基于邻居聚类的近似最近邻搜索

本文提出了一种新的基于图的方法,用于对高维特征向量的数据集进行近似最近邻搜索(ANNS)。大多数基于图的方法着重于提高图的构造质量,而本文的工作着重于图搜索的性能。基于近似k近邻(k NN)图来展示实验结果,并且存在许多用于构建近似k NN图的现有方法,例如NN下降、KGraph或Faiss。本文在图的构建阶段,首先初始化一个近似的k NN图,然后利用K-means聚类算法将邻居聚类;在查询阶段,使用贪婪搜索算法,遍历图并尝试贪婪地到达查询。为了提高查询性能,仅通过聚类信息比较其中一部分邻居,在实验中展示了如何降低查询成本和提高查询精度。

快速近似聚类算法及其在图像检索中的应用

为了解决传统K均值算法在处理大规模数据时的局限性,在近似K均值算法(AKM)基础之上,利用对聚类中心进行分类的思想,提出了快速近似K均值算法(FAKM).该算法舍去了在AKM聚类结果中只获得少数样本的聚类中心,并充分利用类内样本密集稳定的聚类中心,使得迭代过程中待聚类样本数和类别数逐步减少,达到了提高算法速度及精简聚类结果的目的.将FAKM算法运用于实际的图像检索系统中,实验结果表明,系统在检索准确率、检索时间和聚类时间方面都得到了很好的改善.

一种改进的SAR与可见光图像的快速配准算法

针对基于尺度不变特征变换(SIFT)的合成孔径雷达(SAR)与可见光图像配准存在耗时长、精度不高的问题,提出了SIFT与快速近似最近邻搜索(FLANN)相结合的配准算法。首先,针对SAR图像存在的相干斑噪声做双边滤波(BF),在去噪的同时能够保护图像的边缘避免被高斯函数模糊。其次,在高斯差分尺度空间检测特征点并生成SIFT特征描述向量,利用FLANN算法实现高维向量空间中的快速匹配。最后,采用改进的抽样一致算法(PROSAC)剔除误匹配进一步提高匹配正确率。实验结果表明该算法在配准的精度和速度上都优于原始的SIFT算法。

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻(FLANN)特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性(RANSAC)算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。

基于CUDA加速的图像配准算法

针对传统图像拼接算法速度较慢,难以满足获取大分辨率全景图像的实时性要求,本文提出一种基于CUDA的快速鲁棒特征(speeded-up-robust features,SURF)图像配准算法,从GPU线程执行模型、编程模型和内存模型等方面,对传统SURF算法特征点的检测和描述进行CUDA并行优化;基于FLANN和RANSAC算法,采用双向匹配策略进行特征匹配,提高配准精度.结果表明,相对串行算法,本文并行算法对不同分辨率的图像均可实现10倍以上的加速比,而且配准精度较传统配准算法提高17%,精度最优可高达96%.基于CUDA加速的SURF算法可广泛应用于安防监控领域,实现全景图像的实时配准.

基于改进的ORB算法的工件图像识别方法

针对传统的工件图像识别算法运行速度慢、匹配精度差等问题,提出一种改进的ORB(Oriented FAST and Rotated BRIEF)算法解决工件图像的实时与准确识别问题。该算法的流程是首先利用ORB算法提取工件图像的角点特征,随后为其添加SURF(Speed-Up Robust Features)描述符进行方向分配,得到具有旋转尺度不变性的图像角点,结合快速近似最近邻搜索算法进行特征点的匹配,实现工件图像的识别。实验结果表明:在图像存在旋转尺度变化的情况下,使用改进的ORB算法相比传统的ORB、SIFT(Scale Invariant Feature Transform)和SURF算法以及SIFT+SURF、SURF+FREAK组合算法在工件图像角点提取与目标匹配方面速度更快,识别精度更高,提高了工业机器人在搬运工件过程中对工件图像的识别效率和准确性。

基于动态窗口运动统计信息的特征匹配筛选算法

在图像局部特征匹配的过程中,考虑特征的运动统计信息可以有效地筛除错误匹配,但是目前基于网格的运动统计方法不具备良好的尺度不变性与旋转不变性。针对该问题,文中提出了一种基于动态窗口运动统计的特征匹配筛选算法。该算法首先基于图像特征点位置建立快速近似最近邻索引结构,然后利用该索引结构为匹配建立动态窗口邻域,最后在此邻域上进行运动统计,并依据运动统计得分进行正确匹配的筛选。在多个数据集上进行了文中算法与其他算法综合性能的对比,实验结果显示:在尺度与旋转角度变化较大的情况下测量准确率与召回率时,文中算法相比于基于网格的算法优势明显;在更一般场景下,文中算法的综合匹配效果也要明显优于其他几种经典的匹配筛选算法;与此同时,文中算法具有良好的时间性能,可以应用于实时任务。

图像识别技术在高校教学管理中应用研究

本文首先给出了快速近似最近邻库、余弦和直方图相似度的计算方法,其次介绍图像匹配效果的数量指标,并对它们进行实例研究发现,快速近似最近邻库方法从视觉上能快速找到两张输入照片的相似点,并加以标识;余弦和直方图相似度方法能将二维图片比对,量化为数量序列的两两比对,对其进行度量,最后通过衡量指标对其匹配结果进行评价,结合适宜的cut-off线,形成一套相互印证对高校学籍管理中图像识别的有效管理体系。这将为上述方法在高校教学管理领域中应用带来新的思路、方法以及应用策略。

基于改进曲率尺度空间算法的电力设备红外与可见光图像配准

针对现有电力设备红外与可见光图像配准难度大、配准时间长等问题,提出一种改进曲率尺度空间(CSS)算法的电力设备红外与可见光图像配准方法。首先引入Freeman链码差提高CSS算法的特征点提取精度,其次为每个特征点分配点到弦的垂直距离特征主方向,采用加速稳健特征变换(SURF)算法获得特征描述算子,最后利用双边快速近似最近邻(FLANN)搜索匹配方法和随机抽样一致(RANSAC)方法得到正确的匹配点对,获得仿射变换模型参数。实验结果表明:改进CSS图像配准方法与SURF、尺度不变特征变换(SIFT)、CSS配准方法相比性能指标均有显著提升,平均均方根误差(RMSE)较其他3种算法分别降低了77.73%、80.32%、7.63%;平均匹配时间分别降低了30.82%、40.12%、10.57%,提高了电力设备红外与可见光图像配准的效率。