面向图像检索的热力特征描述子构造与匹配

基于深度学习的图像匹配技术已成为图像检索任务的研究热点,受不同局部区域高相似性描述子影响,误匹配问题降低了现有方法的检索精度,为此提出一种面向图像检索的热力特征描述子构造与匹配方法。首先,通过语义分割网络获得每个卷积层的可视化特征图,针对最后一个卷积层具有更强空间信息和语义信息的特点,利用梯度得分获得特征图中每个通道的权重,通过线性融合的方式,在通道维度上加权求和并归一化,利用双线性插值获得最终的热力图。其次,采用深度学习方法(DELF)获得图像深度特征描述子,利用语义分割网络所获得的类别信息和热力值信息构造多维度复合热力特征描述子,给出针对这类特征描述子的KD树结构。最后,基于该结构结合BBF和随机抽样一致算法实现特征匹配。在Oxford5K和Paris6K数据集上进行实验,实验结果表明,与DELF和D2-Net算法相比,该方法在查准率及时间效率上都有所提高,与Fine-tuning CNN、DAME WEB等方法相比检索精度提高近2个百分点。该方法能够更好地提高图像检索效率和精度,实验结果验证了该方法的有效性。

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。

鲁棒性交叠的标准特征描述子

为增强特征描述子的判别力与不变性,提出了鲁棒性交叠的标准特征描述子(robust overlapped gauge feature descriptor,ROGFD).首先利用Scharr算子计算图像梯度.进而引入二阶标准偏导数来加强描述子的不变性,同时避免了高斯滤波对运行效率造成的影响.然后构造交叠式描述网格来提高描述网格的连续性,加强描述子的鲁棒性.最后进行邻域响应加权求和与归一化生成具有照度不变性的64维描述符.通过测定查全率-查错率曲线与耗时实验进行了验证,与已有的描述子相比,ROGFD的鲁棒性更强.

RBFD:一种鲁棒的图像局部二值特征描述子

针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.

基于形状特征描述子的赤潮优势种识别研究

研究了赤潮优势种识别技术,该技术运用在基于流式细胞技术的赤潮实时监控系统中.由于不同生长周期和拍摄视角对藻类细胞的形态有较大的影响,仅用一种特征就将藻类分开是不现实的.采用3种形状特征描述子提取特征,再利用多级主特征向量评估准则进行特征融合和降维,最后使用SVM进行分类.通过对6类我国附近海域常见赤潮优势种的3000个样本的自动分类实验结果表明,识别精度可以达到95.80%,与人工识别精度相当,具备较高的实用性.

基于透视不变二值特征描述子的图像匹配算法

针对基于局部特征的图像匹配算法普遍存在对透视变换顽健性差的缺点,提出了一种新的二值特征描述子PIBC(perspective invariant binary code),提高了图像匹配算法的透视变换顽健性。首先,在提取金字塔图像FAST特征点的基础上,利用Harris角点响应值去除非极大值点和边缘响应点;其次,通过模拟相机不同视角成像之间的透视变换,对单个FAST特征点生成不同视角变换下图像的二值描述子,使描述子具备描述不同视角图像中同一特征点的能力。实验结果表明,算法在提高描述子透视不变性的同时时间复杂度与SURF算法近似。

基于角点和局部特征描述子的快速匹配算法

提出了一种基于角点检测和灰度差分不变量区域统计直方图的局部特征描述子相结合的快速匹配算法。通过建立较少图层的阶梯金字塔,利用Shi-Tomasi算法提取图层中数量适中的强角点。采用具有几何意义的低阶灰度差分不变量描述图像特征,改进了传统算法对噪声及角点位置偏差敏感、计算复杂等问题。实验结果表明算法在保证具有旋转、尺度缩放、光照及小视角变化、模糊等性能不变的同时,整体匹配所耗时间以及正确匹配率均优于SIFT和SURF算法。

基于HOG和特征描述子的人脸检测与跟踪

在人脸检测和跟踪过程中,真实场景的光照变化和随机噪声会降低检测准确率,而多张人脸的存在和人脸的姿态变化会影响单个目标的跟踪。针对这些问题,提出了一种基于HOG和特征描述子的人脸检测与跟踪方法。在人脸检测过程中,利用方向梯度直方图(HOG)特征来检测视频帧中的人脸,提高了检测的准确度;在人脸跟踪过程中,采用了一种结合特征描述子的跟踪校正策略,利用基于欧氏距离的方法进行人脸相似度对比,并以此更新跟踪结果,降低了多人脸因素的干扰。实验结果表明:笔者算法的人脸检测与跟踪准确率较高,鲁棒性较好。

基于层次特征描述子的三维CAD模型检索

为提高三维CAD模型检索对模型局部细节特征的区别能力,提高相似性比较和检索效率,提出一种基于图谱及空间词袋表征的CAD模型层次特征描述子构建和检索方法。依据模型的B-Rep表示形式,提取其必要的几何拓扑属性等信息,将三维CAD模型用属性邻接标记图表示;将模型训练集合中的各模型分割成面面互连且具有一定工程意义的局部区域,依据图谱理论对其进行局部特征描述,并通过聚类构建词汇本;基于局部区域图谱及空间词袋表征构建CAD模型由细粒度到粗粒度的层次化特征描述子,并据此采取一种粗检索与精匹配相结合的两层检索机制进行三维CAD模型检索。实验结果表明,该方法能较好地区别模型局部细节特征,检索质量和效率均有明显提高,可有效支持CAD模型的重用。

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。

面向图像匹配的局部灰度直方图特征描述子

传统的局部特征描述子很难兼顾性能和效率,并且大多适用于静态图像匹配,缺乏对视频中感兴趣区域动态变化的适应性.针对以上问题,提出一种基于图像局部灰度直方图的特征描述子.该算法先通过SURF特征检测获取图像兴趣点,然后通过统计灰度信息分布来描述兴趣点的尺度旋转不变性局部区域,建立基于区域和灰度二维直方图的描述子向量.对于应用在视频的情况,提出相应的描述子在线更新机制.实验同时使用了公共数据和拍摄数据,将算法与经典SURF算法进行了对比.结果表明:算法在视角、仿射、光照等多种变换下实现了更好的匹配性能,并在视频目标跟踪中保持了对目标连续变化的自适应性.

基于光流特征描述子的站点限流设施优化方法研究

针对现有限流设施与策略智能化程度不高,灵活性较差的问题,提出一种基于光流特征描述子的站点限流设施优化方法.首先,根据枢纽内场景特点,设置感兴趣区域(region of interest,ROI),从而降低后续操作的计算量,提高算法的执行效率;然后,在建立光流特征描述子的基础上,对图片序列进行特征分析;最后,基于人群聚集特征,对经典单分类支持向量机进行调整,并实现超负荷状态的检测.实验结果表明,提出的方法能够对站台人群状态进行准确检测,有效增强限流设施的自动化水平,为轨道交通站点客流组织与管理提供数据支撑和理论依据.

基于圆形邻域SIFT特征描述子的3D人脸识别

提出一种基于圆形邻域尺度不变特征变换(Scale Invariant Feature Transform,SIFT)描述子的三维人脸识别方法。首先,针对传统SIFT描述子向量维数高、匹配耗时的问题,文中提出了一种改进的SIFT特征描述子及其生成方法。该方法在利用传统SIFT算子精确定位特征点的基础上,采用以特征点为中心的圆形邻域来代替矩形邻域进行特征描述。然后,分别对3D人脸的灰度图和深度图提取特征描述子。在特征点匹配阶段,根据人脸图像的先验知识剔除部分误匹配点对。最后,采用决策级的评分融合策略完成3D人脸识别。实验结果表明,该算法能够有效降低特征匹配时间,人脸识别的平均识别率高达95.3%。

基于平稳小波变换和亮度序的局部特征描述子

局部区域的非线性亮度变化通常会造成局部特征描述子的不稳定。针对该问题,在平稳小波变换和亮度序的基础上,提出一种局部特征描述子。利用Hessian-Affine算子检测仿射协变区域,对检测区域进行平稳小波变换分解,将不同尺度的多个低频子带作为支持区域,多支持区域的使用可以有效地降低图像扭曲带来的不利影响。采用亮度序对支持区域进行区域划分,确保所构造描述子对单调亮度变化具有不变性,并在局部旋转不变坐标系下计算局部特征描述子。实验结果表明,该描述子在视角、线性亮度和JPEG压缩等变化下具有较好的鲁棒性。

基于特征描述子的匹配方法

利用一种效率和匹配率均较高且存储空间小的基于特征描述子的指纹识别算法,实现了指纹匹配且可应用到嵌入式系统。由于自动指纹识别系统一般在嵌入式系统上实现,对算法的复杂度、运算速度、存储空间需要等均有较高要求,因此选用普遍使用的基于细节特征的匹配算法。该算法运算速度快,一幅300×300像素的指纹图像,仅需几十个特征向量。实验证明,算法克服了点匹配计算量大、速度慢和参考点确定难等缺点,且对图像的旋转和平移具有较好的鲁棒性。可以使基于特征描述子的随机局部区域描述子特征的匹配性能进一步提高。

基于一种快速鲁棒特征描述子的图像匹配

基于一种快速鲁棒特征描述子进行图像特征点之间的匹配。此方法基于积分图像,使用快速Hessian检测子来提取图像特征点。对每个特征点,通过计算Haar小波,来寻找它的主方向。然后构造窗口区域,以主方向和与主方向垂直的方向上的小波和来描述特征点。最后以特征描述向量的距离为标准寻找不同图像之间的特征匹配。

基于非抽样Contourlet域的局部特征描述子

为了得到鲁棒性较强的局部特征描述子,提出一种基于非抽样Contourlet(NSCT)域的局部特征描述子,该局部特征描述子在构造的过程中不需要估计主方向。首先,利用Hessian-Affine算子进行区域检测并进行规范化处理;其次,对规范化处理后的区域进行NSCT分解,得到不同尺度、不同分辨率的多个支持区域;然后,利用亮度序对支持区域进行划分;最后,对每个子区域进行描述并将每个区域的描述向量串联在一起,得到最终的特征描述子。大量的实验结果表明,提出的描述子在图像模糊变换、视角变换、仿射变换、线性亮度变化和JPEG压缩变换下具有良好的性能。

基于特征描述子的视频对象分级分割和跟踪算法

不同的视频应用对视频对象的分割和跟踪的速度和精确度具有不同的要求。提出了一种视频对象的分级分割和跟踪框架,基于视频对象特征描述子算法可以实时地分割和跟踪视频对象,基于区域特征描述子算法对分割的视频对象进一步细化,提高空域准确性。该框架可以满足各种视频应用。

一种基于分布的形状特征描述子

形状特征描述在基于内容的图像检索与识别研究中具有重要地位,文中对图像检索及识别中常用的形状描述进行了介绍。提出一个新的基于区域中心分布的方案来对图像形状特征进行描述,该描述子以待识别对象的区域二值图像的中心点为圆心,将各点到圆心的距离进行规范化处理,统计落入以区域中心为圆心的各环内的点数与总像素点数n的比例,从而形成一个基于中心分布的形状特征向量。经过数学证明该描述方案提取的形状特征具有缩放、旋转和平移不变性。文中通过使用该方案提取的图像特征进行图像识别检索实验,取得了理想的实验结果,说明了它是一个有效的图像区域形状描述子。

基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.