联合多尺度块匹配的非局部均值去噪算法

针对非局部均值(Non-Local Means,NLM)图像去噪算法易产生伪影与平滑细节的问题,提出一种联合多尺度图像块匹配的像素相似性测度,提高NLM算法去噪性能。首先,研究与分析了加权欧氏距离与欧氏距离两种相似性度量以及图像块尺寸设置对NLM算法的影响。其次,通过引入图像特征信息并利用K-means聚类方法将图像划分为平坦区域和包含边缘与纹理的结构区域,对每个类别中的像素点,联合两种尺度图像块匹配计算像素的平滑权重。最后,优化了算法的滤波参数。实验结果表明,提出的算法在噪声去除与细节保持方面明显优于经典的NLM算法,相比其他改进的NLM算法也有优势。

结合多尺度融合和图匹配的行人重识别

由于行人遮挡、视角变化等因素影响,传统的行人重识别并不能准确表达遮挡行人的信息。针对该问题,提出一种基于多尺度融合和图匹配的网络模型。分为提取不同尺度的特征和基于拓扑结构匹配图像两个部分,将主干网络分为两个子分支分别提取全局特征并融合多个网络层面的局部特征;使用多头注意力机制学习相邻关键点的关系,基于拓扑结构匹配图像并预测相似度结果。使用ResNet-50作为主干网络,在Occluded-Duke数据集上的Rank-1和mAP分别是64.8%和59.9%,验证该模型在遮挡行人重识别中有一定程度的准确率提升。

移动机器人定位图像匹配的快速局部特征算法

利用定位图像的局部特征进行移动机器人导航和定位是近年来该领域的研究热点。针对经典局部特征提取和描述算法实时性不好,提出一种快速局部特征(fast local feature,FLF)的检测子和描述子算法。利用离散尺寸的均值滤波器估算LOG算子构建图像尺度空间,建立尺度和旋转不变的检测子。在尺度相关的邻域中利用规格化后的像素强度作为关联信息,建立局部邻域的描述子。模拟实验中,利用优选参数的FLF与经典SIFT算法对比,在识别率相当的条件下,FLF的运行时间是SIFT的1/3。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,FLF的匹配效果好于经典的SIFT和SURF算子。因而FLF是一种适合于实时应用的快速局部特征。

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform,SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度,适用于对实时性要求较高的场合。

局部特征结合形状轮廓匹配的建筑物识别算法

针对经典不变特征提取算法时间较长的缺点,提出一种局部特征结合形状轮廓匹配的建筑物识别算法.首先根据整体建筑物容易受到旋转、倾斜度的影响,提取已知建筑物的局部特征点,确定其方向,对其位置、角度等进行矢量描述;同时依据建筑物不同状态下的尺度变化信息,制定任意形状轮廓匹配相似度准则及映射函数,实现不同光照、不同尺度下的建筑物识别.仿真实验结果表明,该方法可以快速、准确地适应不同环境下的建筑物识别.

基于局部特征分析与最优化匹配的人脸识别算法

在分析传统弹性图匹配的基础上,提出一种基于局部特征分析(LFA)与最优化匹配的人脸识别算法.该算法首先利用神经网络方法估计出在识别人脸中起重要作用的一些特征点(如瞳孔、眼角、眉心、眉角、嘴角等),之后利用Gabor小波的局部多尺度分析特性提取特征点的多尺度特征.这样人脸的每个特征点就被一系列的Gabor小波系数所表示,最后对待识人脸与人脸库中人脸的相应特征点的多尺度特征进行最优化匹配找出需要的人脸.对最优化匹配方法给出了严格的数学证明,同时也给出了Yale大学和ORL人脸库上的测试结果.理论和实验证明,该方法远优于传统的EigenFace方法,同时能有效地克服光照变化对人脸识别的影响,在一定程度上对表情的变化也有较好的鲁棒性.

基于尺度不变Harris特征的准稠密匹配算法

准稠密匹配是多视图三维重建的重要技术,其性能对重建结果至关重要。针对常用的SIFT算法提取的种子点进行准稠密匹配正确率较低、重建效果不佳的问题,提出了一种基于尺度不变Harris角点特征的准稠密匹配算法。该算法在图像多尺度空间构造尺度不变Harris特征,并采用余弦距离测度对不同视图进行双向匹配。根据稀疏匹配获取种子点,采用最优最先匹配扩散策略进行准稠密扩散,采用局部非极大值抑制策略对匹配结果进行重采样。实验表明,算法提取的种子点既能够体现场景结构信息,又具有尺度不变特性,用于准稠密匹配,能够提高匹配的效果和精度,是一种有效的用于三维重建的准稠密匹配算法。

尺度不变局部特征检测算法研究

尺度不变局部特征以其良好的尺度、旋转和光照不变性，在计算机视觉、目标识别、三维图像重构等领域中得到了广泛的应用。本文在大量试验数据的基础上，总结了目前常用的几种尺度不变特征匹配算法的性能，比较得出各种算法的优缺点及其适用领域，并指出尺度不变局部特征检测算法的研究和发展趋势。

一种快速局部特征描述算法

利用局部邻域像素强度分布性质提出了一种快速局部特征描述算法—规范化强度对比描述子(Normalized intensity contrast descriptor,NICD).首先规格化兴趣点邻域的像素强度,再根据邻域中像素强弱分布建立描述子.分别利用Fast-Hessian,DoG以及Harris-Laplacian检测子搭配NICD进行图像匹配以及物体识别实验.结果表明:在多种图像变换中,NICD可以实现与当前先进的SIFT和SURF算子相当的匹配效果,而匹配时间大幅缩短,因而更适合在实时应用中使用.

基于SIFT特征的两阶段procrustes迭代匹配算法

以得到尽量准确的图像SIFT(Scale Invariant Feature Transform)特征点之间的匹配关系为目的,给出了一种基于SIFT特征的两阶段procrustes迭代匹配方法。该方法首先基于图像SIFT描述向量得到图像SIFT特征点之间的初始匹配关系,初始匹配的特征点之间存在较多的错误匹配特征点对,然后利用特征点之间全局的几何约束采用第一阶段的procrustes迭代匹配方法去除错误匹配的特征点对,这时部分正确的匹配特征点对也可能被去除,最后利用另一个procrustes迭代匹配过程找回被去除的正确匹配特征点对。仿真实验表明,本文的方法有效去除了SIFT描述向量匹配中存在的错误匹配点对,并能找回被去除的正确匹配点对,得到图像特征点之间正确的匹配关系。

一种基于LTP特征的图像匹配方法

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP(局部三值模式)特征的图像匹配方法。LTP是LBP(局部二值模式)的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。

基于离散余弦变换的图像局部特征描述子

针对尺度不变特征变换(SIFT)描述子受光照变化影响较大的缺点,提出一种基于离散余弦变换(DCT)的图像局部不变特征描述子。在DCT变换的基础上,忽略高频系数,使用少数中低频系数组成特征矩阵,以降低描述子的维数。利用DCT频率系数正负性对光照变化不敏感的特点,在计算描述子间距离时设置惩罚因子,以提高描述子的可区分性。测试结果表明,与SIFT描述子相比,该描述子具有较好的显著性,且查全率和查准率较高。

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式(Local Binary Patterns,LBP)和图变换(Graph Transformation Matching,GTM)的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式(Local Rotation Invariant Binary Patterns,LRIBP)描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.

一种新的基于局部反射变换原理图像匹配算法研究

主要研究了采用一种新的基于局部反射变换原理来对图像进行配准处理。针对传统的图像配准算法效率和精度较低,提出了一种新的快速简便的图形局部放射变换不变性特性的关键点筛选和配准算法。算法首先利用尺度不变特征转换算法(SIFT)提取图像中的关键点,然后在关键点附近区域构造三角形区域,并根据仿射不变性原理,计算各三角形区域相对面积;以此相对面积的比例来确定最终的关键点并对其进行配准操作,方法简单高效。实验结果表明,提出的方法能快速地筛选图像中的关键点,并在保证准确性的前提下,获得尽可能多的关键点,充分保证了最终图像配准操作的准确性。

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题,提出一种基于图像梯度信息强化的尺度不变特征转换(SIFT)特征匹配算法的改进算法.首先通过适当的梯度算子求出梯度图;然后以特定权值将梯度图与原图融合,归一化后对融合图像进行高斯模糊;最后利用传统算法进行特征提取.实验结果表明,改进算法的视角、旋转不变性明显优于原算法,对亮度变化较大或有噪声的图像匹配率也略有提升,有效提高了SIFT特征匹配算法的准确性.

面向近重复图像匹配的SIFT特征裁减算法

针对图像提取出的SIFT特征数目通常很大、无法精确控制,导致系统效率不高且不稳定的问题,提出一种SIFT特征裁减算法.通过对SIFT关键点的对比度和主曲率比加权来衡量其匹配能力;在定位关键点和计算关键点方向2个步骤增加对关键点的二次筛选,提取出设定阈值数目内对匹配最有效的关键点.实验结果表明,该算法能有效地控制SIFT特征数量,比已有裁减算法具有更高的匹配准确度;与原始未裁减算法相比,在保证匹配准确度的同时,大大提高了系统的效率和稳定性.

用于图像购物搜索的局部匹配算法

图像匹配是图像购物搜索的一个关键问题。针对现有的图像购物搜索网站利用底层特征无法进行局部匹配的问题,提出一种基于局部匹配的图像购物搜索方法,该方法允许用户自定义感兴趣区域,并利用SIFT(Scale Invariant Feature Transform)描述子提取该区域的视觉特征进行匹配。实验结果表明,该方法取得了较理想的预期效果,更好地满足了用户的实际购物搜索需求。

基于多尺度局部结构约束的特征点匹配算法

对于含有重复模式较多、低重叠区域的图像,特征匹配时会存在离群点较多及伪同构等问题,从而影响匹配的精度.为了提高匹配算法的精度和鲁棒性,本文提出了一种基于多尺度局部结构相似性的特征点匹配算法(MLSS).首先定义局部结构相似性度量方法,即多尺度近邻结构相似性及多尺度局部拓扑结构相似性基于局部结构相似性,构造特征匹配模型,并采用确定性退火思想去除离群点,实现特征点集的精确和快速的匹配.使用Daisy数据集、VGG数据集和航空遥感数据集中的22组典型数据对算法的性能进行验证,匹配结果显示,该算法的精度和鲁棒性优于其他四种经典的特征匹配方法.

基于多尺度FAST-9的图像快速匹配算法

FAST-9检测子不具备尺度不变性,为此,提出一种基于多尺度FAST-9的图像快速匹配算法。对图像建立高斯尺度空间,在各图层上应用FAST-9检测子分别提取特征点,在其周围建立圆形区域并分配主方向,同时建立方形区域构造SURF描述子,利用基于最近邻匹配方法进行匹配。实验结果表明,与SURF、SIFT算法相比,该算法具有较高的匹配速度。