基于Gabor滤波和局部特征点密度的居民区提取

通过对高空间分辨率遥感图像(简称高分图像)中的居民区纹理结构信息的分析,提出了一种基于Gabor滤波和局部特征点密度的居民区提取方法。该方法首先对高分图像进行多方向Gabor滤波,得到多个方向的幅值信息,并通过阈值处理和筛选后处理获取图像的特征点;然后对特征点求取局部密度,获取居民区的范围;再用数学形态学变换进行细微处理,最终提取出图像中的居民区。以World View2真彩色图像为实验数据对不同方法进行验证及对比分析的结果表明,该方法具有较高的提取精度和计算效率。

局部特征点的鲁棒性数字稳像

针对视频序列受载体的影响,本文提出了基于Harris局部特征点的数字稳像方法。局部特征点在图像处理、模式识别、计算机视觉以及目标检测与跟踪领域得到了广泛的研究。首先,利用Harris算法提取动载体摄像系统中每帧图像的局部特征点,采用基于归一化互相关匹配算法进行局部特征点的匹配,提出了一种双向搜索的匹配策略来提取具有较强鲁棒性的特征点;然后,利用随机抽样一致算法进一步筛选所选定的特征点,并将保留下来的精确匹配特征点带入仿射运动模型求出全局运动矢量;最后,提取全局运动矢量中的抖动参数,并对原始图像进行补偿。实验结果表明,该方法可以快速有效地处理图像序列的仿射运动,水平和垂直方向的精确度小于1 pixel,并且具有较好的鲁棒性,可用于动载体摄像系统。

基于局部特征点检测与匹配的微悬臂梁变形受力测量方法

提出了一种基于局部特征点检测与匹配的微悬臂梁变形受力测量方法.通过光学显微镜得到微悬臂梁变形前后的图像和基于放大的微悬臂梁表面的散斑纹理特征,在尺度空间中定位具有局部响应极值的LOG(Laplace of Gaussian)特征点,并在LOG特征点周围提取局部仿射不变封闭区域,其质心可以作为具有亚像素精度的特征点位置.由封闭区域构造仿射不变特征描述算子并进行特征点匹配,根据匹配点的位移信息进行悬臂梁弯曲挠度曲线拟合以描述微悬臂梁的弯曲变形,并采用最小二乘法计算悬臂梁受力大小与受力点.通过对实际的微悬臂梁变形图像实验,验证了所提方法的有效性.

复杂场景下全景视觉图像局部特征点检测仿真

为了在获取全景视觉图像特征点的同时有效保持图像的边缘信息,提出一种复杂场景下全景视觉图像局部特征点检测方法。采用经验模态分解方法分解全景视觉图像,在信息熵差值的基础上确定含噪的IMF分量,引入CLEAN算法抑制IMF分量中存在的噪声,实现全景视觉图像去噪处理;对全景视觉图像展开小波变换,消除图像特征图中存在的冗余信息,避免复杂场景对特征点检测产生影响,融合全景视觉图像的局部特征显著区域,获得显著图,完成局部特征点提取;根据特征点的独特性、均匀性、独特性、覆盖度挑选最优局部特征点,完成全景视觉图像局部特征点检测。实验结果表明,所提方法的去噪平滑性高、边缘保持能力强,特征点检测准确率高、效率高。

全景视觉舰船图像局部特征点检测

针对传统的舰船图像局部特征点检测技术在检测特征点时,因重复抓取造成检测结果中噪点比例过高,影响有效信息读取的问题,因此设计全景视觉舰船图像局部特征点检测技术。在对舰船图像预处理后,计算稳定度和匹配度2个舰船图像局部特征点的检测参数。将计算得到的检测参数作为高斯金字塔的参数,使用高斯尺度空间法检测舰船图像特征点,完成全景视觉舰船局部特征点检测技术的设计。设计与传统的舰船图像局部特征点检测技术的对比实验,结果表明全景视觉舰船局部特征点检测技术能够有效减少特征点检测后的噪点数,检测效果更佳。

部分遮挡目标的稳健局部特征点提取方法

部分遮挡目标的特征提取是目标检测中的难点问题。针对这一问题,提出一种基于稳健性度量统计分析的部分遮挡目标稳健局部特征点提取方法,该方法建立在目标图像训练集的局部特征点逐步提纯基础上。它首先对目标在不同条件下获取的图像集分别应用SIFT提取相应局部特征点;然后基于统计分析对局部特征点进行粗提取,再通过计算置信度进一步筛选出较稳健的局部特征点;最后分析局部特征点的空间分布等因素提取出最稳健的局部特征点集。实验结果表明,该方法耗时仅为SIFT检测算法的30%,并且保证了检测精度。

基于SIFT算法的局部特征点人脸识别图像处理技术

介绍一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法局部特征点的人脸识别技术、基于局部特征点目标检测算法提取的点特征通常具有良好的鲁棒性,能够适应复杂的环境变化,SIFT算法能够在图像间发生平移、旋转、噪声干扰、光照变换等条件下依然保持良好的检测性能文章通过理论的分析和仿真实验证明SIFT算法具有较好的人脸识别性能,能够在人脸发生复杂变化的条件下准确地识别人脸。

基于局部特征点方法的动作识别研究

利用局部特征点方法进行视频中的动作识别研究,通过对尺度空间理论以及多种经典的局部特征点检测方法的深入分析,将SIFT算法引入到视频研究领域,提出了一种全新而高效的视频特征点检测算法。在此基础上,设计了合理的机器学习方法对局部特征点进行训练,利用训练出的通用动作模式在视频中进行动作识别。

基于全景视觉的舰船图像局部特征点检测

传统舰船图像局部特征点检测方法,存在特征点稳定度低、局部图像特征噪点多等弊端。为解决上述问题,引入全景视觉理论,建立基于全景视觉的舰船图像局部特征点检测方法。通过复合式全景视觉架构搭建、双目参量标准2个步骤,完成全景视觉检测环境的搭建。通过舰船图像局部特征点稳定度的确定、重复读和匹配度的确定、特征为数分析3个步骤,完成基于全景视觉舰船图像局部特征点检测方法的搭建。设计对比实验结果表明,新型检测方法与传统方法相比,显著提升特征点稳定度,减少局部图像特征噪点数量。

局部特征点的3维模型变换域水印算法

目的为进一步提高变换域水印的鲁棒性,解决多分辨率小波变换对三角形网格形状的限制,提出一种基于局部特征点的变换域水印算法。方法首先根据经度角和纬度角对模型分区,并求出局部特征点;其次由局部特征点的模长与非局部特征点模长的均值构成的比值组成2维矩阵,对2维矩阵进行离散小波变换,并修改小波系数中的各分辨率层的中高频系数来嵌入水印;最后通过逆向离散小波变换得到空域信号,修改3维模型局部特征点的模长以得到含水印的3维网格模型。结果本文方法能够不受平移、旋转、均匀缩放和顶点重排序的影响,并能有效抵抗噪声、简化、剪切、细分、量化和联合攻击等一系列的常见攻击。结论实验结果表明,该算法具有很好的鲁棒性和不可见性,对模型的网格形状无严格要求。

基于三角形局部特征点模型指纹匹配算法

指纹识别是一种生物识别技术,指纹匹配是指纹识别的一个重要过程,如何解决指纹匹配过程中出现的待识别指纹出现的指纹平移、旋转与挤压引起的形变问题,是本文重要的研究内容。提出了一种基于局部特征点的三角形模型匹配算法,根据指纹中图像中的细节点,与其相邻的局部细节点构成一个三角形,并引入了它与邻近细节点间的距离、脊线数目作为判断因素,从而有效解决指纹图像匹配过程中遇到的因平移、旋转与挤压引起形变导致的识别率较低的问题,提高了指纹识别的精确度和可靠性。最后通过3个实验的结果表明,本文提出的算法比另外2种算法具有拒识率低、正确识别率高(正确率达到98.92%)的特点,即基于三角形局部特征点模型的指纹匹配算法有较好的性能。

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法。首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像。采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响。实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值。

一种高效的二进制点云局部特征描述算法

针对现有点云局部特征描述算法时效性和紧凑型不能满足实际应用需求的问题,提出一种二进制多层切片距离特征描述算法(B-MSD)。首先在特征点处建立了一种稳健的局部参考坐标系;然后设计了两种多层切片和子区域划分方式并计算平均距离,以提取点云局部三维形状特征;最后通过量化的方法将各子区域计算的平均距离转化为二进制码串,串联所有码串生成最终的二进制描述子。在多个公开点云数据集上与几个经典描述子进行仿真对比,结果表明,在鉴别力更强的基础上,上述算法的紧凑性、计算效率和匹配速度方面综合表现更好。3D目标检测和点云配准应用实验也验证了上述算法的有效性。

基于局部背景特征点的目标定位和跟踪

针对存在多个与目标相似的区域以及摄像头经常运动的跟踪问题,提出一种基于局部背景特征点的目标定位和跟踪方法。首先,根据相邻匹配的局部背景特征点与目标的位置关系对目标进行定位,然后,以定位得到的预测位置作为搜索起点,结合粒子滤波和均值偏移方法获取目标的候选区域,最后,根据候选区域和预测位置的距离对候选区域的相似度加权,将加权后相似度最高的候选区域作为跟踪结果。研究结果表明:该算法能够避免周围相似物体的干扰并准确跟踪目标,具有较好的鲁棒性和实时性。

基于局部不变特征点的高分辨率遥感影像配准

为了解决传统的点特征匹配算法存在配准精度低的问题,本文提出一种基于局部不变特征点的高分辨率遥感影像配准算法。首先,利用双边滤波器对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声;其次,对预处理后的两幅影像进行局部不变特征点提取;然后,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点;最后,对待配准影像进行仿射变换。为了验证方法的有效性,提出一种仿射变换均方根误差AT-RMSE对精度进行评价,选取深圳市两个时相的PLEIADES影像,结果表明双边滤波器虽然增加了算法的运行时间,但能够降低55%以上的AT-RMSE;另外,基于SURF特征的配准方法比基于SIFT的性能更优,精度有大幅度提升。

一种基于特征点识别的曲线离散化方法

提出了曲线局部特征点的概念 ,并根据平行线原理给出了一种快速求取特征点的算法。通过对局部特征点进行优化 ,得到所需的局部特征点集 ,实现了曲线的离散。该方法在离散过程中充分考虑了离散精度误差与逼近弦长对后续三角化质量的影响。实验结果表明 ,由这些特征点组成的多边形可较好地逼近曲线 ,算法效率较高。

基于双目视觉的三维人脸特征点提取技术研究

以双目立体视觉为基础,提出一种人脸部特征点的三维数据信息获取方法,利用已标定的摄像机拍摄立体图像对,采用人脸局部特征先验经验与Canny边缘检测相结合的方法分别提取平面图像上15个特征点。在极线约束、唯一性约束、顺序一致性约束条件下,对左右图像对进行立体匹配、计算视差,合成特征点的三维空间数据。两次试验结果表明:合成的特征点三维数据信息相对误差小于4.5%。

基于关键特征点决策的广义Hough变换目标定位快速算法

广义Hough变换对非解析轮廓的定位与检测需要考虑平移、旋转、尺度问题,所以需要对四维参数空间进行搜索,计算量、存储量相当庞大且同时保证速度和精度存在困难。为解决该问题,本文提出基于关键特征点决策的广义Hough变换目标定位快速算法。图像关键特征点包含稳定的图像信息且数量不大,因此基于角点信息的广义Hough变换检测任意形状物体的效率得到提高。检测过程首先利用模板图像的关键特征点——角点建立局部R表,然后将待检测图像中的角点依据局部R表对平移、缩放系数s和旋转角度β进行高精度全局搜索,完成对实际参考点的投票累积过程,提取累积矩阵峰值从而得到其对应的参考点位置以及s和β的参数值。实验表明,本文算法也适用于局部遮挡等情况,同时运算时间、存储消耗大大减少,检测稳定性高,具有一定应用意义。

基于频率特征点提取的遥感融合图像无参考评价方法研究

针对现有的图像融合评价方法存在受地物的影响较大、评价结果过于笼统、实用性不强的问题,提出使用局部特征点进行图像融合评价的方法,首先定量地确定图像中的高频特征点,然后以高频特征点为依据提取图像中高频区域和低频区域,最后通过空间信息获取程度和光谱信息保留程度两个方面对融合图像进行评价。实验结果表明,本文中提出的评价方法要优于已有的图像融合评价方法,能更好地体现不同融合方法之间的差异。

基于点对局部拓扑和加权二分图的地面目标关联

针对地面目标探测场景中,目标点集中点的位置包含较多噪声时,传统基于位置信息的目标关联算法的关联准确率下降问题,提出基于点对局部拓扑(PPLT)和加权二分图匹配(WBGM)的地面目标关联方法。该方法采用点对局部拓扑特征刻画目标群中各个成员目标之间的相对位置关系,提高了形状描述算子的抗噪能力。根据全局相似度最大的要求,基于点模式匹配的目标关联问题可以转化为加权二分图匹配问题。最后构建了加权二分图,并通过Kuhn-Munkres算法实现最佳匹配。仿真实验表明,在位置信息存在偏差和目标漏检的情况下,该算法与传统方法相比具有较高的关联正确率和较强的鲁棒性。