丧失一维空间信息下特征点的快速匹配算法

通过推出新的匹配成像点坐标计算公式，从理论上解决了因子母弹爆炸落地点丧失一维空间信息而导致原有epipolar快速匹配算法失效的问题，为研制实际测量系统提供了理论基础。     

基于SIFT特征点改进聚类的图像检索方法研究

由于SIFT特征点能对图像局部特征进行合理、精确描述,有效使用SIFT特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题。针对该问题,提出一种基于SIFT特征点的改进聚类的图像检索新方法。该方法包括图像颜色转换、特征点改进聚类算法,以及基于该算法的更有效的灰度直方图构建方法。与现有基于流光法的检索方法相比,该方法能有效解决聚类后特征点分组不确定和依赖特征点颜色信息和空间信息权重的问题。从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度。     

点特征匹配方法在SAR图象配准中的适用性研究

基于点特征的匹配方法中,根据实际要配准图象的特点,选择合适的点匹配准则,是实现图象配准正确性和精确度的重要保证.通过对常见的点配准方法在光学图象和SAR图象上的实验及其结果分析,找出点特征匹配方法在SAR图象配准中的适应性能,为基于点特征的SAR图象配准工作提供依据.     

融合底层、语义特征的医学图像检索算法及实现

针对医学胃窥镜图像,在分别研究颜色聚类、语义单一特征检索算法基础上,提出了结合底层颜色和高层语义的特征融合检索算法。并用VC#和SQLserver2000实现了一个图像检索原型系统．论述了系统的结构、特征提取、相似度匹配方法及部分实验结果,实验表明该方法具有良好的检索效果。     

改进误匹配剔除的SLAM算法

为改善ORB特征点提取与匹配过程中存在的部分误匹配现象,提高智能移动机器人的位姿估计精度,基于ORB-SLAM2系统框架改进误匹配剔除算法,对RGB图像中ORB特征点的提取进行优化,同时降低关键帧中ORB特征点的误匹配率.实验结果表明,改进误匹配剔除的SLAM算法较RANSAC算法在正确匹配点对数量和运行速度上分别提高...     

基于SIFT特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。     

一种基于Harris角点特征精确匹配的图像拼接方法

提出了一种基于Harris角点特征的精确匹配方法。该方法首先提取参考图像及待拼接图像中各自的Harris角点点集,并计算出这2个点集间每对点的圆形邻域图像的相关系数;再通过提取各个角点邻域的Hu矩特征,获得了该特征下每对点的相似程度。将不同特征下的相似度进行归一化并融合,构造出2个点集间,每对点的相似度表。在此表的基础上,优化匹配结果,使得匹配点对的总体相似程度高,从而得到精确匹配。由于Hu矩特征具有旋转及尺度不变性,因此提取出的角点特征能够较好地抵抗常见的图像变换。最后,实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。通过实际操作表明,该方法的图像拼接效率较高,有较好的鲁棒性。     

一种基于属性权值分组聚类的相似重复记录检测方法

为了提高数据集中相似重复记录的检测效率,提出一种基于属性权值的分组聚类算法。该方法在记录集中选取特征属性,通过设定的权值对记录进行聚类,在形成的数据子集中进行字段匹配和记录匹配,来识别相似重复记录,并给出了相关算法。实验表明,该方法能减少字段的匹配次数和记录的匹配范围,节省运行时间,具有较高的查全率和查准率。     

快速的自举鲁棒点匹配算法

鲁棒点匹配算法中的退火温度是按常数比率降低的,它导致运行时间长。文章基于对应关系矩阵的熵和退火温度是同时变化的现象,提出采用熵来建模退火温度,由此得到一种新的算法。尝试了两种实现方案,实验表明它们都比原算法高效,其中一种实现方案的鲁棒性和配准精度都非常接近原算法。     

基于谱聚类与多信息特征融合的图像分割算法

为了改善传统基于聚类的图像分割算法对噪声敏感以及仅使用单一特征无法精确描述目标特性等问题,提出了一种基于区域的多特征图像分割算法。首先,使用 Meanshift 算法对原图像进行预分割,获得一组区域块;其次,提取每个区域块的颜色特征和纹理特征,使用 FCM 算法分别对每个特征进行聚类,针对每个特征获得一个类标签邻接矩阵;再次,将多个邻接矩阵叠加,形成多特征邻接矩阵;最后,使用 NCUT 算法对叠加邻矩阵进行聚类,获得最终分割图像。实验结果表明,基于区域多特征的分割算法优于对比算法,融合多特征对图像分割可以更准确地识别不同的目标结构,具有更好的分割效果。     

一种新的特征值的模式匹配算法FLC

提出一种基于特征值的模式匹配算法——FLC(First-Last-Characters)算法,可打破经典算法有序偏移的思想,突破BMHS(Boyer-Moore-Horspool-Sunday)算法最大偏移量(m+1)的上限,从而增大偏移距离,减少匹配时间.测试结果表明:FLC算法的匹配效率优于BMHS算法.     

基于特征点配准形变的三维人脸表情合成

针对视频监控中被部分遮掩脸部图像的还原不准问题,提出了特征点配准形变的三维人脸表情合成算法.将目标人脸图像灰度化后建立三角人脸网络,提取人脸未遮掩部分特征点,与通用模型特征点配准,形变而合成新的网络人脸模型.从正面及侧面分别进行表情纹理映射,根据光照参数、老化参数合成三维正面及侧面人脸表情纹理图像.实验证明,提出的算法相对于同类合成算法,时间复杂度较低,精确度较高,鲁棒性较强,且随特征点被遮掩程度的增大,其优势更明显.     

一种特征匹配算法的改进及其在图像检索系统的应用

图像检索就是根据对图像内容的描述,在目标图像集合中找到具有指定特征或包含指定内容的图像.因此,一个好的检索匹配算法是精确、快速检索的根本前提.     

基于混合环形投影特征的图像匹配算法

提出了一种基于小波分解和混合环形投影特征的具有旋转不变性的图像匹配算法。首先在小波变换后的低频图上利用混合环形特征相似性算法得到一系列候选匹配点,然后对候选点在原图像对应的区域内作精确相关匹配得出准确匹配位置。混合环形投影特征值结合了均值投影和方差投影的优点,能有效反映图像的旋转不变性特征。实验证明该算法保持匹配精度的同时减少了匹配计算量,而且对图像的旋转不敏感。     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。     

基于投影和纹理信息融合的医学图像检索

为克服基于单一特征进行医学图像检索存在的局限性,文章提出了一种新的基于投影和纹理信息融合的检索算法,分析医学图像的特点,引入颜色投影并选择综合性能较高的特征进行融合,调整各特征的权重,最后运用加权欧氏距离进行相似性度量．实验结果表明,该算法检索速度快,具有较高的查准率．     

基于改进 SURF 的快速图像匹配算法

SURF 是在 SIFT 基础上提出的一种图像特征点提取算法。针对传统算法误匹配点多和计算量大等问题,提出一种基于改进 SURF 的快速图像匹配算法。该算法通过引入对角降维与角度删减方法,分别对 SURF算法中特征点描述子进行降维和误匹配点剔除,以提升匹配速度和精确度。实验结果表明,与传统算法相比,该算法提高了 1%~10%的匹配正确率,以及 8%~30%的效率。     

基于C#的图像颜色特征值的提取与匹配

数字图像数据特征值的提取和匹配,是基于内容的图像检索的基础,本文利用C#语言实现了一种图像颜色特征值的提取和匹配算法。