改进的抗全仿射尺度不变特征变换图像匹配算法

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题,本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进.借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配.结果显示,提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力,而且对视...     

LST变换和手部几何特征融合的模糊掌纹识别

为了解决非接触采集时的离焦状况容易导致掌纹图像出现模糊现象,从而造成识别系统的性能降低的问题,在建立模糊模型并分析模糊现象机理的基础上,提出了一种新的解决方案.使用拉普拉斯平滑变换(laplacian smoothing transform,LST)提取模糊掌纹的低频系数作为稳定特征,提取手部几何特征即手指相对长度和宽度作为特征向量,将LST特征和几何特征进行融合,最后利用特征向量之间的欧式距离进行匹配和分类.在自建的SUT-D模糊掌纹图库上的测试结果表明该算法等误率可达7.01％,与融合之前及其他典型识别方法相比,等误率最高可降低13.11％,显示出该算法具备有效性,为解决模糊掌纹的识别问题提供了一条可行途径.     

交通路标图像的分割与识别方法研究

对交通道路标志进行实时、正确的识别,是车辆自动导航中的一个重要方面.提出一种基于尺度不变特征变换(SIFT)算法的交通路标识别方法.该方法首先根据交通路标的色彩信息,利用HSV颜色空间对输入含有路标的彩色图像直接进行处理,从而快速分割提取目标区域;然后基于SIFT特征将分割提取的目标图像与数据库中原有图像进行特征匹配,...     

一种针对于描述子的SIFT简化方法

由于目前的SIFT( scale invariant feature transform)特征提取算法具有较高的时间复杂度,不利于大规模的数据存储和搜索,提出一种简化的SIFT局部图像特征提取算法.改进的SIFT算法针对于描述子生成部分进行简化,将原算法中特征点描述子的矩形区域改为圆形区域,并将RANSAC(random sample consensus)算法应用于SIFT特征匹配中,有效地剔除错误匹配点.采用K.Mikolajczyk的衡量方法,即查全率和错误率进行评估.实验结果显示,算法在旋转、光照、视角变化等情况下都有很好的匹配效果,并且降低了时间复杂度.     

基于SIFT算法的鞋印图像配准的研究

研究了鞋印图像定位及匹配问题,首次在鞋印匹配中引入了基于尺度不变特征变换SIFT(Scale-invariant feature transform)算法,并提出一种基于改进的SIFT算法的鞋印图像匹配方法。由于算法具有良好的尺度、光照等不变特性而适用于鞋印图像匹配中。在图像生成特征点之前采用一种二次定位算法,使经过定位的鞋印图像处于同一竖直位置。在分析SIFT特征向量生成过程的基础上,以最小欧式距离作为判断特征点是否匹配的标准,并用最小欧式距离与次小欧氏距离之比来剔除匹配无效点,提高SIFT特征匹配效率。大量实验数据证明,该改进的SIFT算法在保证图像匹配率和算法鲁棒性的情况下,不仅可有效缩短匹配时间,同时还提高了图像匹配精度。     

离焦状态下的模糊掌纹识别

针对掌纹识别时非接触信号采集可能出现的离焦状态会导致掌纹模糊,从而降低识别系统性能的问题,提出了一种基于稳定特征的模糊掌纹识别方法.建立了掌纹的离焦退化数学模型;在分析模糊机理的基础上,使用拉普拉斯平滑变换提取模糊掌纹的低频系数作为稳定特征,利用特征向量之间的欧式距离进行匹配和判别.文中给出了算法的步骤,并通过实验确定了需要选取的低频系数的个数.在建立的SUT-D模糊掌纹库上进行了识别测试,结果表明本文算法的等误率可达17.101 7％,与传统的DCT变换及Eigen Palm,Palm Code等8种典型识别方法比较,等误率最高可降低7.908 4％.这些结果显示本文方法不但能够提升识别效果,而且特征维数较低,改善了模糊掌纹识别系统的性能.     

采用改进尺度不变特征变换在多变背景下实现快速目标识别

提出一种改进的尺度不变特征变换(SIFT)算法,用于实现多变背景下的快速目标识别。首先,构建目标图像尺度空间,提取SIFT特征点并将其按大小分类,目标识别时只需比较同一类型的特征点。然后,由SIFT特征点子区域方向直方图计算得到4个新角度用于代表特征点的方向信息,并且在目标识别时根据角度信息限制特征点匹配范围,从而提高SIFT算法的运算速度。最后,计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征点匹配,从而有效地保证正确匹配数量,提高目标识别的鲁棒性。实验结果表明:当目标在待识别图像中发生局部遮挡、旋转、尺度变化或者弱光照等情况下,改进的SIFT算法能够完成多变背景下快速目标识别任务,平均识别速度提升了40%。     

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明:与KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比,本算法匹配正确率更高,分别为PSIFT的2~10倍,ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。     

基于面部几何特征及手部运动特征的驾驶员疲劳检测

驾驶员疲劳驾驶是造成交通事故的主要原因之一,为解决该问题,提出一种新的基于机器视觉的驾驶员疲劳状态检测方法。根据驾驶员视频图像特点,采用基于肤色检测的Adaboost算法提取面部以及手部的感兴趣区域(Regionsofinterest,ROIs)。基于尺度不变特征变换(Scale invariant feature transform,SIFT)特征点匹配获取眼、嘴以及手部的SIFT特征点,据此得出面部以及手部特征参数。将Perclos、MClosed、Phdown以及SA 4个特征参数作为模型输入,疲劳度等级作为模型输出,建立三层BP神经网络模型,并应用贝叶斯正则化并结合动量梯度下降法较好地解决了传统BP人工神经网络训练高精度和预测低精度的过拟合现象。试验数据表明,该方法能够克服光照、背景、角度以及个体差异的影响,且疲劳检测的正确识别率达到99.64%。     

基于FKICA-SIFT特征的合成孔径图像多尺度配准

针对合成孔径(SAR)图像的配准,提出一种基于仿射不变快速核独立成分分析-尺度不变特征变换(FKICA-SIFT)的多尺度配准方法.首先,根据特征点的Hessian矩阵构建仿射不变SIFT描述子.接着,利用FKICA提取该描述子的独立成分得到新的描述子FKICA-SIFT.然后,利用该描述子对Steerable滤波后的...     

基于ARM与WinCE的掌纹鉴别系统

掌纹识别是个人身份识别的一种有效手段,而识别设备的小型化则将掌纹鉴别推向更广阔的应用领域.实现了一种基于ARM和WinCE的掌纹鉴别系统方案,ARM处理器从数字摄像头获取掌纹图像,提取特征,与掌纹特征库中的对应模板比对,根据匹配的结果给出一个开关信号量.实验证明该系统能以较高精度鉴别掌纹,软件采用的算法具有平移、旋转不变,光照与仿射部分不变等优点,对手掌的姿态、距离、位置变化具有较高的容纳能力,用非接触式的掌纹采集方式,不需要定位装置,充分体现该系统的用户亲和力.此外,该系统还具有体积小、成本低、低功耗等优点,适合应用于成本和功耗敏感的民用系统中.     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

基于SIFT算法的图像目标匹配与定位

针对仅应用SIFT算法无法准确定位的问题提出了一种将SIFT算法、马氏距离和仿射变换相结合的匹配定位方法.利用SIFT算法进行图像初次匹配,同时对初次匹配的特征点进行马氏距离计算,尽可能的剔除误配点,接着结合仿射模型计算出仿射变换的参数,最后根据目标模板的形心和仿射变换参数求出复杂环境中图像目标的形心位置坐标.实验结果表明了该方法在忽略几何畸变的情况下,对目标准确定位具有较强的适应性,能够实现在复杂环境中检测目标,并获取目标的形心坐标.     

采用仿射变换的桨叶变形摄像测量Newton-Raphson算法

提出一种基于仿射变换的(Newton-Raphson,简称N-R)数字图像相关算法.首先,采用人机交互的方法在变形前后的图像中选取匹配特征点,计算仿射变换参数;然后,根据仿射变换位移模式计算目标子区中心点的位移,将其用作N-R算法的初值.为降低计算量,采用全场插值,插值运算次数降为常规插值的1％左右.仿真测试表明,基于仿射变换的N-R算法在精度保持不变的情况下显著减少计算时间,克服了常规N-R算法计算量大、效率低、只适用于无刚体转动目标等缺陷,为开发直升机桨叶变形摄像测量系统提供了算法基础.     

基于Demons算法的变形掌纹归一化方法研究

非接触采集是主流掌纹采集方式,但其低约束性可能会导致手掌摆放方式不定,与传感器距离不定,从而引起手掌变形,尤其是手掌平面和传感器平面不平行导致的局部变形问题,这将影响后续特征提取,降低识别率。针对此问题,考虑到人手本身是非刚体的特点,提出基于Demons非刚性配准算法的变形掌纹归一化校正模型,进一步增强变形图像与标准图像的相似性,弥补了传统刚性方法校正效果不佳的缺陷。首先使用改进的Demons非刚性配准算法进行变形掌纹的归一化校正,再使用测度指标进行效果评价,结果表明:在任取的图像序列内,与传统的基于归一化互信息(NMI)的刚性配准方法相比,NMI最高提升3.64%,相关系数(COEF)最高提升156.25%,均方误差(MSE)最高降低81.63%,各指标均优于基于NMI的刚性配准方法,验证了本文方法的有效性和优越性,为后续的特征提取和识别创造了有利条件。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

基于快速视网膜局部特征的遥感图像目标识别

针对目前航天遥感图像信息复杂、数据量大,导致目标识别中特征检测准确度低、特征匹配识别时间长的问题,提出了一种基于差分加速分割角点检测算法(AGAST-Difference)和快速视网膜关键点描述算法(FREAK)相结合的目标识别方法。在特征检测阶段,建立AGAST-Difference特征检测算子,将尺度空间理论融合到加速分割角点检测算法(AGAST)中,生成具有强仿射不变性的特征点;再利用简化的FREAK采样模型描述局部特征,并构建二进制特征向量,通过计算向量间的汉明距离,完成特征匹配及目标的快速识别;最后选用美国Quick Bird卫星的遥感图片进行验证,实验结果表明,所提特征检测算子仿射不变性能较强,不仅提高了检测的可重复率,而且特征描述符区分性较强,平均匹配正确率提高了9.91%,识别用时仅为35 ms。该方法识别效率高、速度快,能够满足遥感图像实时识别的需求。     

局部方向模式在非接触掌纹识别中的应用

提高非接触掌纹识别系统的性能是目前掌纹识别领域一个具有实际意义的热点。针对非接触掌纹识别系统的鲁棒性问题,以掌纹图像的纹理特征为基础,提出一种基于局部方向模式(LDP)的掌纹识别方法,设计并实现了符合应用环境的嵌入式系统。LDP方法主要利用了Kirsch八方向算子的边缘响应值,从而获取图像的纹理方向模式特征。首先给出LDP算法的基本模型和流程,然后将非接触掌纹图像分成大小均匀的区块,利用LDP算法获取不同区块的纹理特征直方图向量,并进行融合形成总的模式特征,最后使用Chi距离测度进行匹配识别。在香港科技大学(HKUST)和自建的非接触掌纹图库上进行了实验测试,结果表明,该方法正确识别率可达97.824 4%和96.754 7%,相比其他典型和流行方法,最高可提升6.452 9%和5.995 6%。同时在室内环境下,利用自行设计的嵌入式原型装置进行了初步实际测试,结果表明,该方法正确识别率可达96.193 3%,具有可行性和有效性,提高了非接触掌纹识别系统的性能。