局部图像特征直线描述算法综述

局部图像特征直线的描述现如今不仅是图像特征直线匹配过程的关键和基础,还已成为人工智能和计算机视觉领域中的研究难点和热点问题之一。它不仅被广泛应用到宽基线匹配、图像检索、图像拼接、3D重建等计算机视觉任务中,还被应用到产品质量检测、指纹解锁、自动工件检测等实际工程应用中。近年来,随着人工智能的发展和深度学习在许多领域的成功应用,文献中出现了诸多相关学者针对局部图像特征直线描述问题而提出的不同算法。本文对经典且具有代表性的局部图像特征直线描述算法进行阐述、分析总结以及全面客观评价,最后总结归纳了局部图像特征直线描述的现状、所面临的困难与挑战以及未来可能的研究走向,为相关学者未来的研究工作提供一定的参考。

几种典型局部图像特征的比较

局部图像特征在三维重建、模式识别、图像恢复等计算机视觉领域得到了广泛而成功的应用。好的局部图像特征应具有特征检测重复率高、速度快,特征描述对光照、旋转、视点变化等图像变换具有鲁棒性,特征描述符维度低,易于实现快速匹配等特点。从上述三个方面对SIFT、SURF、Daisy等三种当今流行的典型局部图像特征进行了比较,设计了更具一般性的新型比较评价标准。实验结果表明:SIFT具有最好的鲁棒性,SURF在速度方面更具优势,Daisy在描述图像非极值点方面更具有一般性。

利用多层视觉网络模型进行图像局部特征表征的方法

为了寻求代价更小、效率更高、适应性更强的图像局部特征表征方法,提出一种基于视觉机制的多层网络计算模型.首先对初级视皮层中的简单细胞和复杂细胞等神经元进行建模;然后对腹侧视通路上的V4区神经元和下颞叶皮层区神经元的响应模式进行研究,并利用该计算模型对输入图像进行局部特征的表征.实验结果表明,与传统的图像特征描述方法相比,该模型所提取的图像局部特征具有足够的区分度;此外,利用生物视觉模型提取出的图像局部特征在具有复杂背景的场景中显示出了更加优秀的泛化能力.

基于局部特征的WEB近重复图像检测

首先分析了不同类型的图像特征对不同重复图像类型检测性能的影响,SIFT局部描述子不仅具有良好的尺度和亮度不变性,同时对仿射形变、视角改变和噪声等也有一定的鲁棒性,因此选择了SIFT描述子来描述图像特征。同时针对SIFT特征在检测过程中匹配计算代价大的缺点,提出了基于奇异值分解的SIFT特征点集合匹配方法,实验结果表明该方法在检测效果和检测时间方面取得了一个很好的平衡。

基于局部颜色-空间特征的图像语义概念检测

针对基于语义的图像检索系统,提出了一种基于局部颜色-空间特征的图像语义概念检测方法。各种基于颜色、纹理和形状的全局特征都存在着众多信息冗余项和干扰项,而该文提出的局部颜色-空间特征则是利用语义概念层的先验知识进行特征降维后提取出的特征,它能更好地描述图像的语义内容,且具有容易提取、计算复杂度低的优点。实验结果表明,基于局部颜色-空间特征的概念检测方法优于基于全局特征的概念检测方法,将其用于图像检索后的检索精度比采用基于全局颜色特征的方法提高了36.4%。

基于正交矩的图像局部特征提取研究

本文从全局与局部两个角度就图像的特征提取研究现状进行了分析,简要描述了图像矩的优点与缺陷,并基于SURF图像金字塔构建、SURF兴趣点定位阐述了图像局部特征中的SURF算法,重点介绍了基于正交矩的图像局部特征提取方法,希望能够为同行业工作者提供一些帮助。

基于RBF的视觉定位图像局部特征匹配算法

现有的视觉定位系统中大多使用传统的欧几里得距离排序和门限阈值的方法或基于KD-Tree的局部特征匹配算法进行局部特征的匹配。本文使用SURF特征作为视觉定位的图像局部特征,提出一种基于RBF的局部特征匹配算法。通过对比已有的局部特征匹配算法与基于RBF的局部特征匹配算法在不同数据集上的表现,综合分析各种算法在精确度、时延上的指标,得出基于RBF的局部特征匹配算法是一种有效的局部特征匹配算法的结论。

图像局部纹理特征自适应超分辨率重建

在双边总变分(BTV)正则化方法中,由于同时考虑了周围像素与中心像素的几何距离和灰度相似性,获得了比Tikhonov正则化方法和总变分(TV)正则化方法更好的重建质量。然而,在BTV方法中,由于正则化参数λ为一个定值,使得该方法不能同时保持图像的边缘纹理信息和抑制图像噪声。针对这个问题,提出一种图像局部纹理特征自适应的正则化重建方法,基于灰度共生矩阵提取图像局部纹理特征,建立正则化参数与图像局部纹理特征的函数关系,使正则化参数λ随图像局部纹理特征自适应调整。实验结果显示,与BTV方法相比,该方法能使图像的边缘和纹理细节重建效果更好,并有效抑制噪声。

基于局部特征描述的图像匹配方法分析

作为计算机视觉的基本研究内容,图像局部特征描述的目的是利用特征向量来稳定地表达被检测图像的局部特征,从而利用这些特征构成的描述子来稳定进行图像的匹配,具有一定的理论研究价值和实际工程应用价值。特别是随着近年来深度学习技术的兴起与快速发展,该领域的研究者们都相继提出了许多不同的研究方法。如今,基于学习的局部特征描述方法在该领域越来越受欢迎。然而,在不同场景和任务要求中,研究者都在致力于如何设计在精确性、鲁棒性和效率方面具有卓越性能的图像局部特征描述方法。本文对经典的手工设计和主流的基于学习两类方法分别进行全面而系统的分析与总结。最后总结了图像局部特征描述的现状,并为未来的工作提供参考。

图像局部特征匹配算法发展综述

在图像匹配中,基于局部特征的匹配算法是当前最流行的图像匹配算法。该类算法在三维表面重建、图像配准、物体识别等领域得到了广泛的应用,是立体视觉中的关键处理步骤。时至今日,图像特征匹配算法已经取得很大的进步,有许多成熟的算法得到广泛的应用,因此图像局部特征匹配算法的发展和意义,值得研究和总结归纳。

基于齿轮局部图像的齿距机器视觉测量方法

针对工业对中小模数直齿圆柱齿距快速测量需求及视觉测量特点,提出一种基于齿廓图像边缘过渡带信息统计的单个齿距算法。该算法首先采用双阈值法提取齿轮齿廓边缘过渡带像素信息,然后根据齿轮渐开线几何关系,将过渡带像素信息逆向映射到基圆上,计算得到最优的齿廓边缘渐开线初始相位角,最后利用两条相邻同名齿廓初始相位角计算得出齿距。通过采用高精度量块组合边缘测量试验,验证了该算法的原理正确性和测量精度。结果表明,利用该算法视觉测量得到的相对位置最大偏差为0.0021mm,最大分散度为0.00052mm。对同一5级精度齿轮进行齿距测量,视觉齿轮测量仪和M＆M3525齿轮测量中心测量的最大单个齿距偏差出现在相同齿距上,二者相差0.0007mm,其齿距累积总偏差相差0.001mm,表明本齿轮齿距视觉测量方法可以满足5级精度直齿圆柱齿轮齿距的快速测量要求。

结合MSER与HSOG的目标局部特征提取

针对SIFT在视点变化下对物体几何特征描述的缺陷,本文提出一种结合最稳极值区域检测和改进的二阶梯度直方图描述子的目标局部特征提取方法。首先,采用一种新的最稳定度判断准则,提高了不规则形状区域和模糊条件下的检测效果;然后,利用改进的二阶梯度直方图提取MSER区域的局部特征描述子,采用高斯函数加权的方法考虑了不同像素对区域中心像素的影响,提高了稳定性;最后,通过标准测试图像和实际拍摄图像的匹配对算法进行验证。实验结果表明,本文方法在视点变化下仍能获得70%以上的匹配率,匹配效果优于SIFT。本文方法相比于传统方法检测效果更为稳定,对于不规则形状区域仍有较好的检测效果,适用于视点变化下的目标匹配。

基于原始图像数字特征的水印检测

提出了数字水印的一种新的埋入和检测方法.根据图像局部特征系数的统计特性来确定水印的埋入强度,使得水印的埋入强度随图像局部特征数据变化而变化,而尽可能地不改变图像的原始统计特性,水印的检测则使用对相关峰值的估计,给出了水印的埋入及检测模型.

基于区域局部特征的中医舌像检索

根据中医理论，舌象是五脏六腑的投影，舌体的不同区域可以反映出人体的相关疾病信息。本文以中医舌像为研究对象，针对全局底层图像特征很难描述舌像不同区域特征的缺点，提出了基于区域局部特征的中医舌像检索方法以提高中医舌像的识别率。由于SIFT局部描述子不仅具有良好的尺度和亮度不变性，同时对仿射形变，视角改变和噪声等也有一定的鲁棒性，因此系统选择了SIFT描述子来描述图像特征。同时针对SIFT特征在检索过程中匹配计算代价大的缺点，提出了基于奇异值分解的SIFT特征点集合匹配方法，实验结果表明该方法在检索效果和检索时间消耗方面取得了一个很好的平衡。

正交Gaussian-Krawtchouk不变矩的构建及在图像匹配中的应用研究

针对基于几何矩及不变矩的图像特征描述存在信息冗余,计算复杂,图像表征能力不强等问题,本文深入研究了正交的Gaussian-Krawtchouk矩及其不变矩的表达形式。依据不同的尺度因子特点,提出了基于多尺度Gaussian-Krawtchouk不变矩的图像局部特征描述方法,并用于五种不同类型图像的特征匹配。实验结果表明,这种不变矩较其他传统的特征描述方法具有更好的图像表征能力,更强的数字稳健性。该不变矩用于图像匹配是有效可行的,具有良好的实用价值。

基于粒子群优化及多结构估计的ASIFT特征提取算法

提出一种基于粒子群优化及多结构估计的ASIFT特征提取算法.首先用粒子群优化算法对ASIFT的采样进行优化得到大量的特征匹配点对,在此基础上再使用Multi-GS多结构估计算法进行多结构提取并去除错误的匹配点对,最终得到大量而精确的特征匹配对.并用实例加以验证其有效性.

基于内容的图像近复制检测系统设计

基于内容的图像近复制检测是目前图像分析和计算机视觉领域比较活跃的研究课题。运用SUFR特征提取、LSH高维特征索引以及K近邻搜索和加权投票技术,在VC++开发环境下设计了一个基于内容的图像近复制检测系统,在UKBench图像库的一个子集上通过实验验证了该系统的有效性。

互联网内容相似图像搜索的研究

随着互联网技术日新月异的发展,如何检索出内容相似的图像成为了一个重要的研究课题。在分析了图像特征提取关键技术尺度不变特征SIFT(Scale-Invariant Feature)方法后,对该算法存在的不足进行了改进,提出基于积分图像并行计算的快速SIFT特征检测算法。实验结果表明,改进的算法能有效的缩短图像特征提取计算的运行时间。

距离图像局部特征提取方法综述

基于距离图像的三维目标识别是计算机视觉领域的研究热点,而局部特征提取则是实现遮挡和复杂场景下三维目标识别的关键.文中首先介绍距离图像及其表示形式,详细分析法向量、曲率和形状索引等微分几何属性.进而将局部特征检测方法分类为固定尺度和自适应尺度方法,将局部特征描述方法分类为基于深度信息、基于点云空间分布和基于几何属性分布的方法,并对各种具体算法进行阐述、分析和定性评价.最后对现有方法进行归纳总结,并指出所面临的挑战及进一步研究的方向.

多头注意机制的多粒度文本-图像对齐

基于文本的人物图像搜索任务存在文本和图像细粒度特征提取以及消除文本-图像模态间差距等方面的挑战.本文针对全局特征不足以表示全面的文本和图像模态特征的问题,提出了多头注意机制的多粒度文本-图像对齐方法,该方法引入多头注意力机制,在考虑全局匹配的基础之上,同时考虑局部图像特征和局部文本特征之间的匹配,并对局部图像特征和局部文本特征应用多头注意力机制,来获取文本和图像模态内的关系信息,提出模态间关系模块来获取两个模态之间的关系信息,使提取到的局部图像特征和局部文本特征自适应地对齐,从而提升基于文本的人物图像搜索任务的整体效果.在公共数据集CUHK-PEDES上进行了实验验证,模型的总体性能较baseline提高了3.0%,由此表明本文提出的模型在基于文本的人物图像搜索任务中的有效性.