融合FAST特征选择与ABQGSA-SVM的网络入侵检测

为进一步提升网络入侵检测效果,提出一种融合FAST特征选择与自适应二进制量子引力搜索支持向量机的(FAST-ABQGSA-SVM)网络入侵检测算法。利用FAST算法过滤掉原始特征集中冗余无关的特征形成候选特征子集,基于组合优化策略采用自适应二进制量子引力搜索算法对候选特征子集与SVM分类器参数进行组合优化。在ABQGSA反复学习寻优过程中,采取动态自适应波动式调整策略更新量子旋转角以平衡算法全局搜索能力和局部搜索能力;同时为提升算法的自适应变异能力,设计与进化程度及个体适应度值相关的自适应变异概率,当种群进化出现停滞时及时引入量子位离散交叉操作帮助种群摆脱局部极值。通过KDD CUP 99仿真实验表明,所提出的FAST-ABQGSA-SVM算法较其他同类型检测算法具有更好的鲁棒性、学习精度以及检测效果。

基于FAST特征的快速图像拼接系统研究

随着应用需求的增多,图像拼接技术已经成为虚拟现实技术、计算机视觉技术、计算机图形学以及视频处理等领域的一个重要研究课题。主要以FAST特征为核心,提出了一种基于FAST特征的快速图像配准系统。该系统首先通过FAST特征进行配准,然后通过改进的RANSAC算法增加配准准确率,最后通过加权融合完成图像拼接。实验表明,该系统有较好的适应性和稳定性,对图像的旋转、仿射变换均不敏感,能够较好地完成有重叠区域图像的拼接工作;同时该系统有较大的速度优势。

基于对称FAST特征的车辆目标检测方法

针对动态复杂环境下车辆目标识别和定位问题,提出一种基于对称FAST特征的车辆目标识别方法.利用车辆的对称特征,采用水平镜像矩阵构造FAST特征描述矢量,检测具有对称特性的FAST特征点对,以此为车辆特征聚类的约束条件,确定车辆中心线位置,并结合车辆底部阴影特征对车辆目标进行识别和定位.实验结果表明,该方法提取的目标车辆区域位置准确,平均检测准确率高达93.2%.

基于FAST特征点配准与概率模型匹配的工件图像拼接算法

为了解决当前工件图像特征点不明显且数量有限,导致拼接不准确且实时性不高的问题,本文分别从特征角点检测和图像特征匹配的角度出发,提出了基于FAST特征点配准与概率模型匹配的工件图像拼接算法。首先,根据Fast特征点模型,进行特征点检测和单应性矩阵计算,实现相邻图像特征点的配准。然后,基于随机抽样一致性原则与匹配正确度概率模型,对待拼接图像进行匹配,达到准确快速拼接图像的目的。最后,基于软件编程平台Visual Stadio实现算法。实验测试结果显示:与当前普通图像拼接技术相比,本文算法拥有更高的准确性与实时性。

改进FAST特征点支持下的实时影像地标匹配算法

针对图像匹配技术中匹配时间与匹配精度不能同时满足要求的问题,提出一种基于特征点匹配的方法,利用随机森林分类器实现地标的匹配,将匹配问题转化为简单的分类问题,大大简化了计算过程,保证影像匹配实时性;采用FAST特征点表示影像地标,利用高斯金字塔结构以及仿射增强策略改进FAST特征点的尺度和仿射不变性,提升影像地标匹配率。将实验结果与尺度不变特征变换(SIFT)算法和加速鲁棒性(SURF)算法进行比较。实验结果表明在尺度变化、发生遮挡以及旋转情况下,匹配率能达到90%左右,保持与SIFT算法和SURF算法相近的匹配率,并且匹配时间相较其他两种算法减少了一个数量级,能有效地对影像地标进行匹配,匹配时间也满足实时影像地标匹配要求。

基于FAST特征的智能安全帽静态报警方法的研究

目前有关智能安全帽大多只是关注工作人员是否佩戴安全帽和他们的异常操作,而对作业人员本身的异常状态则基本忽略,针对上述现状,文章提出了一种基于FAST特征的智能安全帽报警方法,检测佩戴智能安全帽人员的非正常状态(晕厥、猝死等静止状态)并进行报警。利用智能安全帽上搭载的摄像头采集图像数据,使用FAST特征检测算法快速提取特征,然后比较2幅图像的特征是否匹配,以此检测当前安全帽是否处于静止状态。实验结果表明,这种基于FAST特征检测的方法能够有效判断佩戴智能安全帽的人员是否处于静止状态,从而进行报警,在工人单独作业的情况下有较高的实用价值。

基于CUDA与FAST特征的实时机场全景图像拼接并行算法研究

文章提出了一种基于CUDA与FAST特征的全景图实时生成方法。针对相邻图像的无缝拼接,设计了一种基于动态规划缝合线与三角函数的方法。以贵阳机场全景视频监控系统开发过程中采用的全景拼接技术开发过程中的实验,采用了基于四路摄像头图形的全景拼接构成,由于民航业对图像实时性,准确性要求高,实验通过包括柱面投影,图像特征码抽取和图像耦合,图形梯度变化等进行了同步优化整合,实验成果指出通过本实验构建的算法及平台,有效的在保证图像全景生成实时性的基础上,提升了图象耦合部位的可视性和可用性。

基于Oriented FAST和MAD的特征匹配图像自动配准

针对双目摄像机所获取的两幅具有平移变换的图像提出了一种基于Oriented FAST和平均绝对差值法(MAD)进行特征匹配的自动配准算法。应用FAST特征提取算法检测图像中的角点、边缘特征,并应用灰度质心计算每个特征点的方位角,使用方位角作为特征描述符筛选出待配准图像的候选匹配点队列,然后利用MAD对特征点邻域进行匹配,后续处理采用交叉过滤、随机采样一致算法(Random Sample Consensus,RANSAC)去除误匹配点并求出两幅图像的仿射变换矩阵。实验结果表明,该算法可以准确高效地实现两幅图像的自动配准。

基于FAST-SURF的移动端实时特征检测匹配算法

针对移动终端自然特征提取和匹配的处理能力不足,提出了一种基于FAST-SURF特征检测匹配的简化算法,采用FAST算法检测自然特征点,再采用简化过的SURF算法计算特征点的方向,并建立特征描述符,然后将建立好的特征点描述符与数据库中的特征描述符进行匹配。实验结果表明,该算法处理图像花费时间短,在移动端能实时处理自然特征检测与匹配。

基于改进FAST检测的ORB特征匹配算法

针对ORB(oriented FAST and rotated BRIEF)特征匹配算法在实时性要求较高领域效果不佳以及在复杂光照环境下匹配精确率较低的问题,提出了一种基于改进FAST(features from accelerated segment test)检测的ORB算法。首先,对待处理的灰度图像进行分类,剔除掉部分灰度变化率较低的区域,然后提取FAST特征点并计算描述子,最后采用汉明距离完成匹配。此外,在提取FAST特征点时,设计了一种自适应半径,利用图像对比度自适应调整检测半径,当图像对比度突变时依然能够保证期望的特征点数量。实验结果表明,改进后的ORB算法匹配时间缩短了16.47%,大幅提高了在复杂光照环境下的匹配精确率,具有较强的鲁棒性和实时性。

基于稀疏特征点的零件图像拼接方法

针对纹理弱、特征稀少且存在大量相似性区域的零件图像拼接,一般基于特征点的图像拼接方法效果较差,本文提出一种改进方法。该方法首先依据FAST特征点检测方法提取特征点,再筛选出用于匹配的候选点集;其次,利用模板区域采样灰度特征,通过设置旋转角度和缩放比例搜索域结合结构相似性(SSIM)方法完成点匹配;最后,通过点匹配结果求出旋转、缩放和平移参量,利用3σ原则去除异常值得到最终结果。实验结果表明,在角度搜索域为[-45°,+45°],缩放搜索域为[0. 5,1. 5]的条件下,本文方法能够得到较准确的旋转、缩放、平移参量及拼接效果。

变圆域罗盘特征图像匹配

针对现有图像匹配算法特征算子计算复杂度高,关键点描述过程中点对选取存在不确定性等问题,提出了变圆域罗盘特征匹配(VCDCM)方法。该方法首先利用罗盘检测法对图像进行关键点检测,采用变圆模式接受域选取理想点对,根据接受域内点对之间的距离将点对分为长点对集和短点对集;然后用长点对集描述关键点方向,短点对集构建关键点描述符。最后采用Hamming距离代替传统的欧式距离进行匹配,并采用随机抽样一致(RANSAC)方法精炼匹配点以避免由于噪声和物体位置移动等原因产生的误匹配。从鲁棒性和实时性两个方面对本文提出的方法与尺度不变特征变换(SIFT)和二元加速鲁棒特征(BRIEF)方法进行了对比试验分析,实验结果表明,本文提出的方法具有匹配速度快、准确性高、稳定性好等特点。

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。

基于特征点筛选的实时视频拼接算法

针对实时视频采用单一图像特征的拼接方法难以兼顾速度和质量的问题,提出了一种实时视频快速拼接算法。综合运用图像区域二值化(LBP)纹理特征与加速健壮特征(SURF),优化了特征点提取和匹配过程。在采用加速分块特征检测(FAST)算法提取角点的基础上,先采用改进LBP特征对备选特征点进行粗匹配,再提取SURF进行精细匹配。通过2次筛选有效降低了后续特征提取的备选点数量,并减少了匹配计算的次数和维度,从而提高了总体运算速度,可满足一定分辨率下实时视频拼接要求。

基于改进ORB算法的数字化纸张产品建模及图像识别

文章将经过改进的ORB算法应用于数字化纸张产品建模及其图像识别,并基于Unigraphics NX软件和相关的数字化技术进行纸张数字化信息图像建模,通过Unigraphics NX所内置的仿真模块获取纸张图像,进而详细介绍了数字化纸张中信息识别的具体方法。

基于深度视觉原理的液压支架护帮板收回姿态测量方法研究

为了解决液压支架护帮板在收回过程中的空间姿态测量问题,提出了一种基于深度视觉原理的多传感器融合护帮板空间姿态测量解决方案。该方案通过FAST算法提取特征点,采用领域搜索算法优化特征点,基于护帮板姿态解算模型采用深度相机和倾角传感器相融合的方式进行姿态解算。结果表明:特征点在经过模型优化后,准确度提升25%,液压支架护帮板偏航角的平均解算误差为0.68°,横滚角的平均解算误差为1.31°,俯仰角的平均解算误差为0.82°,护帮板空间姿态角度解算最大误差为1.91°,护帮板空间姿态角度解算最小误差为0.57°,满足井下护帮板姿态检测要求。该方法不易受到环境的干扰,便于获取护帮板在三维空间中的姿态,不但可用于液压支架护帮板空间姿态测量,而且在其他领域视觉测量技术中也具有较好的普适性。

基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。

基于定点航拍图像序列的运动目标跟踪方法

定点航拍图像序列不仅包括目标物的运动信息,同时包括外界环境干扰或自身抖动信息。针对航拍图像序列的背景抖动,对前后帧进行Fast特征点检测匹配,并对当前帧进行仿射变换至前帧的参考坐标系中;针对航拍图像序列中的运动目标,采用Kalman滤波来预测运动信息,设置置信度区间减少Meanshift目标检测迭代的次数。仿真表明:结合Fast特征点的背景运动补偿与改进的Meanshift目标跟踪方法,可有效地补偿外界扰动或自身抖动对航拍图像序列的影响,并对目标物进行快速的跟踪。

基于智能视频分析的区域式客流计数算法

在客流计数的实现方法中,计算机视觉方式具有实时、准确、抗干扰能力强和经济适用的优势。比较常用客流计数算法,并针对铁路车站等与公共交通有关的人员密集场所提出基于智能视频分析的区域式客流计数算法。实验表明:基于智能视频分析的区域式客流计数算法具有良好的环境适应性,在系统配置要求不高的条件下准确率高,易于操作,实时性强。

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。