多视角图像的图变换匹配算法

为提高不同视角图像的匹配精度,提出一种多视角图像的图变换匹配算法。利用传统图像匹配算法获取多视角图像特征点的初始匹配关系;计算特征点之间的欧氏距离,建立近邻图判断初始匹配的正确性;对错误的特征匹配关系进行剔除,提高图像的匹配精度。多组不同场景的多视角图像实验结果表明,与随机采样一致性算法(random sample consensus,RANSAC)、图变换匹配算法以及迭代的图变换匹配算法进行对比,该算法在正确匹配点对的查准率及错误匹配点对的查全率上均取得较好结果,验证了其在多视角图像匹配上的有效性。

基于卷积神经网络和哈希编码的图像检索方法

在图像检索中,传统的基于人工特征的检索方法并不能取得很好的效果。为此提出一种结合卷积神经网络和以前最好水准的哈希编码策略的图像检索方法。鉴于近几年卷积神经网络在大量的计算机视觉任务上的巨大进步,该方法首先使用在ILSVRC数据集上预训练过的VGGNet-D网络模型对实验图像数据集提取卷积特征来得到图像的深层表示,再采用以前最好水准的哈希策略将这些深层表示进行编码,从而得到图像的二进制码,最后再进行快速图像检索。在两个常用的数据集Caltech101和Caltech256上的实验结果表明,本文方法的5个策略相比于以前最好水准的相应的图像检索策略在"精度-召回率"和"平均正确率值-编码位数"两个指标上能获得更优异的性能,证明了本文方法在图像检索上的有效性。

卷积神经网络在脑脊液图像分类上的应用

针对脑脊液细胞图像拓扑结构复杂,采用传统的基于人工特征的分类方法效果并不好,提出一种基于卷积神经网络的脑脊液细胞图像分类方法。设计一个网络,卷积层分别使用ReLU、LReLU和RReLU这3种激活函数,分为3个网络模型;CNN-RReLU模型使用RReLU激活函数时采用新的策略,在训练和测试阶段,参数a值都是随机取自区间为5到8的均匀分布。在正常异常脑脊液细胞图像和3类单目标脑脊液细胞图像上的两组实验结果表明,该方法在平均分类准确率标准上有显著提升,单张平均分类时间大幅减少,CNN-RReLU的性能最优,验证了方法的有效性,具有较好的应用价值。

基于局部抑制线性编码的图像快速识别方法

传统的图像识别方法如ScSPM、LLC都是在SIFT的基础上提取特征,忽略了人工特征的局限性,且单张图像识别耗时略长。考虑到这些不足,提出了一种基于局部抑制线性编码的图像快速识别方法。该方法首先直接利用局部抑制线性编码提取图像局部特征描述子;然后用线性空间金字塔匹配(LSPM)对特征描述子进行计算;最后将计算结果输入到线性支持向量机(LSVM)中进行训练和测试。在3个常用的图像数据集上的实验结果表明,该方法在类别不多的情况下具有很好的识别准确率,同时大大减少了单张图像识别耗时,从而验证了该方法在图像识别上的有效性。