髌股疼痛综合征患者神经肌电活动比率与Merchant匹配角的相关性

目的:研究应用肌电生物反馈仪测量的髌股疼痛综合征(PFPS)患者的神经肌电活动比率与CT测量PFPS患者的髌骨倾斜角、Merchant匹配角的相关关系。方法:本实验收集山西大医院髌股疼痛综合征患者32例(其中女22例,男10例),应用肌电生物反馈治疗仪评定神经肌电活动比率[股内侧斜肌(VMO)/股外侧斜肌(VL)],行膝关节CT检查,测量患者髌骨倾斜角和Merchant匹配角。患者经肌电生物反馈疗法治疗5周后再次测量上述3个数值,并对数据进行统计分析。结果:32例PFPS患者治疗前CT图像Merchant匹配角和治疗前VMO/VL基线值之间的相关系数为-0.470(P<0.05),为中度相关关系,治疗前CT图像Merchant匹配角和治疗前VMO/VL动态值之间的相关系数为-0.447(P<0.05),为中度相关关系;治疗后CT图像Merchant匹配角与治疗后VMO/VL基线值之间的相关系数为-0.51(P<0.05),为中度相关关系,治疗后CT图像Merchant匹配角与治疗后VMO/VL动态值之间的相关系数为-0.604(P<0.05),为中度相关关系。32例PFPS患者治疗前、后CT髌骨倾斜角与治疗前、后VMO/VL基线值和动态值之间均无相关关系(P>0.05)。结论:应用肌电生物反馈仪测得的神经肌电活动比率可以反映髌骨移位的程度,但不能反映髌骨倾斜的程度,可以间接作为PFPS的诊断和疗效评价指标之一。

基于凹凸性和转向角的古陶瓷碎片二次匹配算法

碎片拼接是古陶瓷修复的关键工作,针对古陶瓷碎片形状随机、数量大、表面纹理弱且存在局部缺损而导致算法的精度较低、匹配时间较长等问题,提出一种基于凹凸性和转向角的古陶瓷碎片二次配算法。在提取古陶瓷碎片轮廓曲线的基础上,通过先后使用粗匹配和细匹配的二次匹配组合实现碎片的两两精确匹配。一次粗匹配先通过多边形逼近碎片轮廓曲线,以降低轮廓的复杂性,再提取多边形的顶点凹凸性和顶点转向角构建一次轮廓特征集合,最后利用凹凸互补性和遍历顶点对齐的双模态特征初次匹配算法来寻找大致匹配段,并得到粗匹配点集。二次细匹配先随机选取粗匹配点集中的任意相邻两点点对来提取碎片轮廓片段,以减少轮廓点数量并提高算法效率,再计算轮廓片段的轮廓转向角以提取二次轮廓特征集合,最后利用基于粒子群优化的二次匹配来搜索精确匹配段,并得到细匹配点集。实验结果表明,该算法对二维古陶瓷碎片的拼接效果较好,且具有较强的鲁棒性,拼接误差不超过2%,运行时间效率相比已有算法提高了8%~20%。

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系,并在此基础上提出一种基于角点检测的图像匹配算法,成功地应用于图像拼接中.该算法将角点作为图像的特征点,并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选,有效地剔除了不匹配的角点,保证了匹配精度,同时避免了传统算法中进行模板匹配的繁重计算,大大提高了匹配速度.图像拼接实验验证了本文算法的快速、准确和稳定的特性.

基于角点特征值和视差梯度约束的角点匹配

提出了一种基于角点特征值的角点匹配快速算法,并利用视差梯度约束去除误匹配的结果。首先把提取角点时得到的角点特征值作为匹配的一个约束,提高了基于灰度相关的角点粗匹配运算的速度,然后利用视差梯度约束对粗匹配的结果进行求精运算,去除误匹配的结果,实验结果证明了该算法的有效性。

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法。首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配。实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果。

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi-Tomasi角点检测的特征匹配算法。依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配。将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97%左右,匹配精度和速度均优于传统匹配算法。

一种基于Harris角点特征精确匹配的图像拼接方法

提出了一种基于Harris角点特征的精确匹配方法。该方法首先提取参考图像及待拼接图像中各自的Harris角点点集,并计算出这2个点集间每对点的圆形邻域图像的相关系数;再通过提取各个角点邻域的Hu矩特征,获得了该特征下每对点的相似程度。将不同特征下的相似度进行归一化并融合,构造出2个点集间,每对点的相似度表。在此表的基础上,优化匹配结果,使得匹配点对的总体相似程度高,从而得到精确匹配。由于Hu矩特征具有旋转及尺度不变性,因此提取出的角点特征能够较好地抵抗常见的图像变换。最后,实现了一套包括图像预处理、图像对齐与匹配等诸多模块的图像拼接系统。通过实际操作表明,该方法的图像拼接效率较高,有较好的鲁棒性。

基于Delaunay三角化的有效角点匹配算法

基于同一幅图像角点集Delaunay三角形网的唯一性和相同场景不同视角图像角点的Delaunay三角形网的相似性,本文提出了一种改进的SUSAN角点检测算法和基于Delaunay三角化的角点匹配算法,同时提出了一个模糊阈值的三角形相似度计算方法。对实际图像的实验结果表明了本文的算法对有视角变化的平移、缩放和旋转图像的有效性。

基于Harris角点和SURF特征的遥感图像匹配算法

Harris是一种高效的角点检测算法,但不具备尺度不变性。SURF(speeded-up robust features)算法虽然能很好地解决图像尺度变化问题,但是在特征点提取方面没有Harris稳定。针对Harris和SURF两种算法的特点,提出一种新的Harris-SURF特征点提取算法。首先用Harris算法检测图像角点,再用SURF算法提取图像特征点;然后合并角点和特征点,并剔除重复点获得新的特征点集,确定新特征点的主方向并生成特征描述符,再对图像使用比值法进行初匹配;最后利用RANSAC剔除错误匹配点实现精确匹配。实验结果表明,该算法对图像存在旋转、缩放、光照及噪声变化有较强的鲁棒性,同时提高了运行效率。

基于角点检测的高精度点匹配算法

针对多光谱、多传感器遥感图像的自动配准,本文提出新的基于角点检测的高精度点匹配算法。该算法充分利用图像的点特征以及灰度和位置信息,先由Harris算子检测得到待匹配的角点集合,随后采用局部灰度相关进行粗匹配得到多对多匹配对,然后进行迭代由精匹配得到一对一的匹配对,最后利用角点间距离比进行全局一致性检测,进一步保证匹配的准确率。初步实验表明,本算法对于存在仿射变换的遥感图像可以精确自动匹配,其精度和速度都优于传统的点匹配算法。

一种基于角点匹配的视图合成方法

提出了一种基于角点匹配的视图合成方法,其基本思想是:首先,利用SUSAN方法分别提取样本图像对的角点;然后,基于归一化协方差相关准则和双向匹配方法确定样本图像对之间最佳的匹配角点集;再利用匹配角点集确定基本矩阵;最后利用基本矩阵完成视图变形。该方法合成视图无需相机参数或其他几何信息,无需人工指定对应点,合成过程实现了全自动,消除了视图合成过程所需的用户工作以及人为因素对视图合成效果的影响。

光谱角匹配加权核特征空间分离变换高光谱异常检测算法

提出了一种光谱角匹配(SAM)加权核特征空间分离变换(KEST)高光谱异常检测算法.在基于核的特征空间分离变换(KEST)算法基础上,利用光谱角匹配(SAM)测度对高维特征空间中检测点邻域差异相关矩阵(DCOR)中的每个样本引入权重因子,各样本权重因子取决于该样本光谱向量与检测窗口数据中心向量夹角,从而抑制检测窗口中的病态数据,突出主成分数据的贡献,使得DCOR矩阵能够更好地描述目标、背景数据分布差异.通过理论分析和对模拟、实际数据实验比较,证明该算法较传统异常检测算法和KEST算法具有更高的检测率.

一种基于角点提取的遥感影像地面控制点自适应匹配算法

提出基于特征角点的控制点自适应匹配算法：依据图像数据灰度特征自动确定相应阈值,从基准影像上提取控制点,采用动态模板进行不等距搜索,确定潜在目标控制点；构建三角网,利用等角变换判别目标控制点；构建仿射变换方程来筛选目标控制点。该算法无需设定灰度相关系数最大值阈值即可判别目标控制点。选取ASTER和TM两种成像差异显著的图像数据,对该算法进行试验,结果表明,该算法可以准确提取有价值的特征角点,具有较高的控制点识别精度和运算效率,具有较强的适应性和应用价值,较之传统匹配算法有明显优势。

基于角点匹配的鲁棒图像镶嵌方法

为了获取场景的宽视场表示,提出了一种鲁棒的图像镶嵌方法。该方法对图像序列中的各个图像进行角点提取,再利用归一化相关方法进行角点的初始匹配。由于初始匹配中包含有大量的出格点,直接采用最小二乘法得不到正确的图像平面间的变换模型参数,为此,采用了鲁棒随机采样算法来估计图像平面间的变换模型参数。该算法能够有效地剔除初始匹配中的出格点,获得精确的匹配点子集。然后利用这些精确匹配的点集来计算变换模型参数,从而实现了图像的正确镶嵌。整个过程无需人工干预,均由计算机自动完成。对真实图像的试验结果表明了该方法的有效性。

大口径KDP晶体角度相位匹配离线测量精度研究

为满足惯性约束聚变(ICF)实验对激光驱动器高效三倍频能力的要求,对离线测量晶体角度相位匹配方案进行了优化。采取的主要优化措施是:提高晶体准直技术能力;降低模拟小口径激光输出变化对测量不稳定性的影响。通过理论分析和对实际测量结果的系统分析,得到了晶体离线测量的不确定度:其中二倍频相位匹配角测量扩展不确定度为15.94μrad,三倍频相位匹配角测量扩展不确定度为27.8μrad,达到了较高的晶体离线测量精度要求。

用于遮挡形状匹配的弦角特征描述

为了在兼顾形状匹配算法的检索率和运算效率的同时实现部分遮挡目标的精确匹配,提出了一种基于弦角轮廓特征的形状描述算法。该算法基于轮廓点的空间位置关系构造每个轮廓采样点的弦角轮廓特征描述子,利用描述子的自包含属性描述开轮廓的形状特征。采用L1度量方法计算两个轮廓点的弦描述子之间的距离,获得匹配代价矩阵。最后利用积分图算法计算匹配代价矩阵的相似度,实现部分遮挡目标的识别。基于MPEG-7形状数据库和Kimia216形状数据库进行了目标识别实验。实验结果表明:该算法对部分遮挡目标具有良好的鲁棒性,而且有较高的运算效率,部分匹配的检索率达到83.63%,提高了19.09%,实验结果优于现有部分遮挡形状匹配算法。该算法较好地满足了遮挡形状的匹配和识别对速度、准确率和抗遮挡能力等方面的要求。

基于边缘与角点相结合的目标提取与匹配算法

针对红外图像与可见光图像匹配困难的现状,提出一种基于边缘与角点相结合的目标提取与匹配算法。首先考虑红外与可见光图像的差异,采用边缘与角点相结合的方法直接提取红外与可见光图像中的目标区域,剔除无效信息。相似性度量采用傅里叶描述子方法。实验结果表明,该算法通过定位显著性区域,有效提升了算法的执行效率与匹配精度,与傅里叶描述子方法和CSS方法相比,新方法匹配准确精度分别提高了27.9%和17.6%;相比于傅里叶描述子耗时减少了39.1%。

一种基于角点引导的快速立体边缘匹配方法

提出了一种新的基于角点引导的快速立体边缘匹配方法.在匹配过程中,为了保证其快速性引入了两种新约束:角点约束与边缘约束.首先,利用匹配的角点信息引导边缘的匹配,对如何利用已匹配的角点引导边缘匹配进行了详细的阐述,同时,在引导过程中提出了只利用8个方向的区域扩张方法,进一步保证快速性.其次,提出边缘约束实现点与点的匹配,使搜索范围仅限制在几个像素内,再利用极线约束实现点的匹配,必要时可结合灰度相关约束.结果表明:该算法取得比较好的匹配效果,引入的两种约束在很大程度上提高了速度和正确率,边缘点匹配的正确率高达97%以上.

一种基于特征角点和动态模板的遥感影像控制点匹配算法

提出了特征提取和灰度相关相结合的控制点匹配算法:应用新算法提取特征角点作为控制点,在模板匹配计算中,采用动态模板进行不等距搜索。试验结果证明,该算法能准确提取特征角点,具有较高的控制点匹配精度和运算效率,有较强的适应性和应用价值。

基于角仿射不变的特征匹配

同一场景的不同图像匹配是计算机视觉中的一个基本问题 ,在诸如三维重建、对象识别和分类、图像配准和相机自校正等应用中 ,特征匹配都是一个关键步骤。为解决三维场景重建问题 ,通过改进目前特征匹配的不足 ,提出了一种基于角仿射不变的特征匹配算法。该方法是使用角作为图像匹配选取的特征 ,通过仿射不变处理来消除图像缩放、扭曲、旋转和平移产生的影响 ,实验表明 ,该算法具有良好的匹配性能 。