基于SIFT的论文图片匹配度对比查重算法

传统论文查重系统往往关注论文的完整性和真实性,但互联网新兴媒体发达时代,新的挑战层出不穷。毕业论文中,特别是平时的课程论文,图像窃取现象十分严重,而目前的查重工具往往不能实现图片查重,需要一个以人工智能图片查重算法为基础的图片匹配度查重系统。SIFT算法以匹配时间短、准确性高、实时性强著称,得到了广泛应用。基于此,总结了目前SIFT及其他相关图片匹配度算法,以平时学生毕业论文、课程中的图片作为实验对象,在充分考虑实践各方面可能性的基础上进行实验检测,利用KNN匹配优化算法,得出最终合适的图片匹配度算法,同时,分析实践中遇到的关键问题,提出改进建议。

一种改进的A-KAZE算法在图像配准中的应用

针对现有图像配准过程中难以保持图像的局部精度和边缘细节的问题,在A-KAZE算法的基础上提出了一种改进的图像特征提取算法AKAZE-ILDB.该算法首先利用非线性扩散滤波方程构造图像金字塔,采用快速显示扩散(FED)求得数值解,得到具有亚像素精度的图像特征点坐标;然后利用改进的LDB(ILDB)描述子构造具有尺度和旋转不变性的图像特征向量,对特征向量采用汉明距离进行KNN匹配;最后基于仿射变换模型计算空间映射参数矩阵来实现图像配准.实验结果表明:在保持相同图像特征匹配正确率的情况下,AKAZE-ILDB算法比A-KAZE算法平均配准时间缩短了300 ms;在配准精度方面,比A-KAZE算法提高了3.7%,比传统特征提取算法SURF匹配正确率提高了29%.

基于MATLAB的可见光室内通信定位仿真

可见光通信是一种在照明的同时能实现通信的一种绿色新技术。本文理论上分析了LED特性以及室内信道传输模型,并用MATLAB软件分别对室内可见光通信光照分布和室内定位进行了仿真研究。利用定位过程分离线采集数据阶段和实时匹配阶段,第一阶段形成数据指纹库,便于定位操作,第二阶段采用KNN匹配算法和卡尔曼滤波的方法定位,有效提高了精度。

基于局部不变特征的牛只个体唇纹识别方法研究

为了改善传统方法牛只个体身份识别的误识别和操作复杂等现象,试验提出了一种基于计算机视觉提取牛唇纹图像局部不变特征来识别牛只的方法,即使用相机拍摄牛唇纹图像制作数据集,收集了51头牛的唇纹图像,每头有5~30张,共475张,对图像进行统一分辨率大小和限制对比度自适应直方图均衡化(contrast limited adaptive histogram equalization, CLAHE)预处理之后,使用关键点阈值为1 150个的尺度不变特征变换(scale invariant feature transform, SIFT)提取图像特征,最后用最近邻(K-nearest neighbors, KNN)特征匹配对牛唇纹图像分类,并比较了图像预处理、关键点数量阈值和SIFT、加速鲁棒特征(speeded-up robust features, SURF)、定向快速旋转(oriented fast and rotated brief, ORB)三种不同特征提取算法对牛唇纹识别准确率的影响。结果表明:使用统一分辨率大小和CLAHE处理牛唇纹图像,并设置关键点数量阈值为1 150个时,SIFT对牛唇纹图像识别效果最好,识别准确率为98.06%,平均反向负惩罚(mINP)为97.95%,置信度(confidence)为90.16%。说明采用计算机视觉识别个体牛身份是有效的,在牛唇纹的图像识别中,唇纹图像预处理、提取关键点的数量和特征提取算法对识别准确率有很大影响。