基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理。核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法。本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准。实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

基于形状描述符的滞回曲线相似性指标的形成

为了形成全面的相似度指标以评价滞回曲线的拟合程度,引入了已广泛用于图像特征提取的形状描述符,并提出了基于这些描述符形成计算数值模拟曲线相对于实验曲线的相似度指标的具体流程.根据该流程,形成了一个基于形状上下文的相似度指标.先计算两曲线滞回圈之间的相似度,再对这些相似度进行加权组合,形成整个滞回环的相似度.为了验证该指标,采用Bouc-Wen模型进行数值模拟研究.改变Bouc-Wen模型的5个参数,并形成51条数值模拟曲线,计算这些曲线相对于中值曲线的相似度与力峰值点、耗能、刚度误差.结果表明,相似度与误差之间的斯皮尔曼相关系数绝对值均大于0.78,有强烈的相关性,从而验证了该指标的可行性和指标形成流程的有效性.

一种基于点云语义图描述符的回环检测方法研究

随着计算机水平和机器人传感器技术的不断进步,移动机器人已逐渐向智能化发展。其中,定位与建图(SLAM)是其定位的关键技术,回环检测是SLAM系统的重要模块。为解决传统回环检测耗时长和效率低等问题,本文提出一种基于点云语义图描述符的回环检测方法,在KITTI里程计数据集00和05序列中进行回环检测性能测试,并与Scan Context、LEGO-LOAM和VFH三种算法进行对比。结果表明:该方法在100%准确率下的召回率和50%召回率下的准确率最高,回环检测性能最好。

LSVSH描述符:高鉴别强鲁棒的点云局部特征统计直方图

三维局部特征描述是三维计算机视觉中的重要任务.现实场景中包含噪声、遮挡和杂波等干扰,使得准确和鲁棒的三维局部特征描述具有很大的挑战性.为提高特征描述的性能,提出一种局部曲面变化统计直方图(local sur-face variation based statistics histogram,LSVSH)描述符.首先设计一种不依赖于局部参考轴(local reference axis,LRA)的新属性(称为曲率属性),增强描述符对LRA误差的稳健性;然后沿径向剖分局部空间,在每个子空间中统计3个角度属性和1个曲率属性生成LSVSH描述符,实现对局部曲面信息的全面稳健描述.在B3R,U3M,U3OR和QuLD这4个数据集上进行大量的实验,结果表明,LSVSH在4个数据集上的RPC下面积(the area under the recall-precision curve,AUCpr)值分别为0.95,0.70,0.54和0.10,优于现有的局部特征描述符的性能;在U3M数据集上的正确配准率和在U3OR数据集上的正确识别率分别达到70%和100%,验证了LSVSH应用于物体配准和识别任务上的有效性.

三种描述符对食源性血管紧张素转化酶抑制二肽定量构效关系研究

为探究血管紧张素转化酶(angiotensin converting enzyme,ACE)抑制肽结构与功能的关系,阐明食源性ACE抑制肽作用机理,该文收集最近报道的血管紧张素转化酶抑制二肽的氨基酸序列及其IC_(50)值,用Z-scales、VHSE和SVHEHS三种氨基酸描述符对ACE抑制二肽的结构进行表征,以氨基酸的疏水性质、立体性质以及电性性质参数作为自变量,ACE抑制二肽的lg(IC_(50))作为因变量,建立ACE抑制二肽的定量构效模型。结果显示基于Z-scales描述符建立的二肽定量构效模型R^(2)为0.8477,Q^(2)为0.8284,模型预测二肽Phe-Phe有较高的ACE抑制活性,预测IC_(50)为1.0499μmol/L,实测IC_(50)为(1.0414±0.0041)μmol/L,预测值与实测值误差为0.0085μmol/L。基于VHSE描述符构建的模型R^(2)为0.8568,Q^(2)为0.8052,模型预测二肽Asp-Trp有较高的ACE抑制能力,预测IC_(50)为1.2160μmol/L,实测IC_(50)为(1.1100±0.0053)μmol/L,误差为0.1060μmol/L。基于SVHEHS描述符构建的定量构效模型R^(2)为0.8581,Q^(2)为0.7453μmol/L,模型预测二肽Ala-Trp有较高的ACE抑制活性,预测IC_(50)为1.0323μmol/L,实测IC_(50)为(1.1290±0.0082)μmol/L,误差为0.0967μmol/L。3种氨基酸描述符均能较为合适地对ACE抑制二肽进行定量构分析。通过模型分析发现ACE抑制肽C端氨基酸残基疏水特性和立体特征与其活性关系更为密切,其氨基酸残基的疏水特征和立体特征越强,ACE抑制肽的活性越强。通过3种ACE抑制二肽与ACE蛋白(2X8 J)进行分子对接发现,3种ACE抑制肽均可与ACE蛋白进行结合。表明通过偏最小二乘法对Z-scales、VHSE、SVHEHS三种描述符对ACE抑制二肽构建定量构效关系模型是可行的。这将对ACE抑制肽的检测、预测和筛选具有积极的意义。

基于氨基酸描述符对血管紧张素转化酶抑制五肽定量构效关系分析

本研究收集近些年报道的血管紧张素转化酶(angiotensin converting enzyme,ACE)抑制五肽的氨基酸序列及抑制活性(半抑制浓度(half maximal inhibitory concentration,IC_(50))),建立ACE抑制五肽肽库,并将其氨基酸残基用Z-scales、VHSE和SVHEHS氨基酸描述符分别进行表述,以氨基酸残基的疏水性、立体性以及电性参数作为自变量,ACE抑制五肽的lg IC_(50)作为因变量,利用Matlab软件用偏最小二乘法建立ACE抑制肽定量构效关系(quantitative structure-activity relationship,QSAR)模型,结果发现基于Z-scales描述符构建的ACE抑制五肽QSAR模型R2为0.6411,Q^(2)为0.5369,模型预测五肽Gln-Arg-Pro-Asn-Met具有较高的ACE抑制活性,预测IC_(50)为0.0517μmol/L,实测IC_(50)为(0.0400±0.0083)μmol/L,预测值与实测值误差为0.0117μmol/L;基于VHSE描述符构建的QSAR模型R2为0.7636,Q^(2)为0.5081,模型预测五肽Leu-Arg-Ala-Phe-Gln具有较高的ACE抑制活性,预测IC_(50)为0.0438μmol/L,实测值为(0.0273±0.0053)μmol/L,误差为0.0165μmol/L;基于SVHEHS描述符构建的QSAR模型R2为0.8405,Q^(2)为0.4005μmol/L,模型预测五肽Tyr-Phe-Pro-Phe-Gln具有较高的ACE抑制活性,预测值为0.0055μmol/L,实测值为(0.0312±0.0042)μmol/L,误差为0.0257μmol/L。3种建模方法对比发现,基于SVHEHS描述符构建的模型拟合能力最强,但是其预测能力较弱,而Z-scales和VHSE描述符所建模型能很好地对五肽进行QSAR分析,通过模型分析发现ACE抑制肽活性与其氨基酸的疏水特征呈负相关,与立体特征呈正相关。将3种ACE抑制肽与ACE蛋白(2X8J)进行分子对接,结果表明3种ACE抑制肽均可与ACE蛋白进行结合。本研究可为开发ACE抑制肽药物提供新手段,为开发和利用食源性ACE抑制肽提供理论基础。

GNSS拒止环境下基于Puzzle描述符的无人机点云匹配自主定位

针对GNSS拒止环境下无人机基于点云匹配自主定位中存在的搜索时间长、误配率高等问题,提出了一种基于Puzzle描述符的二视点云全局配准算法。该算法采用改进的ScanContext点云描述符,对点云进行分割与编码,设计出新的Puzzle描述符。通过SIFT匹配和模板匹配确定预搜索区域,并利用ICP匹配实现无人机的精确定位。仿真结果表明,算法有效降低了搜索时间和误配率,且具备良好的噪声抑制能力,三维定位误差控制在±20 cm以内,单次匹配耗时小于1 s。挂飞实测数据进一步验证了算法的性能,无人机自主定位的平均误差为19.94 cm,单次匹配平均耗时0.59 s,充分满足了精度和实时性要求。

聚合近似最近邻残差向量描述符

图像的局部聚合描述符向量(Vector of Locally Aggregated Descriptor, VLAD)在图像检索和识别任务中被证明是一种高效的方法。随着码书的增大,描述符的精度会提高,但随之而来的是训练成本和描述符存储成本的显著增加。在确保描述符大小不变的前提下,文章提出一种通过聚合近似最近邻向量残差的图像描述符,以提升描述符的表征能力。在码书的训练阶段,使用K-means聚类算法对图像局部特征进行训练,以形成视觉词典。在描述符的生成阶段,基于图像局部视觉单词与多个近邻码字的距离进行分配,聚合局部特征向量和近邻码字的残差。最后,通过串联累加码书各码字的残差向量,形成近似最近邻向量残差描述符。在两个国际公开数据集上的图像检索实验中,与其他描述符进行比较,结果显示聚合近似最近邻残差向量描述符在平均检索精度上具有一定的优势。

基于二进制深度图像描述符的点云配准方法

基于局部特征的三维点云配准是计算机视觉和机器人技术领域的核心问题,现有的大多数三维局部特征描述符均是浮点型的。首先,本文提出了一种二进制局部特征描述符,即二进制深度图像描述符(BDIF),用于描述三维局部特征;其次,提出了一种基于BDIF的配准算法,用于大场景的点云配准。BDIF根据局部曲面到投影面的距离将局部结构编码为位串。具体来说,BDIF描述符是在关键点附近建立一个局部坐标系,以实现旋转不变性,然后在三个正交投影面上对空间信息进行编码。之后,根据阈值法完成二值化,并利用最大类间方差确定分割阈值。基于BDIF开发了一种高效的点云配准算法,该算法采用自适应尺度的Welsch估计空间变化参数,能有效处理大场景采集到的点云数据。最后分别在Retrieval和WHU-TLS数据集上进行了广泛的实验,实验结果证明了本文所提的BDIF和基于BDIF的点云配准算法的有效性和总体优越性。

基于全局注意力的正交融合图像描述符

图像描述符是计算机视觉任务重要研究对象,被广泛应用于图像分类、分割、识别与检索等领域。深度图像描述符在局部特征提取分支缺少高维特征的空间与通道信息的关联性,导致局部特征表达的信息不充分。为此,提出一种融合局部、全局特征的图像描述符,在局部特征提取分支进行膨胀卷积提取多尺度特征图,输出的特征拼接后经过含有多层感知器的全局注意力机制捕捉具有关联性的通道-空间信息,再加工后输出最终的局部特征;高维的全局分支经过全局池化和全卷积生成全局特征向量;提取局部特征在全局特征向量上的正交值与全局特征串联后聚合形成最终的描述符。同时,在特征约束方面,使用包含子类心的角域度损失函数增大模型在大规模数据集的鲁棒性。在国际公开数据集Roxford5k和Rparis6k上进行实验,所提出描述符的平均检索精度在medium和hard模式分别为81.87%和59.74%以及91.61%和79.12%,比深度正交融合描述符分别提升了1.70%,1.56%,2.00%和1.83%,较其他图像描述符具有更好的检索精度。

基于PaDEL分子描述符的气味机器学习识别研究

气味识别有助于更好地理解嗅觉处理机制和生物进化中的交流方式,也是食品、饮料和香水等商业领域的关键技术。在利用PaDEL对气味分子进行数值化表征的基础上,采用决策树、随机森林、极端随机树、支持向量机、全连接神经网络和循环神经网络等机器学习算法,对PaDEL分子描述符进行了特征学习,以实现对气味的多标签分类。结果显示,FCNN和DT模型的预测性能较强,BiGRU模型的预测性能最弱。采用主成分分析算法对PaDEL数据进行了降维处理,基于此数据的不同机器学习模型气味分类性能比较中,BiGRU模型的性能最优。

图像检索中融合扩展码字软分配的图像描述符

图像的局部聚合描述符向量VLAD的检索精度可以通过增加码书中聚类中心数量来提高,但会增加向量维度和存储空间。为此,本文提出IM-VLAD,其结合基于码字扩展的软分配和二层码书结构,在保持向量维度不变的同时提高了图像检索精度。在训练码书阶段,使用K-means聚类算法对图像局部特征训练第一层视觉码书,然后根据隶属于各个聚类中心的特征训练第二层码书。在计算图像描述符阶段,设计基于码字扩展的软分配方法,根据图像每个局部特征的第二层码书中近邻码字来扩展新的码字,并将其权重分配到近邻码字,进而计算并累加局部特征对应的残差向量。在此基础上,各局部特征的残差向量从第二层向第一层对应的码字逐层聚合成各子向量,并进行串联得到IM-VLAD。实验结果显示:当第一层码书大小为64时,在Holidays数据集上的平均精度较VLAD从0.526提高到0.628,在UKBench数据集的Recall@4结果从3.17提高到3.50,在Holidays_Flickr1M数据集的平均精度由0.513提高到0.604,表明IM-VLAD在多个数据集上均展现出了更高的图像检索精度。

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT(scale invariant feature transform)特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的"一对多"和"一对一"的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC(随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。

基于不变特征描述符实现星点匹配

为了能够在星图存在旋转角度情况下,自动快速地完成星图匹配,提出了一种基于不变特征描述符的旋转不变匹配方法,将加速鲁棒特征(SURF)描述符应用于星点特征的描述和匹配。首先,对星图进行图像分割,抑制非极大值,并检测星点;然后,为计算星点分布尺度因子s,在半径为6s的圆形邻域内为每个星点计算主方向,之后将20s×20s的邻域与主方向对准,并在该邻域内为每个星点计算SURF描述符。最后,基于透视投影模型的匹配策略,提纯星点,计算匹配星图之间的变换矩阵。实验结果显示,该方法能够鲁棒地提取星点,并在图像存在旋转、平移及部分视角变化的情况下完成星图匹配,仿真实验的匹配星点的误差均在1pixel以下,实拍星图实验的匹配星点的误差均在1.5pixel以下,表明为每个星点建立描述符,进行匹配识别的思路是可行的。

利用密度描述符对应的视觉跟踪算法

针对稀疏描述符由于关键点检测不稳定及其误匹配造成跟踪失败的问题,提出了一种利用密度描述符对应实现目标跟踪的算法。该算法通过计算目标在相邻两帧之间的密度描述符流,考虑目标的空间分布特性和描述符的权重,得到目标的运动矢量,获得目标在当前帧中的估计;根据密度描述符的运动矢量与目标运动矢量的关系及其匹配程度,更新密度描述符的权重。在大量测试数据上对所提算法进行实验,并与相关跟踪算法进行比较,定性和定量分析表明:当发生光照、遮挡、姿态变化时,所提算法能够稳定地跟踪目标,跟踪成功率均在90%以上,跟踪误差要小于其他算法。

一种扩展SURF描述符及其在遥感图像配准中的应用

针对经典算法存在着运算时间过长或者匹配正确率不高的情况,提出一种扩展的SURF描述符。在原始SURF描述符的基础上,通过计算特征点相应尺度上的邻域采样点的局部归一化灰度统计信息以及二阶梯度值细节信息,形成新的扩展描述符。该方法不但能传承SURF算法速度快的优良性能,还能充分利用图像的灰度信息和细节信息。通过试验表明,综合考虑算法运行效率与匹配正确率,本文算法较原有经典算法更具稳健性。

结合SURF特征点与DAISY描述符的图像匹配算法

图像匹配技术是许多计算视觉问题研究的基础,基于图像局部特征的方法是本领域研究的热点。为了解决经典的SURF算法在旋转不变性上表现欠佳的问题,提出了一种结合SURF特征点与DAISY描述符的图像匹配算法。在SURF算法特征点检测的基础上,提出一种适合DAISY描述符的主方向分配方法,并按照该主方向旋转获得新的DAISY描述符。本算法在略微增加运算成本的基础上,增强了经典SURF算法在图像旋转上的匹配能力。实验结果表明,在图像模糊、光照变化、JPEG压缩比变化、视场变化等多种复杂情况下,本算法具有更强的鲁棒性。

一种基于扇形区域分割的SIFT特征描述符

提出了一种在圆形区域内基于扇形区域分割的特征描述符构建方法.首先,针对SIFT描述符维数过高,导致匹配速度慢的弱点,提出在半径为9像素的圆形特征区域内划分为8个扇区,在这些扇形特征邻域内统计8个方向的灰度梯度直方图,形成64维描述符的方法,降低了描述符的维数.同时,针对SIFT构建描述符的运算复杂性较高的事实,提出在圆形区域内计算像素灰度梯度主方向,以主方向为基准点把该区域划分为8个等面积扇区的方法,取消了对特征区域的旋转变换,降低了构建描述符的运算复杂性.通过与OpenCV SIFT和Lowe SIFT进行多方面对比实验,结果表明该方法的综合匹配速度具有显著提升,在两幅图像存在一定程度的视点、模糊、旋转、比例、光照变化等情形下,匹配性能有所增强.

基于水平集和形状描述符的腹部CT序列肝脏自动分割

肝脏分割是计算机辅助肝脏疾病诊断的重要前提和基础.本文提出了一种新的基于水平集和形状描述符的腹部CT序列图像肝脏自动分割方法.首先,对原始腹部CT序列图像进行预处理,去除与肝脏不相关的器官和组织.然后,利用灰度偏移场,结合周长项、距离正则项和相邻切片肝脏分割结果构建水平集能量函数,实现CT序列肝脏自动分割.为避免分割误差累积,提出一种基于形状描述符和瓶颈率的肝脏边缘优化方法,在每张切片分割完毕后去除由于灰度重叠造成的过分割.通过对XHCSU14数据库和Sliver07数据库中腹部CT序列的肝脏分割实验,以及与其他肝脏分割算法的比较,表明了本文方法的有效性,且分割精度高,鲁棒性强.