基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。

基于相位一致性计算和RS-GLOH描述子的SAR和光学图像匹配

为解决合成孔径雷达(SAR)和光学图像之间由于非线性辐射和几何差异导致的匹配困难问题,提出一种新的基于特征的SAR和光学图像匹配算法。主要分为3个部分:特征提取、特征描述和特征匹配。在特征提取阶段,针对两者间的非线性辐射差异,使用基于相位一致性的方法得到SAR和光学图像的最小矩图和最大矩图,通过极值点检测与非极大值抑制提取出分布均匀且位置对应性好的最小矩点和最大矩点;在特征描述阶段,针对两者间的非线性几何差异,提出一种RS-GLOH描述子构建方法,主要使用斑点噪声抑制效果好的ROEWA算子和Sobel算子分别计算SAR和光学图像的梯度幅值和方向信息,然后建立梯度定位和方向直方图对特征点进行描述;在特征匹配阶段,结合最近邻距离比和快速抽样一致性分别匹配最小矩点和最大矩点。实验结果表明,本文方法具有旋转和尺度不变性,并且相比于PSO-SIFT、SAR-SIFT和OS-SIFT方法,本文方法在5组不同区域的SAR和光学图像对中可以得到更多的正确匹配点对数和更低的均方根误差。

结合相位一致性的行人检测

针对行人检测中利用方向梯度直方图(Histogram of Oriented Gradient,HOG)特征进行训练时耗时长,检测速度慢的问题,提出一种改良算法。该算法结合相位一致性(phase congruency,PC),利用局部能量与Log-Gabor滤波器,计算提取行人正样本图像的边缘,以边缘像素点处的局部能量值最大值与对应的相位值做为特征,以HOG滑动块形式生成特征描述子,此文称之为PC-HOG特征,利用AdaBoost级联分类器算法训练学习此特征,并在INRIA数据库中测试此算法分类效果。测试结果表明该算法明显减少了训练时间,提升了行人检测速度,较HOG+SVM速度提升40%以上,较HOG+AdaBoost提高了8%左右,也改善了检测准确性。

顾及各向异性加权力矩与绝对相位方向的异源影像匹配

针对异源遥感影像之间存在光照差异显著、对比度差异大和非线性辐射畸变等问题所导致的匹配难题,提出了一种顾及各向异性加权力矩与绝对相位一致性方向直方图的异源影像匹配方法。首先利用各向异性滤波进行影像非线性扩散,计算影像的相位一致性最大矩和最小矩,并构造各向异性加权力矩方程,求解得到各向异性加权力矩图;然后对相位一致性模型进行扩展,生成绝对相位一致性方向梯度,并结合对数极坐标描述模板,设计了一种绝对相位方向梯度直方图(histogram of absolute phase consistency gradients,HAPCG);最后利用欧氏距离作为匹配测度进行同点名识别。将多组存在光照、对比度和非线性辐射差异的异源遥感影像作为数据源,分别与尺度不变特征变换(scale invariant feature transform,SIFT)、位置尺度定向不变特征变换(position scale orientation-SIFT,PSO-SIFT)、Log-Gabor直方图描述符(Log-Gabor histogram descriptor,LGHD)和辐射变化不敏感特征变换(radiation-variation insensitive feature transform,RIFT)等方法进行对比实验。结果表明,在异源遥感影像匹配中,所提方法在综合匹配性能上明显优于SIFT、PSO-SIFT和LGHD等方法,其平均同名点匹配数量提升了2倍以上,均方根误差为1.83像素。与RIFT方法相比,在匹配同名点相近的情况下,所提方法可以取得更高的匹配精度,能实现异源遥感影像稳健匹配。

融合局部纹理和形状特征的人脸表情识别

针对局部二值模式(LBP)、中心对称局部二值模式(CS-LBP)和梯度方向直方图(HOG)的不足进行改进,该文提出中心对称局部平滑二值模式(CS-LSBP)和绝对梯度方向直方图(HOAG),并提出一种融合局部纹理特征和局部形状特征的人脸表情识别方法。该方法首先采用CS-LSBP算子和HOAG算子分别提取人脸表情图像的局部纹理特征和局部形状特征,然后使用典型线性分析法(CCA)进行特征融合,最后利用支持向量机(SVM)进行表情分类。在JAFFE人脸表情库和Cohn-Kanade(CK)人脸表情库上的实验结果表明,改进的特征提取方法能更加完整、精确地提取图像的细节信息,基于CCA的特征融合方法能充分发挥特征的表征能力,该文所提人脸表情识别方法取得了较好的分类识别效果。

融合DCLBP和HOAG特征的人脸表情识别方法

为了进一步提高人脸表情识别算法的准确性,提出一种融合双编码局部二值模式(DCLBP)算子和绝对梯度直方图(HOAG)算子的人脸表情识别方法,该方法首先利用DCLBP算子提取人脸图像的局部纹理特征,利用HOAG算子提取人脸图像的局部形状特征;然后,采用典型相关分析法(CCA)融合所提取的两种特征;最后,利用支持向量机(SVM)进行人脸表情分类。实验结果表明,与单一特征识别方法和级联特征识别方法相比,本文方法获得了更好的识别效果,在CK (Cohn-Kanade)和JAFFE数据集上的实验分别达到了100%和99.05%的识别率,与其他相关方法的比较也验证了其有效性。

基于MB-LBP和HOG的掌纹识别

掌纹识别是模式识别及智能信息处理领域的研究热点。针对传统掌纹识别方法易受噪声影响,且旋转鲁棒性差的问题,提出基于分区的多块局部二值模式(MB-LBP)和梯度方向直方图(HOG)的掌纹识别方法。该算法利用分区MB-LBP和HOG算法分别提取掌纹的纹理、边缘特征,将提取的两种特征通过串联的方式进行融合,最后计算测试图像与训练图像的绝对值距离并利用最近邻分类器得出分类结果。实验对比传统算法(PCA、LBP和HOG),得到较高的掌纹识别率。因此,将基于分区多块局部二值模式与梯度方向直方图特征进行融合,可提取较完整的掌纹有效信息,对于光照不均匀和有位置变化的掌纹具有一定的健壮性,具有良好的掌纹识别性能。

基于多特征的行人检测算法

针对单特征辨识度较低的问题,提出一种基于多特征的行人检测方法。首先构造二维对数Gabor函数,利用此函数提取样本的相位一致性特征,将样本的相位一致性特征和样本的局部二值模式算子(LBP)特征相结合,得到新的行人检测方法。使用支持向量机(SVM)进行分类,并与基于HOG特征的检测方法进行比较,在INRIA行人数据库上的实验证明,基于多特征的检测方法提高了行人检测精度、降低了误检率,检测率高达99.4824%。