基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。

基于奇异值分解的图像质量评价

分析了传统的基于灰度误差的图像质量评价算法的局限,扩展了图像质量评价的定义.考虑原始图像和畸变图像尺寸不一致的情况,提出了用奇异值分解把图像矩阵转为向量,用奇异值向量之间的夹角作为图像的质量评价指标.实验表明:提出的基于奇异值向量夹角的准则对压缩、噪声和旋转、平移、尺度等几何畸变等都具有好的性质;且适于文中扩展的质量评价的定义.最后对实验结果和人类视觉系统的主观评价进行了比较分析.

运动模糊不变量研究

图像的运动模糊是摄像机在曝光期间与场景间相对运动而造成的图像退化,但现有算法对运动模糊的恢复精度有限。本文分析了图像运动模糊的退化模型,提出了运动模糊不变量的概念,证明了图像零阶矩、第一个Hu不变矩和SIFT为运动模糊不变量,并给出了测试和应用。结果表明运动模糊不变量是存在的,而且可以用于不确定性运动模糊图像的匹配和识别领域。

图像的退化不变量研究

图像的不变量通常指几何不变量,是提高计算机视觉系统自适应性的重要理论。但图像也经常发生灰度的变换或者退化(如,噪声、光照变化、运动模糊等),单纯的几何不变量不能满足实际中目标识别的要求。灰度退化和几何变换都看作图像退化,提出了图像退化不变量的概念,分析了退化不变量的构造,并分析经典的几何不变量的退化不变性。仿真实验结果表明:只有尺度不变量特征变换(SIFT)是较好的退化不变量,可以直接用于未知退化状况的图像匹配。