景航拍数据集上进行实验验证. 结果表明, 利用该方法能够有效地处理多模数据, 降低异源图像的匹配难度, 为多模态图像匹配问题提供新的思路.     

鲁棒的新型特征提取和匹配算法

针对现有图像特征匹配算法高复杂度、耗时长等问题,提出一种基于局部特征点的新型特征匹配算法。首先,构建尺度金字塔,在不同的尺度上进行FAST特征点检测,根据特征点的Harris响应对特征点进行排序选取;然后利用图像的矩和积分图的方法获得特征点方向,再根据同心圆的采样模式构造特征点向量,最后根据特征点向量的汉明距离进行特征匹配。实验研究表明,该算法在图像有一定程度的缩放、旋转和噪声影响的条件下,运行效果仍然稳定可靠。与传统的SIFT算法相比,该算法在保证特征提取与匹配良好性能的前提下,运行速度要比SIFT算法快数倍。     

基于多点对齐的年龄估计方法

针对两眼对齐的人脸图像归一化只能做到不同图像的两眼位置对齐,而其他特征点如鼻子、嘴巴、下巴等的位置不同,提出一种基于多点对齐的人脸图像归一化算法.该算法首先标注或检测人脸图像中眼睛、鼻子、嘴巴等附近的一些特征点,利用双眼位置进行归一化操作;然后计算图像各个特征点的平均位置进行Delaunay三角剖分得到平均形状;对于双眼对齐的每幅图像,将特征点按照平均形状的连接关系连接成三角形,再通过仿射变换将每个三角形中的图像映射到平均形状对应的三角形中,即得到多点对齐的人脸图像.将该方法与基于两眼对齐的支持向量机回归年龄估计方法在FG-NET数据库上进行实验,对于常用的一些人脸特征,包括BIF,Gabor,HOG,LPQ,平均绝对误差分别降低了0.52,0.66,0.16,0.12.实验结果表明,基于多点对齐的年龄估计方法均优于基于双眼对齐的年龄估计方法.     

一种行为识别的新方法

行为识别技术是一种可用于智能视频监控的生物识别技术.本文提出一种基于统计主成份分析和行为序列匹配的人的行为识别算法,对于输入序列采用改进的背景减法获取人体侧影并归一化,对归一化的人体侧影进行距离变换.训练过程使用PCA算法进行特征空间的计算,测试过程则将获取的距离图像序列在特征空间投影并结合改进的序列匹配算法实现人的行为识别,多个数据库上测试的结果验证了算法的有效性.     

基于SVD和SIFT的宽基线立体影像匹配

提出了一种在核线几何约束下基于自适应归一化互相关（NCC）及奇异值分解（SVD）的尺度不变特征变换（SIFT）特征匹配算法（SVD-NCC）.算法首先利用SIFT特征的尺度和方位信息对特征点邻域进行仿射变形改正,然后基于NCC测度和SVD算法生成特征点间匹配矩阵并获得其对应关系.在具体实现策略上,算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并基于SVD-NCC算法获得初始匹配点对用于立体像对的核线几何估计,然后在核线几何约束下对其余特征点进行扩展匹配及误匹配剔除.实际的宽基线序列立体影像匹配试验结果表明该方法可显著提高匹配点的数量和匹配正确率.     

基于市场匹配的多Agent智能爬虫系统

在网络文字、图像视频、音频数量日益增长的网络世界中,网络爬虫爬取结果变得越来越差,主要表现在爬取网页的精确率低、召回率低和重复率高等方面。为解决这些问题,结合市场匹配基本原理和网络爬虫的特点,提出一种基于市场匹配算法的多Agent智能爬虫系统。基于市场匹配算法,设计了多Agent智能爬虫系统,以雅虎一级目录12个主题为测试数据对网络爬虫爬取网页的精确率、召回率和重复率进行了分析。结果表明,与未使用市场匹配算法的系统相比较,基于市场匹配算法的多Agent智能爬虫系统的精确率提高了9%、召回率提高了8%、重复率降低了5%,其爬虫性能有较大改善。     

基于改进ORB算法的VSLAM特征匹配算法研究

针对传统特征匹配算法耗时较长、匹配率不高的问题,提出一种改进ORB的图像特征匹配算法。首先对FAST特征检测算法进行改进,构建非线性尺度空间,采用非线性扩散滤波方法,对金字塔进行构建,通过快速显示扩散形式(FED)进行求解,得到尺度空间上的图像,并采用灰度质心法方法,对特征的角点方向进行计算。然后对FREAK算法采样模式进行优化,采用改进的描述子构建特征向量。最后采用GMS匹配算法剔除伪匹配点对,有效降低误匹配概率。实验证明,相比SIFT、SURF、FREAK、BRISK和ORB算法,本文改进的算法在耗时和匹配率方面均有明显效果,并在旋转、尺度、光照等变换条件下,具有较强的鲁棒性,适用于VSLAM系统。     

基于Vague集模糊量化的图像检索算法

为了提高图像的检索效果,提出了基于Vague集模糊量化的图像检索算法。该算法首先在色调-饱和度-亮度(hue saturation value,HSV)空间中划分模糊区域,并建立每个区域的梯形隶属度函数;其次,通过梯形隶属度函数得到任意颜色在模糊区域的Vague隶属度,进而将该Vague隶属度转化为包含中立度信息的Fuzzy值,并对该Fuzzy值加权得到新的量化值,从而得到颜色直方图;最后,将原图平滑处理,并与原图直方图结合得到广义直方图,通过欧氏距离进行相似匹配得到检索结果。实验采用Corel1000图像库,选取花作为检索的目标图像,结果显示,非均匀量化算法,模糊量化算法和改进算法的查准率分别为62.5%,72.5%,75%;查全率分别为25%,29%,30%。采用3种算法分别检索主目标明确和主目标不明确的图片,结果显示,改进算法与非均匀量化算法,模糊量化算法相比,检索效果较好。