基于SIFT的论文图片匹配度对比查重算法

传统论文查重系统往往关注论文的完整性和真实性,但互联网新兴媒体发达时代,新的挑战层出不穷。毕业论文中,特别是平时的课程论文,图像窃取现象十分严重,而目前的查重工具往往不能实现图片查重,需要一个以人工智能图片查重算法为基础的图片匹配度查重系统。SIFT算法以匹配时间短、准确性高、实时性强著称,得到了广泛应用。基于此,总结了目前SIFT及其他相关图片匹配度算法,以平时学生毕业论文、课程中的图片作为实验对象,在充分考虑实践各方面可能性的基础上进行实验检测,利用KNN匹配优化算法,得出最终合适的图片匹配度算法,同时,分析实践中遇到的关键问题,提出改进建议。

基于iPhone应用的图片请求匹配方案

提出一种异步请求匹配方案——当前匹配算法,介绍了当前匹配算法的算法思想以及算法实现.通过对异步请求特点的分析,得出影响当前匹配算法的因素,进而提出乱序因子的概念.乱序因子主要受服务器处理性能影响,可以通过提高服务器处理性能来降低乱序因子,进而提高算法效率.通过将当前匹配算法与顺序查询及其相关改进算法进行比较,得出当前匹配算法较其他算法更适用于iPhone中异步请求数据的匹配.当前匹配算法在保证质量的基础上提高了顺序查询算法的效率.最后通过试验对其进行了验证,说明了该方案的有效性.

基于改进的SURF的图像匹配查重算法

随着新型冠状病毒的蔓延,各大高校都普遍尝试和采用了线上教学的方式进行授课和评价。目前各高校普遍实行的过程化考核作为课程分数的评价标准之一。传统的查重工具着重于文字的重复率,忽视了图片这一关键的信息载体,因此急需以图像识别匹配技术作为基础的图像查重算法。文章将SURF算法应用于学生作业及实验报告等文本评价载体中的图片相似度匹配上,结合平时的实践经验,用RANSAC算法去掉错误的匹配结果,匹配算法对于SURF特征点进行优化,从而实现了对SIFT算法匹配速度以及精确度的改善,最终实现了完善的实验报告图像匹配算法,并且对实验中出现的问题进行讨论和总结,对系统实施的改进和未来的拓展性也进行了充分的论述。

一种新型的图像匹配策略研究

提出了一种新的基于图像快速特征查找的图像匹配方法，即：FCS策略（FastCharacteristicSearchstrategy），它能够把图片特征分离出来，并存于数据库中，再在特征数据库中进行特征快速查找，从而实现图片的匹配，实验表明了该策略的有效性．

基于时频分布图相似度匹配的水下声源定位方法

针对水下目标深度距离估计,将图像内容检索技术引入匹配场定位,提出一种利用接收信号时频分布图做相关的声源定位方法。论文将此方法应用于硬底均匀浅海声场,对实际接收信号进行时频表示,得到包含声源深度与距离信息的标准时频分布图,利用相关图像处理技术标记图像指纹,粗定位比对后判断预测场范围;根据预测场各点位模拟信号与实际信号的时频分布图相关程度实现声源位置估计。通过仿真验证该定位方法的抗噪声性能,结果表明,论文算法对噪声具有较好抑制作用,可以准确实现水下声源的距离与深度估计。

基于印刷体监督的手写维文识别方法

手写维吾尔文字图像数据集匮乏及手写文本难于分割识别问题,提出了一种基于印刷体监督的手写维文识别模型模型将文字和印刷体文字图片同时作为标签,在训练时将两种文字图像并行输入到CNN中提取特征,而后将特征分别输入至识别分支进行识别任务、输入至匹配分支进行图片匹配任务,预测时将特征输入到BiLSTM编码器中得到序列特征,最后通过CTC得到识别结果。所提方法可生成充裕有效的手写文字图像,且在真实手写维文测试集上相较于基准模型CER降低5.03%,在IAM上也证明了模型迁移性。实验结果表明,提出的方法能够有效缓解手写维文文字图像数据集匮乏问题,模型能充分挖掘印刷体文字图像的特征作为手写体文字识别的监督信息来提高识别效果。

碎纸片的拼接复原

破碎文件的拼接和修复复原在很多的领域都起着极为重要的作用,人工拼接准确率虽高但效率极低,尤其在碎片量大但时间又紧的情况下,如何建立高效准确的拼接方法显得尤为重要。因此利用计算机技术建立计算机自动拼接技术来提高拼接复原的效率具有重要的意义。本文利用MATLAB软件将图片转化为灰度值矩阵。利用相关系数的有关原理用MATLAB编写程序。建立边缘灰度相关性模型ρ_(max)=max(Ea_iEb_i-Ea_ib_i/(Da_iDb_i)^(1/2)),通过相关性分析及算法便可求得最终的文件碎片顺序。

一种适用于复杂图像的汉字特征

分析了对局部特征描述能力较强的SIFT(Scale Invariant Feature Transform)算法,结合汉字的结构特性,提出了一种新的融合SIFT特征与相对全局形状特征的适用于描述汉字的SSIFT(Shape-SIFT)算子。实验表明,SSIFT既能很好地体现局部结构的独特性,又能在一定程度上区分具有相似局部结构的汉字,对汉字的旋转、缩放、噪声、背景干扰等情况的检测效果均优于SIFT。