基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形。传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳。针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征。通过基于实际环境所建立的掌纹库———SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比。结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6%,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性。

改进仿射尺度不变特征变换算法的图像配准

为了更好地处理匹配效率、重复纹理匹配和仿射不变性匹配等问题,对完全仿射不变特征变换(ASIFT)算法进行两方面改进。匹配框架中特征提取的改进提高了ASIFT算法的匹配效率;利用优化随机采样算法(ORSA)结合以单应矩阵为几何线性约束模型的随机抽样一致性(RANSAC)改进匹配算法,提高了匹配精度和重复纹理结构的适应能力。实验结果表明,提出的改进算法能较好地匹配高度相似纹理,计算量小,计算速度快且精度高。

非线性规划的序列仿射尺度投影内点算法

本文提出了求解非线性规划的一种序列二次规划内点算法 ,与其他算法的不同之处在于引进了仿射尺度变换 ,且避免了一维搜索 ,这使得该算法的计算量获得了明显的减少 .本文给出了算法的详细迭代步骤并讨论了算法的收敛性 .

具有近似仿射尺度不变特征的快速图像匹配

为了解决大仿射形变场景下,尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法的局限性以及仿射尺度不变特征变换(Affine-SIFT, ASIFT)算法运算量大的问题,提出了一种具有近似仿射尺度不变特征的快速图像匹配算法(Fast Approximate-Affine-SIFT, Fast-AASIFT)。该算法具有比ASIFT算法更清晰的物理意义,首先从逆仿射变换出发,对原图进行仿射形变纠正,估计出对应的正射图像;然后在正射图像上进行特征点提取及SIFT描述;最后进行SIFT优化匹配。实验结果表明:大仿射形变场景下,Fast-AASIFT算法依然能匹配到足够多的特征点,且峰值匹配误差<2.5 pixel,平均匹配误差<1.2 pixel,其抗仿射形变能力明显优于SIFT算法,与ASIFT算法相当;Fast-AASIFT算法耗时<0.3倍ASIFT,有效改善了ASIFT算法的耗时问题。可见,Fast-AASIFT算法既有效保证了算法抗仿射形变鲁棒性,又大幅提高了算法效率,对场景重构、场景识别等应用具有重要意义。

基于同形变换的航空倾斜影像自动匹配方法

针对仿射尺度不变变换提取(ASIFT)算法计算效率低的问题,提出了一种大倾角航空倾斜影像自动匹配方法 H-SIFT。该方法利用影像粗略外方位元素计算两幅待匹配影像之间的单应变换矩阵,对左影像进行二维射影变换得到其纠正影像以消除两幅影像之间的几何变形、尺度和旋转问题,再对左影像的纠正影像和右影像进行尺度不变特征变换(SIFT)。匹配时,为了适当提高正确匹配点对的数量,利用不严格的比值提纯法和左右一致性检验得到粗匹配点对,并利用随机一致性检验剔除误匹配。最后将左影像其纠正影像上的匹配点反算到左影像上。通过对国产五倾斜相机平台(SWDC-5)获取的三组典型城区航空倾斜影像数据进行实验,对于三组数据,该算法获得的正确匹配点对数量分别为ASIFT算法的2.18、1.31、1.70倍,该算法匹配耗时分别为ASIFT算法的0.93%、0.88%、0.97%。实验结果表明,与ASIFT算法相比,该算法获得的匹配点对在计算效率、数量和分布情况上都得到了显著提高。

基于仿射不变性映射的不显著目标间接定位

图像制导过程中,对目标被遮挡或受背景干扰的不显著目标进行定位识别是当前研究的热点和难点问题。为了对这类不显著目标进行定位,基于远视距仿射不变性映射关系,提出了一种新的由显著目标到不显著目标的间接定位方法。该方法首先利用显著区域检测和匹配算法实现实时图和参考图的配准,然后利用仿射不变性建立目标平面在实时图和参考图之间的仿射变换关系,最后根据对应特征点估计参考图和实时图之间的单应矩阵,从而实现对不显著目标的间接定位。最后通过实验验证了该方法的有效性。

分式规划的一种内点算法

本文提出了分式规划的一种内点算法．这种算法利用势函数与仿射尺度变换，每次迭代中利用仿射尺度变换将当前迭代点变换到约束区域的“中心”，继而从约束区域中心出发，对势函数进行优化，当势函数取得一定量改进时，原目标函数将以相应的倍数缩减．

基于HOG和ASIFT特征的车标二次识别

车标信息在智能交通领域有着广泛的应用价值。当前的车标识别方法存在漏检率高、识别率低的问题。为此提出了一种基于HOG和ASIFT特征相结合的车标二次识别方法。首先对变换后的训练样本提取HOG特征并使用SVM训练出基于概率分类的多分类器模型;其次提取模板样本的SIFT特征并使用特征点融合策略建立车标模板库。最后使用SVM多分类器和ASIFT匹配相结合完成车标二次识别。训练样本大小、样本数量、模板类型等因素导致车标平均识别率不同。而且,上述法的车标平均识别率高于单一的识别方法的识别率。改进方法能够提高车标识别率且有效减少误识别率和漏检率。

基于ASIFT与图匹配的物体识别方法

为提高物体识别对仿射变换的鲁棒性并降低误识别率,提出一种新的物体识别方法。采用仿射-尺度不变特征变换(ASIFT)方法检测图像中的关键点,提取各关键点的局部特征,包含ASIFT特征、纹理特征和颜色特征,并用三元图表示融合后的特征。采用分层匹配的思路识别物体并进行关键点匹配,匹配成功后再进行图匹配以降低误识别率。在PVOC-2007和COIL-100 2个公共测试数据集下对该方法的参数选取和识别性能进行综合评价,结果表明,该方法具有较高的识别率,可有效进行物体识别。

基于Gabor小波和ASIFT特征点的人耳识别

针对人耳识别中对于采集角度和光照变化等条件下识别率不高的问题,提出一种基于Gabor小波和仿射尺度不变特征变换ASIFT(Affine Scale-invariant feature transform)的人耳识别方法。首先利用Gabor小波提取图像的整体特征,ASIFT提取图像特征点的局部特征,然后将整体特征与点特征联合识别,在北京科技大学提供的人耳图像库USTBⅡ中进行实验,识别率达到93%。并与其他主流人耳识别方法进行了对比实验。实验结果表明,采用基于Gabor小波和仿射尺度不变特征变换算法进行人耳图像的识别,具有较高的识别率和稳定性。

基于ASIFT的离线签名认证方法

通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.

基于ASIFT和圆投影特征的图像被动取证

文中针对图像篡改中最常见的复制粘贴篡改被动取证问题展开图像分析研究,提出了一种基于仿射尺度不变特征变换(ASIFT)和圆投影特征的算法,用于检测图像中是否存在复制粘贴篡改.实验结果表明:基于仿射尺度不变特征的算法对具有明显角点特征的篡改图像的取证效果较好,而基于改进圆投影特征的算法对不具备明显角点特征的篡改图像(如随机性纹理、平坦区域)的取证效果较好,因此联合使用基于这两种特征的算法对常见的复制粘贴型图像篡改进行被动取证能达到较好效果.

基于ASIFT道路交通标志的定位与识别方法

针对智能交通系统中的交通标志识别,提出了一种基于ASIFT(仿射尺度不变特征变换)算法的定位与识别方法。首先,分类道路交通标志并提取模板;然后,采用ASIFT算法选择目标图像对应的模板和交通标志集合;其次,根据匹配模板ASIFT特征点的几何分布,定位交通标志的目标区域;最后,计算目标区域和交通标志集合的特征向量欧氏距离。基于ASIFT算法,达到了准确的定位与识别效果。通过实验,验证了该方法的可行性。

ASIFT与SVD相结合的Contourlet域的抗几何攻击视频双水印算法

为平衡数字水印技术中的鲁棒性与透明性,提出基于仿射尺度不变特征变换(ASIFT)与奇异值分解(SVD)结合的Contourlet域视频双水印算法。首先,利用卡尔曼滤波器将视频帧内的运动物体进行分离获取运动宏块,对运动宏块进行Contourlet变换;其次,利用奇异值分解对图像的信号攻击存在较高的稳定性和低频子带系数直方图在旋转、缩放等几何攻击具有较强的鲁棒性,自适应地将混沌水印序列分别嵌入到高频子带奇异值矩阵和低频子带系数中;最后,以ASIFT的尺度和方向不变性作为触发器,用于判断嵌有水印的视频遭受的攻击类型。本文算法能保证嵌入水印的视频帧的峰值信噪比值(PSNR)在70 dB以上,水印的嵌入量达到240×360 bit。实验结果表明本文的算法能够保证水印的不可见性的同时针对几何攻击和信号攻击都具有较强的鲁棒性。

基于ASIFT的低重叠度图像拼接研究

为了解决在图像重叠度过低时,采用常用的SIFT图像匹配算法,造成图像拼接困难的问题,提出了一种基于ASIFT的低重叠度图像拼接方法。ASIFT图像匹配算法相较于SIFT图像匹配算法,在低重叠度条件下,能够检测出更丰富的匹配点,且具有更高的匹配精度。根据这一特性,该方法采用ASIFT图像匹配算法进行特征点检测与匹配,然后利用其结果进行图像拼接。实验结果表明,这种方法在图像重叠度很低的情况下,也能够取得良好的拼接结果。

基于MSCR和ASIFT的鱼眼图像立体匹配研究

鱼眼镜头在具有大视场优点的同时,存在成像失真大的缺陷,特别在边缘区域更为严重,因而在光轴正交或大视场条件下的立体视觉系统中,难以实现对图像的特征匹配。常规立体视觉匹配方法多基于小孔成像模型进行构建,直接用于鱼眼镜头图像的匹配存在较大误差,会影响图像间匹配的准确度。针对此问题,建立了一种具有仿射不变性的联合匹配算法。先提取鱼眼镜头图像的彩色图像最大稳定值区域（MsCB）特征区域,接着采用仿射尺度不变特征变换（ASIT）算子对该区域进行逐一描述,从而获取鱼眼图像间的最佳匹配。通过试验验证,该方法具有稳定一致性,能够完成未经失真校正鱼眼镜头图像的立体匹配。

Delaunay三角剖分和仿射约束的特征相同多物体同名点立体匹配

针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求,构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体,需要正确匹配多物体同名点,因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点;通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格,对左右图像每一对匹配三角形区域计算仿射矩阵;根据多物体同名点在不同匹配三角形内的分布,利用仿射约束实现对多物体同名点的匹配。实验结果表明,提出的方法对特征相同多物体同名点实现了快速高精度的匹配,多物体同名点提取以及实时匹配时间约为30ms,满足相机25frame/s的实时处理要求,较好地解决了超大三维空间中弧形坡面上随机出现的特征相同多物体同名点的匹配问题。

一种具有视点不变性的倾斜影像快速匹配方法

提出了一种具有视点不变性的倾斜影像快速匹配方法。首先对影像进行预处理,即通过透视投影变换得到纠正影像(近似正射影像),消除影像几何变形、尺度和旋转问题;再对纠正影像提取Harris角点并建立尺度不变特征变换(scale invariant feature transform,SIFT)描述子。匹配时,在保证匹配准确率的同时,为了使得匹配点对分布均匀且提高匹配效率,利用粗略F和H矩阵引导在局部范围内进行显著性匹配,并利用归一化互相关(normalized cross-correlation,NCC)测度约束剔除误匹配点。对三组典型的倾斜影像数据进行实验,结果表明,本文方法得到的匹配点对分布均匀且较为密集,匹配准确率和效率也较高。

基于ASIFT图像特征的大视角点云配准方法

点云配准是物体三维轮廓获取的重要环节。基于图像特征的点云配准方法能较快地实现这一目标。然而,这种方法对于大视角点云的配准并不理想。针对这一问题,本文提出一种基于ASIFT图像特征的大视角点云配准方法。首先,用ASIFT算法提取大视角图像间的二维匹配点对;而后,利用图像像素和点云间的对应关系得到大视角点云间的三维匹配点对;最后,提出一种改进的RANSAC算法实现点云配准。实验结果表明,该方法可成功实现大视角点云配准。