基于尺度研究的SIFT特征匹配改进算法

图像特征提取与匹配是计算机视觉、图形图像领域的一个重要问题,具有仿射不变性、光照不变性、部分遮挡不变性的特征,提取和匹配是这个问题的核心内容。尺度空间技术是具备了多尺度分析技术众多优点的新兴技术,SIFT（Scale Invariant Feature Transform）算法是线性尺度空间技术的一个成功应用。对于如何在一帧图像中运用尺度空间技术手段寻找更多的特征点、以及如何对特征点进行准确的描述与正确的匹配是该领域的难点,尤其前者在近年内进展缓慢。文章通过论述尺度空间的构造过程,证明了尺度选择与可找到特征点数目和位置的关系,通过调整尺度选择与最优点选择策略,在图像上寻找到更多的特征点,并根据判据量化判定了特征点的稳定性;通过限制匹配点的尺度关系减小了错配概率,通过改进原始匹配策略提高了匹配算法的准确率。实验表明,改进后的SIFT能够比传统的SIFT找到更多的特征点,提高了匹配的准确率,算法的鲁棒性得到了进一步提高。     

基于SIFT特征点改进搜索算法的图像匹配技术研究

本文研究一种改进的近邻搜索算法的图像匹配技术。本文采用基于特征的图像匹配方法,利用SIFT算法提取特征点。在特征点匹配的过程中,为提高搜索样本特征点的最近邻和次近邻特征点的速度,本文采用一种基于二叉检索树算法改进的近邻搜索算法,该算法用最近邻与次近邻比值来进行特征点的匹配。用MATLAB语言实现该算法并运用到图像特征匹配中,实验证明优于原算法并具有较高实时性。     

混合Forstner算法和SIFT灰度图像特征点提取

提出了一种混合Forstner算子和SIFT相结合的图像特征点提取算法.本文首先介绍了灰度图像特征点提取的原理,接着针对传统的Forstner算子需要对图像中所有的像素点进行扫描导致速度比较慢等问题,采用SIFT算法快速准确地去除一些无关的点,然后在剩下的点中进行提取.实验结果证明了本文提出的方法能够有效地提取图像关键点信息.     

加权分块局部保留投影的人脸识别

局部保护投影(LPP)算法属于无监督的算法,仅仅考虑到人脸图像的全局特征,针对LPP算法的局限性,提出了一种加权分块局部保留投影的人脸识别方法。首选把所有人脸图像训练样本分割成相等且不重叠的子图像,并将位置相同的子图像聚集起来,然后对每个子图像集分别应用LPP算法,接着结合信息熵权函数计算各子图像集相应的权重。实验证明该算法的识别率相对于传统的LPP算法具有一定的提高,能够较好地克服光照、表情和姿态变化的影响。     

基于颜色与投影特征的车牌定位

车牌定位是车牌识别系统的关键技术,定位的准确与否直接影响车牌识别的结果。本文根据车牌的颜色特征和投影特征提出了一种综合颜色特征和投影特征相结合的定位方法,算法分为粗定位和精确定位。该方法较单一特征的定位方法有较好的通用性,可适应于不同背景、不同光照下的汽车图像,能够确定出车牌区域,准确率得到了较大提高。     

一种基于SIFT和点集不变性的图像匹配算法

图像中的特征点可以用来匹配图像.本文给出了一个基于SIFT特征点集之间距离的图像匹配算法.首先提取出图像中的所有SIFT特征点,然后根据奇异值分解再选出特征点集,根据点集不变性计算出距离,最后根据距离值匹配图像,实验结果显示,该算法具有可行性.     

一种新的正交保局投影人脸识别方法

针对人脸识别中判别特征的提取问题,提出了一种新的人脸识别算法—Schur正交保局投影(Schur-OLPP)。该方法在保局投影(LPP)的基础上引入Schur分解,求取最佳正交投影矩阵,充分提取样本的判别特征。本文采用最小近邻分类器估算识别率。在Yale人脸库以及AR人脸库的测试结果表明,在姿态、光照、表情、时间变化的情况下,Schur-OLPP都具有较好的识别率。     

基于SIFT和BP神经网络的车牌识别技术的研究

针对车牌容易变形,涂漆易脱落,受光照等环境因素的影响,本文将SIFT算法和BP神经网络应用在车牌识别领域中,有效地克服了上述问题。SIFT算法对汉字,字母和数字提取SIFT局部特征,并用BP神经网络进行识别。克服了传统的模板匹配方法对数字和字母形状相近不能识别的缺点。实验中的结果和模板匹配法相比较,表明该方法明显优于传统的模板匹配法。     

基于SIFT特征匹配的多人脸图像拼接方法研究

针对日常生活中多张人脸图像的合成问题,提出了基于SIFT特征匹配的多人脸图像的拼接方法。首先应用SIFT算法实现了多张人脸图像的拼接,最后采用VC++6.0实现了多人脸图像的拼接,获得了所需视野大小的全景图像。从实验结果可以看出,本文所研究的方法具有很好的效果,完全可用于课堂考勤的多人脸检测与识别中。     

高斯1投影和兰伯特投影在GIS中的应用探讨

文章系统地介绍了(宽带)高斯投影、兰伯特投影的定义、性质与应用,着重讨论了中纬度地区制图范围地图投影在GIS中的选择,探讨了兰伯特投影与(宽带)高斯投影在GIS中选择的优劣和实用性。     

图像识别在考生身份认证系统中的应用

针对传统考生身份认证方法的缺陷,提出一种基于人脸识别的考生身份认证系统。首先利用图像采集系统采集考生人脸图像,然后对人脸图像进行特征提取和特征选择,并将人脸特征输入到人脸特征库进行匹配,最后采用支持向量机算法对人脸进行分类识别。实验结果表明,该系统提高了考生身份识别的正确率,减少了识别时间,能够很好满足实际考试的要求。     

基于积分投影的眼睛定位系统设计

眼睛定位是很多人脸检测算法的关键步骤,是近二十年来图像处理、模式识别和计算机视觉领域中极富挑战性的研究课题之一。眼睛定位常用的精确检测方法主要有：霍夫变换法、变形模板法、边缘特征分析法和对称变换法等。文中采用一种基于积分投影的方法进行眼睛位置的有效快速定位,并分别利用水平和垂直灰度积分投影曲线结合人脸的结构特征找到眼睛的位置坐标,实现了准确的眼睛定位。     

基于鉴别分析的彩色人脸图像灰度转换方法

当前主流的人脸识别算法,都是把原有的彩色图像转化为灰度图后,采用基于灰度图像的特征抽取与识别算法进行分类识别。人们在实际操作过程中,只是使用一组简单的加权系数实现从彩色图像到灰度图的转换,这并不能很好的体现R,G,B 3个颜色分量之间的次重关系。本文根据人脸图像颜色组成的特点,对彩色人脸图像的R,G,B 3个分量的颜色信息进行特征抽取与分析,从中找出鉴别特征的三基色系数表示方法,把彩色图像转化为灰度图。最后,在国际通用的AR标准彩色人脸库中进行了大量实验,验证了本文算法的有效性。     

基于ARM的人脸特征提取与辨识

本文设计了一种基于RFIC和人脸识别的ARM嵌入式安全认证系统。深入地分析人脸识别过程中的预处理,以及PCA和LDA等特征提取方法,利用MATLAB对人脸识别算法仿真,并比较特征向量个数以及分类器等因素对识别率的影响。     

基于SVM的人脸识别系统的研究

该文使用PCA来提取人脸的特征,克服了K-L算法计算量大,计算耗时长的缺点。实验表明该算法减少了特征提取时间。然后运用SVM来进行人脸识别。将两类分类问题的识别策略应用到多类分类问题,以ORL人脸库做的实验中得到了很好的识别效果     

基于隐马尔可夫模型的人像鉴别算法

提出了基于小波变换和隐马尔可夫模型的人像鉴别算法. 该算法首先对图像进行3级小波分解，然后把3个不同分辨率的低频子图像由小到大排列成树状结构，形成低频小波树. 接着利用独立元分析对每个小波树枝进行去相关、降维，形成特征小波树枝，并把它作为观测向量对隐马尔可夫模型进行训练，把优化的模型参数用于人脸识别. 分析了观测向量维数与识别率的关系，以及状态个数和高斯概率混合成分的个数对识别率的影响，定性描述了隐马尔可夫模型的本质. 在ORL人脸数据库上，同其他四种相关方法进行了比较，实验结果表明，该方法识别率较高，工程上易于应用.     

基于LDP和LTP模型的人脸识别技术探究

表面的纹理特征常被用于目标的识别。这种特征被广泛的应用于各个领域,比如基于纹理特征的人脸识别系统、监视、身份识别等。局部二值模式纹理特征方法(LBP)是最成功的基于纹理特征的人脸识别方法。由于LBP的巨大成功,出现了许多LBP的变异方法,比如多层LBP、中心对称LBP、主LBP等。本文的主要目的在于研究各种LBP的变异方法在人脸识别中的有用性。同时本文还评估了各种实际问题,比如光照变化、旋转、人脸图像表示的变化等在不同LBP人脸识别方法中的影响。基于实际人脸图像数据库的验证表明局部纹理模式(LTP)和局部衍生模式(LDP)具有更好的识别性能。     

基于纹理分析和梯度特征的车牌定位算法

车牌定位技术是车牌识别技术中最重要的部分,根据车牌区域字符的特点,提出了一种综合纹理分析和梯度特征的车牌定位方法.利用车牌字符的纹理特征提取出可能存在车牌的区域,再利用车牌字符和背景梯度的差异性进一步过滤掉由于背景原因产生的伪车牌区域,进而准确定位出真正的车牌区域.实验结果表明该方法运算量小,对复杂背景车辆图像有很好的定位效果,具有较好的应用性.     

基于PCA和神经网络的人脸识别算法研究

在MATLAB环境下,取ORL人脸数据库的部分人脸样本集,基于PCA方法提取人脸特征,形成特征脸空间,然后将每个人脸样本投影到该空间得到一投影系数向量,该投影系数向量在一个低维空间表述了一个人脸样本,这样就得到了训练样本集。同时将另一部分ORL人脸数据库的人脸作同样处理得到测试样本集。然后基于最近邻算法进行分类,得到识别率,接下来使用BP神经网络算法进行人脸识别,最后通过基于神经网络算法和最近邻算法进行综合决策,对待识别的人脸进行分类。