基于几何矩特征与纹理度量的图像匹配算法

为提高多种几何内容变化下的特征点匹配准确度,引入双边滤波器,设计了几何矩特征耦合纹理度量的图像匹配算法。引入双边滤波器,对图像进行预处理,以去除图像中噪声,接着利用Hessian算子,准确检测图像特征。利用图像灰度信息,计算图像特征圆域内的几何矩,以形成鲁棒性较强的特征向量。通过平均梯度模型,对特征点邻域的纹理特征进行度量,并将其联合欧氏测量结果,对图像特征实施匹配。借助互相关模型,对匹配特征的相关程度进行测量,以检测特征点的匹配正确性,优化特征匹配结果。实验数据表明:较当前特征匹配方法而言,在多种几何内容变化下,所提技术具有更高的匹配准确度与鲁棒性。

引入Hessian矩阵尺度极值检测的图像角度特征匹配

传统的SURF方法对动画图像角度特征匹配准确度较低,计算开销大,稳健性不好。引入Hes.sian矩阵尺度极值检测技术,提出一种改进的基于加速鲁棒特征匹配算法,实现对动画图像的角度特征优化匹配。首先基于摄像机的成像原理利用灰度直方图二进制均衡算法对图像进行增强处理,采用Hessian矩阵检测出图像每个尺度中的极值点,把图像角度极值点聚焦在图像的仿射闭合区域。提取仿射闭合区域的图像角度特征,使用SURF双向匹配算法实现角度特征优化匹配。仿真实验表明,改进方法能使图像的角度特征匹配准确度大幅提升,特征匹配准确率提高显著,有较好的鲁棒性和实时性。

基于Hessian矩阵和熵的CT序列图像裂缝分割方法

工业CT序列图像的各向不同性和伪影会影响裂缝分割精确度和准确度,因此提出一种基于Hessian矩阵和熵的各向不同性工业CT序列图像裂缝自动分割方法。首先,用基于Hessian矩阵的多尺度线状滤波增强裂缝区域,抑制非线状区域;然后,建立一种新的二维直方图,获取滤波之后层内和层间的信息;再根据直方图的最大类熵确定阈值区间,最终得到裂缝的二值化分割结果。实验表明,所提方法不仅能够满足实际工业CT序列图像裂缝分割中精确、自动的分割要求,而且相较其他4种已有方法,能够得到更完整、更准确的分割结果。

基于矩阵相似度的最佳样本块匹配算法及其在图像修复中的应用

在基于纹理合成的图像修复算法中,最佳样本块匹配算法存在匹配精度不高和时间复杂度高等问题。针对上述问题,首先构造了块匹配算法,采用矩阵相似度来计算模板块与样本块之间的匹配度,以相对较粗的粒度初步选出最佳样本块的候选集。然后,又构造了像素点匹配算法,采用模板块与候选最佳样本块之间的误差矩阵的内积来计算对应像素点之间的匹配度,以更细的粒度来确定最终的最佳样本块。块匹配算法降低了时间复杂度,像素点匹配算法提高了匹配精度,因此,在此基础上构造的基于相似矩阵的最佳样本块匹配算法能够在不增加时间复杂度的情况下提高算法的匹配精度。实例验证结果表明,与当前基于纹理的图像修复算法相比,该算法的匹配精度提高,时间复杂度降低。

基于Hessian矩阵和支持向量机的CT图像裂纹分割

工业CT裂纹分割是工业CT图像处理中的一项关键技术,而CT图像中的伪影、噪声等干扰会对裂纹分割带来极大的困扰。为了提高CT图像中裂纹的分割精度,本文通过分析CT图像中裂纹的特征,提出了结合Hessian矩阵和支持向量机的CT图像裂纹识别与分割的方法。首先采用基于Hessian矩阵的多尺度滤波方法提取CT图像中的线状结构并对提取的线状结构进行对比度增强;然后利用图像像素点灰度在空间的分布规律提取线状结构图像的纹理特征信息;再使用基于径向基函数的支持向量机训练裂纹识别分类器;进而使用训练好的模型定位测试图像中裂纹所在的方块区域;最后使用自动阈值分割算法得到CT图像中的裂纹。实验结果表明,结合Hessian矩阵和支持向量机的分割方法能够抑制图像中非目标区域,提高了算法的抗干扰性,对裂纹子图像识别的准确率可达94.5%,具有实际的工程应用价值。

基于Hessian矩阵的手指静脉图像分割

针对灰度不均匀、对比度低、边缘信息较弱的图像中的手指静脉纹路提取问题,提出了一种基于Hessian矩阵的手指静脉图像分割方法。该方法首先将高斯滤波器的二阶导数与原图像卷积得到了各像素点的Hessian矩阵,通过Hessian矩阵的迹初次滤除了非静脉区的像素点,接着求出了余下像素点Hessian矩阵的特征值,利用静脉区特征值所要满足的条件二次滤除非静脉区像素点,最后选取了多尺度下静脉区各像素点的最大特征值作为输出特征值,将区间内所有尺度下的特征值图进行了融合,经过二值化处理、形态学滤波处理得到了手指静脉纹路。研究结果表明,该算法能够较完整地提取宽度不一的手指静脉纹路,将静脉区域和非静脉区域分开,伪静脉像素点较少;同时,不需要遍历所有像素点的Hessian矩阵求其特征值,手指静脉图像分割速度比未优化静脉纹路提取算法快了0.036 5 s。

一种新的血管造影图像Hessian矩阵增强算法

针对实际血管造影图像存在的噪声和光照不均,本文提出一种新的Hessian矩阵增强算法来提取血管图像。算法主要通过无抽样方向滤波器组进行血管方向图分解、同态滤波器滤波、Hessian特征矩阵和血管方向图合成。实验表明,与传统Hessian算法相比,提出的算法能够连续提取血管的精细结构,对噪声不敏感,处理的图像质量更高。

块关联匹配与低秩矩阵超分辨融合的图像修复

针对块匹配图像修复算法容易出现结构不连贯与块效应问题,提出一种两阶段图像修复方法.该方法通过增加相邻修复块在重叠区域的关联性约束,利用图像块关联匹配修复算法实现对降采样受损图像的粗修复,以保证图像主体结构的完整性;依据不同分辨率图像中像素点与其8邻域的线性相关性,引入带噪低秩矩阵填充算法对图像细节进行超分辨率精修复,使修复后图像的纹理与色彩变化具有连续性.实验结果表明,文中方法对包含渐变特征的自然图像修复具有更好的视觉效果.

一种基于Laplacian矩阵的图像匹配算法

文章提出了一种基于Laplacian矩阵的图像特征匹配算法。首先分别构造两幅图像特征点集的Laplacian矩阵,并对这两个矩阵进行奇异值分解(SVD),然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文所提出的算法具有较高的匹配精度。

基于多特征协方差矩阵的图像匹配算法

针对灰度及红外图像的匹配过程中经常出现的一些问题,如缺乏丰富的目标特征、易遭受复杂背景及噪声等外界因素干扰、目标出现放大缩小或偏转等,抽取目标图像的梯度幅值与方向,腐蚀与膨胀以及信息熵等特征,通过协方差矩阵将其融合在一起,构成新的特征模型。通过全图遍历求取矩阵间相似度距离的方法找到最佳匹配重心,将新方法与其它3种已有的匹配方法进行了对比说明。实验结果表明:在灰度图像匹配时新方法准确率高、鲁棒性好,同时也可以应用于红外图像中,满足了在一些条件下提高匹配准确度的要求。

基于Hessian矩阵的多尺度视网膜图像增强方法

眼底视网膜图像的血管增强在眼科诊断中具有广泛的研究价值。提出了一种基于Hessian矩阵的多尺度血管增强方法,给出了应用的方案和过程,并在DRIVE眼底图像数据库上进行实验。与其他血管增强方法相比,该方案可达到相当的准确率,且在同等准确率下具有较高的鲁棒性。

基于Hessian矩阵的冠脉造影图像分割与骨架提取

针对冠脉造影图像模糊、对比度低等导致的冠脉血管提取不完整、骨架不连续等问题,提出一种基于Hessian矩阵的多尺度冠脉分割与骨架提取算法,并估计血管半径值,为冠脉结构的三维重建奠定基础。该方法利用Hessian矩阵特征值对应线性目标的关系,构造一个新颖的血管相似性响应函数,对冠脉增强并阈值化得到分割结果,同时由Hessian矩阵确定冠脉血管的法线方向,通过求解法线方向上的极值点得到冠脉骨架的初始像素点集,以此来提取冠脉血管的欧氏骨架。实验结果表明,该算法简洁高效,相比现有算法能提取到更多的细小分支,得到的冠脉骨架完整,半径估计准确。

一种基于RANSAC基本矩阵估计的图像匹配方法

图像匹配的关键是建立两幅图像之间的对应关系,通过极线约束,可以达到这一目的。两幅图像之问的外极几何关系可由基本矩阵描述。噪声干扰和对应点中的误匹配增加了基本矩阵估计的难度。本文提出一种坐标归一化后基于RANSAC的基本矩阵估计方法,有效地解决了因存在误匹配而导致的估计结果恶化。结果表明,所提出的方法具有较高的匹配精度。该方法也可用于红外图像中的目标检测。

基于Hessian矩阵线状滤波的眼底图像血管分割

针对眼底图像血管分割问题,本文研究了一种基于Hessian矩阵多尺度线状滤波的血管分割方法。首先,采用基于Hessian矩阵的多尺度线状滤波增强血管区域,然后对增强后图像采用最大类间方差阈值法进行阈值分割,最后得到血管的二值化分割结果。本文采用了DRIVE数据库眼底图像进行实验验证,实验表明本文方法能够自动地得到较完整和准确的眼底图像血管分割结果。

基于四元数矩阵奇异值分解的彩色图像匹配方法

提出了一种基于四元数的彩色图像匹配算法.该算法将彩色图像用四元数矩阵模型描述,抽取四元数矩阵的奇异值作为匹配特征.对奇异值进行去噪处理,增+了匹配算法的抗噪能力.采用分层搜索策略,减少运算量,提高了匹配速度.实验结果验证了方法的有效性.

基于Hessian自适应增强的口腔结构光图像处理

为提升重建的牙齿三维点云的精度,解决口水、牙釉质等环境因素导致的结构光口腔扫描仪采集的条纹图像质量较差的问题,首先引入一种自适应中值广义总变分融合滤波方法来抑制噪声,并且有效保留图像细节信息;在此基础上提出一种基于Hessian矩阵特征值的自适应线性结构增强算法用于增强二维结构光图像中的条纹信息,算法根据统计的局部特征,自适应调整增强参数。实验结果表明,与传统Hessian增强方法相比,自适应Hessian增强后的条纹图像的熵增强函数(EMEE)和信息熵更高,得到的三维点云有更完整的细节特征和更高的匹配精度。

数字图像相关方法中基于改进IC-GN算法高精度形变测量研究

在数字图像相关方法对物体形变测量中,FA-NR算法实现了高精度测量,IC-GN算法在此基础上提高了测量效率。为进一步提升测量精度,提出了一种基于IC-GN的改进算法(GIC-GN)。在已知整像素初始位置上,通过梯度法求得更准确的亚像素位移,减小Hessian矩阵计算过程中产生的误差,同时加快迭代的收敛速度,有效提高了测量精度和效率。仿真实验验证结果表明,GIC-GN算法误差能够稳定在10^(-4)~10^(-3)pixel之间,对比IC-GN算法精度提升了10%~60%,耗时是FA-NR算法的0.1倍、IC-GN算法的0.8倍,能够实现对物体形变信息的高精度、高效率测量。

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪(SOMP)稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩(SFIC)算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。

面向图像匹配的基础矩阵估计改进算法

为实现智能制造中机器人搬运时的目标物体快速准确识别,提出了一种面向图像匹配的基础矩阵估计改进算法。为获取准确的匹配点,精选并集成了多种方法,并应用亚像素级Harris角点检测方法进行匹配点提取,基于差分求和定理改进的归一化互相关算法进行粗匹配,并采用快速聚类法进行匹配点提纯。在此基础上,通过引入统计学中的分块随机抽样法对匹配点进行优选,实现对常用的基础矩阵估计算法——Hartley8点法的改进。并以标准图像为实验对象,平均对极距离为评价指标对所提算法与其他常用方法进行了比较。最后,进行了实际目标的图像匹配和定位实验,验证了所提算法在匹配速度与匹配精度方面的有效性。

基于Hessian矩阵的DSA图像冠状动脉直径的测量

目的:通过对冠状动脉血管的数字减影血管造影技术(DSA)图像进行分析处理,得到血管的骨架与中心线,从而实现血管直径测量。方法:采用MATLAB语言进行图像处理,在对DSA图像平滑及均衡化处理后,得到血管的骨架与中心线。以Hessian矩阵的特征向量为参考方向,做与血管垂直的直线,利用该直线与血管骨架的两个交点求得血管直径。结果:实现冠状动脉血管中心线、骨架的自动提取和冠状动脉血管直径的自动测量。结论:对于随机抽取的DSA图像,该方法均取得理想的冠状动脉血管中心线与骨架,以及精确的冠状动脉血管直径数值,可为操作人员提供丰富的信息,具有一定的实用价值。