基于不变尺度特征变换和有界失真映射的受损文物图像匹配方法

针对受损文物图像这一特殊数据源,提出一种结合不变尺度特征变换(SIFT)和保扭曲映射的图像匹配(SBD)方法.该方法基于SIFT特征建立特征三角网格映射,对网格映射添加保扭曲约束,构建非凸的约束空间,并将属于L0范数问题的目标函数使用代理函数近似.实验结果表明SBD方法可以优化并减少错误匹配,对于解决破损文物图像匹配问题的研究具有较好效果.     

基于Harris尺度不变特征的图像匹配方法

文章针对图像自相似或具有对称性时SIFT匹配稳定性不高的问题,研究基于Harris尺度不变特征的图像匹配方法.为了获取更稳定的特征点,将SIFT特征描述方法引入到Harris尺度不变特征描述中,改进了基于Harris特征的匹配算法;结合简单高效的基于欧氏距离的双向匹配算法,去除了大部分的错误匹配,明显提高了匹配的稳定性...     

一种基于不变特征的图像匹配算法

提出了一种基于图像不变特征的目标匹配算法.算法首先采用了一种改进的SIFT图像特征点提取技术提取目标的SIFT特征向量;建立改进的Kd-Tree特征结构,使用BBF搜索策略完成特征的匹配,接着建立目标的姿态变换空间对匹配点进行HOUGH聚类,去除错误的匹配点,最后对匹配点按照最小二乘法拟合出目标的姿态参数,从而完成目标的定位.实验结果表明,在目标发生平移、旋转和缩放以及场景部分遮挡、视角变化等因素引起的图像变形时,算法均能够稳定地匹配出目标.     

基于小波包变换的多尺度图像匹配算法

针对梯度算子的图像匹配方法存在收敛速度慢、迭代容易落入局部最优点等问题,提出了利用小波包的多尺度特征对图像进行不同分辨率的分解的方法。实验表明基于小波包变换的多尺度图像匹配算法准确度高,计算速度较快且减小了迭代落入局部最优解的概率。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

一种基于尺度不变特征变换SIFT的图像水印算法

为提高抗几何攻击性能,提出一种基于尺度不变特征变换SIFT的鲁棒数字图像水印算法,水印算法思想是利用尺度不变特征变换SIFT分析图像内容并提取特征点,并以多个特征点为中心嵌入多个经过极坐标变换的圆形水印图像,试验表明,该分布式多水印算法能有效抵抗各种几何攻击,包括局部非线性失真攻击.     

融合绝对误差和与Census变换的双目立体图像匹配算法

针对传统立体匹配算法受光照和纹理结构等变化的影响,匹配成功率低或容易出现匹配失败的问题,提出一种融合SAD和Census变换的双目立体图像匹配算法。该算法基于图像预处理,首先集成SAD和Census算法的优势,以取代单一匹配代价计算方法;然后,使用一种十字交叉代价聚合策略来提升匹配效果;最后,为验证本文算法的有效性,选择不同的实验场景,对不同分辨率的图像进行立体匹配的综合对比实验,实验结果表明本文算法在匹配效率和匹配精度等方面具有显著优势,适用于复杂场景中高质量视差图的生成。     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪; 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于尺度不变特征和位置先验的行人检测算法

基于相邻和非相邻特征(NNNF)行人检测算法,提出了一种方法来解决行人特征对尺度变化敏感的问题以及窗口误检的问题.首先,在NNNF基础上,设计了一种尺度不变的特征.由韦伯定理启发,该特征表示为两个相邻或非相邻区域的差分值与这两个区域特征和的比值.这种新的特征具有很强的尺度不变性.此外,还提出了基于行人位置先验的上下文信息,作为一种简单有效的后处理方法.在行人场景中,行人的高度与位置存在一定的映射关系.利用SVM(support vector machine)训练了行人高度关于行人位置的回归模型.该模型能有效地滤除那些行人高度与位置信息不符合回归模型的检测窗口.实验表明,相比于NNNF-L2和NNNF-L4,本文提出的方法在Caltech数据库的检测性能分别提高了2.90%,和2.28%,.同时,本文提出的方法也在所有基于非深度网络的行人检测方法中具有最好的检测性能,平均漏检率为14.56%,.     

尺度不变特征转换特征提取优化算法研究

针对尺度不变特征转换(SIFT)算法时间复杂度高的缺点,提出了SIFT特征提取优化算法。分析了SIFT特征提取算法各个计算步骤的时间复杂性。对SIFT特征提取过程进行了优化,包括耗时最多的高斯金字塔的创建和计算特征描述符过程。优化算法降低了特征点提取时间,减少了特征点的重复匹配,同时保证了匹配结果的准确性。最后,实验证明了优化后的算法能有效降低时间复杂度。     

基于小波变换的图像匹配算法

为了寻找立体像对中的对应点并求出视差,采用Ｍａｌｌａｔ的多尺度小波分析算法,在对图像进行多级分解的基础上进行逐级匹配,并且扩展了传统的视差定义,将两个限制条件：视差连续性和方向一致性融合进视差的定义当中,因而在视差求取的同时也完成了粗差剔除的过程,提高了算法的效率．实验证明,此方法在计算时间和精度上都是切实可行的．     

基于Contourlet变换的图像匹配算法

Contourlet变换结合了不可分离的方向滤波器组,具备多尺度和多方向特性,能有效地捕获到图像中的轮廓.提出了一种图像匹配算法,该算法充分利用了图像Contourlet变换系数的特征,形成描述纹理特征的特征向量,并将其作为匹配的特征向量,然后将该方法与基于小波变换纹理分析的方法进行了比较,试验结果表明:在Contourlet变换域上的匹配高于在小波域上的匹配,从而验证了该方法的可行性.     

基于改进的census变换彩色图像匹配研究

针对传统census变换在彩色图像匹配中精度不高,易受光照影响等缺陷,提出了一种彩色census变换匹配算法。首先,利用census变换窗口内的颜色距离标准偏差代替变换窗口中心像素的灰度值,再与邻域内颜色距离信息和邻域内颜色距离信息平均值之差进行census变换。然后,利用Hamming距离作为匹配代价函数,采用优胜全取策略(winner-take-all)和左右一致性校验得到视差数据,获得稠密视差图。实验表明,该算法可有效提高彩色图像匹配精度,实时性好,对非理想光照变化所引起的干扰具有较强鲁棒性。     

基于小波变换的图像匹配算法研究

介绍了图像匹配及小波变换的基础理论,并将传统的图像匹配技术和小波滤波技术相结合,利用小波的平移不变性,提出了一种改进的图像匹配算法,并给出了仿真实验,收到了良好的效果.     

尺度不变特征点提取

结合传统的角点检测算法,提出一种基于高斯金字塔匹配的尺度不变特征点提取算法PBSI,首先建立高斯金字塔,在每层图像中检测Harris角点,根据高斯尺度理论自上而下找到它们在不同层的对应点,所有层上都有的匹配点就是最终的尺度不变特征点.实验结果表明本文算法具有计算简单、抗噪声能力强、稳定性好的优点.     

融合深度特征和FHOG特征的尺度自适应相关滤波跟踪算法

为了解决核相关滤波跟踪算法在复杂场景下跟踪效果差的问题,提出了一种融合深度特征和尺度自适应的相关滤波目标跟踪算法。首先,通过深度残差网络（ResNet）提取图像中被跟踪区域的深度特征,再提取目标区域方向梯度直方图（FHOG）特征,通过核相关滤波器学习,分别得到多个响应图,并对响应图进行加权融合,得到跟踪目标位置。其次,通过方向梯度直方图（FHOG）特征,训练一个PCA降维的尺度滤波器,实现对目标尺度的估计,使算法对目标尺度发生变化有很好的自适应能力。最后,根据响应图的峰值波动情况改进模型更新策略,引入重新检测机制,降低模型发生漂移概率,提高算法抗遮挡能力,在标准数据集OTB100中与其他7种目标跟踪算法进行比较。结果表明,相比原始KCF算法,改进后的KCF算法精准度提升了29.4%,成功率提升了25.9%。所提算法实现了对跟踪目标位置的精准估计,提高了尺度自适应能力和算法速度,增强了算法抗遮挡能力。[JP]     

基于谱特征的图像匹配算法

传统基于谱图的图像匹配算法大多利用特征点集中点的位置关系进行匹配,并未充分利用特征点周围的灰度信息,为此,文中提出了一种基于谱特征的图像匹配算法,该算法利用线图谱来反映特征点周围灰度的变化,对特征点周围的邻域点进行分层,并对每层中的点构造线图,通过线图谱获取特征点的谱特征;理论分析表明,该谱特征具有旋转不变性、亮度线性变化不变性及对噪声的较高鲁棒性.最后,利用匈牙利算法求解匹配问题,输出匹配结果.实验结果表明,文中算法具有较高的匹配精度,在待匹配图像间存在较大形变时,也可以获得较好的匹配结果.     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.