基于Gaussian-Hermite矩的图像局部特征描述与匹配研究

图像局部特征描述一直是图像配准与图像检索中极为重要的一部分。本文深入研究Gaussian-Hermite矩及其旋转不变矩的性质,根据尺度因子不影响其旋转不变性的特点,提出基于多尺度Gaussian-Hermite矩的图像局部特征描述方法,并通过实例与现有的特征描述方法进行详细比较。实例结果表明,所提出的方法具有更强的特征描述能力。

正交Gaussian-Krawtchouk不变矩的构建及在图像匹配中的应用研究

针对基于几何矩及不变矩的图像特征描述存在信息冗余,计算复杂,图像表征能力不强等问题,本文深入研究了正交的Gaussian-Krawtchouk矩及其不变矩的表达形式。依据不同的尺度因子特点,提出了基于多尺度Gaussian-Krawtchouk不变矩的图像局部特征描述方法,并用于五种不同类型图像的特征匹配。实验结果表明,这种不变矩较其他传统的特征描述方法具有更好的图像表征能力,更强的数字稳健性。该不变矩用于图像匹配是有效可行的,具有良好的实用价值。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

一种多特征融合的外观设计专利图像检索方法

提出一种多特征融合的外观设计专利图像检索方法。采用Hu不变矩和高斯描绘子两种算法描述图像形状特征;采用加权法融合形状特征和Gabor小波提取的纹理特征;用Adaboost算法进行相关性反馈。实验结果表明,提出的方法可以有效地实现外观设计专利图像的检索。

基于高斯颜色模型和SVM的交通标志检测

针对我国交通标志的特点,提出一种基于高斯颜色模型和机器学习的快速交通标志检测算法,解决了单纯采用颜色模型或单纯采用分类器检测误差较大的问题。先对直方图修正后的标志图像使用高斯颜色模型分割,并对分割后的图像进行形态学处理,初步提取出候选交通标志,最后将标志的HOG描述子和SVM结合训练出分类器,使用该分类器进行标志的精确检测。实验结果表明,该算法能有效地提高检测精度,降低误检率,对光照、旋转、部分遮挡等不良条件下的交通标志检测具有较优的稳定性和准确性,且满足实时性要求。

不同分辨率图像的角点匹配方法

针对不同分辨率图像的匹配问题,提出了一种利用高斯金字塔的一对多角点匹配方法.采用一种变形的特征描述算子(SIFT)对角点附近的图像区域进行特征提取,根据提取出的特征向量进行角点匹配,并提出一种简单有效的抽样一致性算法以剔除错误匹配点对,最后在一对多角点的匹配结果中选出最佳的匹配作为最终的角点匹配结果.实验结果表明,该算法能有效地克服分辨率的差异给匹配带来的困难,算法简单,可靠性好.

融合Contourlet和高斯描绘子的图像检索方法

提出一种基于纹理特征和形状特征融合的图像检索方法。采用Contourlet变换提取纹理特征,高斯描绘子提取形状特征,并对两种特征进行融合,最后结合Adaboost算法进行相关性反馈。实验结果表明,所提出的融合方法在图像检索的综合性能上优于Contourlet方法以及基于Gabor小波和高斯描绘子的融合方法,能够有效地实现外观专利设计图像检索。

一种新的形状特征——高斯描绘子

为了有效和正确地反映物体的形状特征,构造了一种基于物体轮廓曲线的新的不变量,即高斯描绘子。构造思路主要有两点:第一,定义一个具有平移、尺度不变性的函数——高斯势函数;第二,分别计算高斯势函数在8个同心圆上的平均值,从而获得8个不变量。相对其他的形状特征描述法,这些不变量不仅关于平移、旋转、尺度和反射不变,而且具有识别/匹配率高、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将这8个不变量应用于物体识别,实验结果表明,高斯描绘子的确具备上述优点。

基于Laplacian的局部特征描述算法

为了更好地兼顾特征描述子的鲁棒性和生成复杂度,提出了一种基于Laplacian的局部特征描述算法。分析说明了Laplacian不仅对图像的欧氏变换、缩放及亮度线性变化具有较好的性质,而且能够反映图像的局部结构特征。据此利用高斯型拉普拉斯变换响应建立了一种64维特征描述子,并将该特征描述子应用于特征点匹配。匹配实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化和较小视角变化等多种变换条件下,该描述子不仅能够取得较好的匹配效果,而且匹配速度是尺度不变特征变换(SIFT)的4倍以上。该算法适用于实时性要求较高,存在旋转、尺度缩放、亮度差异、图像压缩变换以及视角变化不大的结构图像间的匹配。

基于邻域结构和高斯混合模型的非刚性点集配准算法

非刚性点集配准算法在实际应用中要求对噪声、遮挡或异常点具有很好的鲁棒性。该文采用高斯混合模型并结合点的邻域结构信息实现非刚性点集配准。使用高斯混合模型表示模型点集,通过高斯径向基函数构建变换模型。并根据点的邻域结构信息决定高斯混合模型中每个高斯组成部分所占的比例。在EM算法的期望步(E-step)阶段求解点的对应关系,在最大化步(M-step)阶段求解异常点比例系数和变换的闭合形式解,直至算法收敛得到最优解。通过在合成数据和实际的视网膜图像上的实验,与目前几种先进的点集配准方法进行了比较,证明该算法具有较好的配准效果和鲁棒性。

基于DPM的自然场景下汉字识别方法

自然场景下,汉字背景复杂且形态各异,导致传统识别方法中的文本定位与文本矫正过程难以进行。为了避免这些问题,采用物体识别方法中的可变部件模型(DPM)进行识别。该方法将汉字视为物体类,训练其对应的参数模板,然后采用滑动窗口的方法遍历待检测图片,以判断图片中是否存在目标汉字。实验表明,该方法对简单独体汉字有较好的检测效果,但对于多笔画复杂汉字,由于模型自身结构特点,效果并不明显。

利用高斯描绘子进行字符识别

高斯描绘子是一种基于边缘的形状特征,具有识别/匹配率高、相对于平移、旋转、尺度和反射不变、计算量小、对适度的边缘变动和噪声不敏感以及适用范围广等优点。将高斯描绘子用于字符识别,并与另一种基于边缘的特征轮廓矩不变量Hu矩的推广和改进进行比较。实验结果表明,高斯描绘子有很好的识别效果。

基于强独特性二进制描述子的无人机目标识别算法

针对基于传统特征描述子独特性低导致误匹配率高、图像匹配效果较差的问题,提出一种基于强独特性二进制描述子的无人机目标识别算法。算法首先通过对比BRISK和FREAK采样模型,确定了影响描述子性能的模型参数,然后通过理论建模选取参数最优值,最后根据人眼视网膜细胞的分布特性构建改进模型。在此基础上,结合图像灰度排序信息和高斯平滑获得多组子图像,将采样模型映射其中生成描述子,通过计算筛选得到其中具有强区分性和低相关性的特征描述子。对比实验表明基于本文算法不仅可以更好地克服无人机侦察图像中各种尺度、视角、旋转、光照和噪声等变换的影响,而且满足战场应用中实时性的要求。

扩展高斯图像聚类的缺失点云配准

针对局部缺失点云配准时精度不高和收敛过慢等问题,提出了一种基于扩展高斯图像聚类的快速点云配准算法。通过将点云映射到扩展高斯图像中进行聚类后逆映射实际点云获取待配准的子点云,进而规避局部缺失带来的干扰;此外,为提高计算效率和配准精度,采用距离-曲率描述子查询对应点对进行奇异值分解进行粗配准,并结合迭代最近点精配准算法实现点云配准过程。实验结果表明,该算法对于局部缺失点云具有较高精度(均方误差相对于结合ICP的传统算子FPFH降低了近17.9%),且相比其它算法有一定的速度优势(耗时相对于结合ICP的SHOT算子加速了近32.5%)。该算法可以有效的运用在局部缺失点云的位姿识别中,从而可以被广泛地应用于工业现场中三维物体的快速识别定位。

基于DOG特征点的序列图像匹配算法

针对实时匹配的要求,提出一种基于DOG特征点的快速图像匹配算法,用以匹配只存在平移和较小旋转的序列图像。该算法通过求高斯差分算子在尺度空间上的局部极大值和极小值提取特征点,然后根据圆旋转不变特性生成20维的旋转不变特征描述子,并充分利用特征点的区域特征和灰度特征进行匹配,最后根据序列图像对应特征点之间的距离基本保持不变的特性剔除错误的匹配点。实验结果表明该算法快速有效,而且对噪声影响不敏感,具有很强的实用性。

电力巡线无人机航拍图像匹配算法研究

基于局部特征的图像匹配算法是电力巡线无人机航拍图像匹配算法中最为实用的一种方法。针对传统匹配算法构建尺度空间会致使图像边缘信息丢失或者效率较低等问题,提出一种基于高斯曲率尺度空间的航拍图像匹配算法。借助高斯曲率滤波器构建一阶尺度空间,利用FAST算法提取特征点并选择特征采样区域,再以对特征采样区域建立二阶尺度空间并提取二阶尺度空间层内LIOP描述符,随后二阶尺度空间两两层LIOP描述符做差值并二值化处理,累加二值化值得到ASV-LIOP描述符完成匹配。在航拍图像上,使用SIFT、ORB、KAZE、AKAZE、改进KAZE等算法与所提对比实验,实验表明,所提算法正确匹配率平均提高5%左右,匹配效率约降低50%,可应用对稳定性要求较高且实时性较低的场景。

区域高斯描绘子及其在物体识别中的应用

为了对几何变形的图像进行正确和有效的识别,对基于物体轮廓的高斯描绘子进行推广,构造了一种基于区域的新的不变量——区域高斯描绘子。构造思路主要有两点:①定义一个具有平移、尺度不变性的函数——区域高斯势函数;②分别计算区域高斯势函数在8个同心圆上的平均值,从而获得8个不变量。这些不变量不仅具有平移、旋转、尺度和反射不变性,而且对噪声不敏感,适用范围广。将区域高斯描绘子应用于物体识别,获得很高的识别率。

抑制光照不均匀影响的图像特征点提取算法

为解决在光照不均匀情况下图像特征点提取算法表现效果不佳的问题,提出了一种改进的尺度不变特征转换(Scale Invariant Feature Transform,SIFT)算法抑制光照不均的影响。该方法在尺度空间构造中对输入的图像进行频域上的高斯高通滤波处理来滤除光照成分,并结合Top-hat变换弱化高斯滤波器参数选取难度,利用高斯卷积构建基于光照滤除与参数弱化的高斯差分金字塔,融合SIFT算法生成具有良好光照不变性的GT-SIFT描述子,进行特征点提取与匹配。实验结果表明,与传统算法相比改进算法在光照不均匀条件下具有更好的鲁棒性,图像特征点提取与匹配效果更好。

基于高斯分布的强独特性描述子采样模型研究

针对基于传统采样模型的特征描述算法鲁棒性不高的问题,建立一种基于高斯分布的强独特性描述子采样模型.首先通过对比BRISK和FREAK采样模型,确定了影响描述子性能的模型参数;然后通过理论建模分析参数对模型性能的影响规律,选取最优值参数以达到信息含量最优、独特性最强的目的;最后根据人眼视网膜细胞的分布特性构建改进模型.实验结果表明,基于改进模型的描述算法不仅可以更好地克服图像中各种尺度、旋转、视角和噪声等变换的影响,而且完全满足实时性要求,其鲁棒性与BRISK和FREAK采样模型相比分别提升9%和5%.

基于异构描述子的新型高斯混合模型图像自动标注方法

过去几十年以来,各种图像标注算法相继提出。这些方法要么需要很大的计算量,要么标注效果不理想。论文提出了一种基于异构描述子的新型高斯混合模型图像语义自动标注方法。本文的高斯混合模型是采用异构空间来构建的,不同于其他的高斯混合模型。对于每个标注词,在多个特征空间下分别用高斯模型来描述,形成对应子空间的"标注词分描述子"。由于各个分描述子描述不同标注词的能力有很大差别,因此通过机器学习的方法来融合这些分描述子,形成更加有效的"标注词描述子",从而提高标注的准确率。论文提出的"标注词描述子"可以有效地建立图像高层语义概念与底层视觉特征之间的对应关系,准确地描述标注词的语义内容,从而提高图像的标注性能。通过在COREL数据集上的测试表明了方法的有效性。