双二次B-样条插值图像缩放

双线性和各种双三次插值方法是图像缩放中常用方法,但是双二次插值函数却很少被人提起。本文提出了一种基于双二次B-样条局部插值的图像缩放方法,该算法在图像局部重构过程中对称地采用了4×4采样点,并通过对该函数进行重采样来实现图像的缩放,避免了二次函数在图像重构与采样中的相位失真问题,此算法是一个局部性算法,易于扩展。实验结果表明,本文算法得到的图像的峰值信噪比(PSNR)、MISSIM值比双线性插值、双三次卷积、Catmull-Rom三次插值、Dodgson插值算法都要好,接近于最好的双三次B-样条算法,视觉效果虽然不如双三次B-样条插值算法,但优于Dodgson方法,计算时间比双三次B-样条减少了近三分之一。由于该算法没有对图像边缘特征进行特殊处理,对于一些细节纹理比较丰富的图像,将进一步研究。     

一种结合SIFT和对应尺度LTP综合特征的图像匹配算法

由于SIFT特征是一种性能良好的局部特征,常被广泛应用于图像匹配,但SIFT特征点有128维描述符,所以具有匹配复杂度高和计算量大等缺点。为了提高图像匹配效率,研究了一种新的图像匹配方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT关键特征点;然后利用特征点周围邻域点的旋转不变LTP特征和相对灰度直方图来描述,替代传统SIFT特征点的128维描述,图像匹配过程中使用街区距离代替欧氏距离;最后利用光照变化、模糊变化、尺度和旋转综合变化三组图像进行算法仿真匹配实验。实验结果表明,本算法在图像尺度、旋转、光照变化条件下具有更高的匹配精确度,并且有效地提高了图像的匹配速度。     

基于LBP-HSV模型及改进SIFT算法的行人再识别算法

针对SIFT算法计算量大,复杂背景下匹配准确率低的问题,论文提出了一种结合LBP-HSV模型与改进SIFT算法的目标识别算法。首先利用LBP直方图和HSV模型共同筛选出目标相似区域;然后利用SIFT算法检测目标与相似区域的特征点,并使用改进的HOG特征描述特征向量;最后采用最近邻加权欧式距离的匹配策略,找出匹配点对。基于多组行人图片的目标识别结果表明,文中算法具有较强的鲁棒性,识别准确率较高,且相较于SIFT算法,匹配速率大大提高。     

密集散乱测量数据点的B样条曲面拟合研究

回顾了密集散乱数量数据点面拟合研究发展情况,针对异形边界自由曲面密集散乱测量数据点,提出一种B样条曲面多步拟合算法,其中涉及边界插值B样条曲面生成、Hardy′s双二次局部插值、规则网格数据点B样条曲面最小二乘拟合等关键技术,通过一个工程实例,对文中提出的B样条曲面多步拟合算法进行了实验验证。     

代数曲面混合的切分结合S曲面补洞方法

该文首先采用代数曲线样条逼近的方法参数化混合边界,然后用三次样条曲面混合任意两个隐式代数曲面,实现样条曲面和基曲面之间光滑过渡.进一步,文中采用GB样条混合两张代数曲面,当混合边界为Lissajous曲线、二次曲线、三角函数曲线、双曲函数曲线、悬链线或螺旋线等特殊曲线时,可实现混合曲面精确插值边界曲线.而对于多个隐式代数曲面混合,又首次提出了G1连续的切分结合S曲面片补洞的方法,且每张曲面片的形状都可通过形状参数直观地进行调整.     

融合彩色信息与SIFT特征的帧内复制粘贴篡改检测

近年来在同源复制粘贴篡改检测中,SIFT特征得到了广泛的应用.但由于该特征在提取过程中摒弃了颜色信息,会造成一部分特征点的误匹配和漏匹配.为此,提出一种基于彩色信息与SIFT融合的CSIFT特征的检测方法,在提取特征点时加入颜色不变量信息,提高了匹配的准确性和效率.算法首先利用结构相似度将视频帧序列分段,提取每段序列的关键帧;然后提取关键帧的CSIFT特征;最终定位复制粘贴区域,并利用目标跟踪算法计算篡改区域在后续帧上的位置.通过实验验证了算法的鲁棒性,与基于SIFT等特征的算法相比,时间效率和准确性更高.     

混合插值法重构近地表模型

当控制点多和网格稠密时,基于薄板样条(TPS)插值的近地表模型重构往往很耗时,影响了静校正中近地表建模的效率.针对此问题,采用一种TPS插值和三次样条插值相结合的混合插值法重构近地表模型.首先利用矩阵递归LU分解及GPU加速的LU分解算法求解大型线性方程组,建立TPS插值函数;然后在X和Y方向上使用适当的步长对网格进行抽稀,运用TPS插值函数计算稀疏网格点的值,再通过稀疏网格点建立三次样条插值函数并计算剩余网格点的值;最后用OpenGL实现近地表模型的三维可视化.实验结果表明,文中算法提高了近地表模型重构的速度,其精度接近TPS插值精度.     

基于分层区域的自适应图像配准算法

针对SIFT（尺度不变特征变换）算法提取的特征点不纯、易受噪声等因素干扰的问题，提出在SIFT算法提取特征点之前对图像进行预处理，排除部分外界干扰。针对SIFT算法中128维的高维度特征描述符导致匹配速度降低，提出一种基于分层区域的方法降低描述符维度，缩短算法运行时间。针对SIFT算法匹配过程中选取固定阈值不具有广泛适用性的问题，提出一种自适应阈值的方法，解决设置固定阈值不能适用所有图像的问题，提高匹配准确率。实验结果证明，改进的算法能提高匹配准确率和匹配效率，增强算法的鲁棒性和可靠性，并且适用性广泛。     

河道扫测测量空白数据填补处理

介绍了双三次B样条曲面法插值原理，顾及特征点影响对双三次B样条曲面型值点阵进行优化选取。将该算法引入填补扫测规则数据空白区域并与普通克里金法填补效果对比，尝试解决声纳扫测测量空白数据填补的问题。     

基于特征的文档图像高速插值算法

提出了一种基于文档图像特征的混合插值算法。该算法通过分析文档图像的像素邻域特征,使用邻近插值、双线性插值和双三次样条插值方法估计插值像素灰度值。其中,三次样条插值方法使用了优化算法,即三次样条卷积模板的整数化运算,其时间复杂度接近双线性插值。给出了算法的实现过程。实验结果表明,该算法输出的图像质量接近双三次样条插值,运行效率高于双线性插值算法,在文档图像扫描过程取得了良好的应用效果。     

结合变形函数和幂函数权重的图像拼接

针对图像拼接算法存在效率低下、特征点错误匹配、重影和拼接缝等问题，提出一种基于尺度不变特征变换、薄板样条函数和幂函数的图像拼接方法。该方法通过对输入图像进行采样匹配，计算输入图像间的点映射关系和重合区域，使用点映射关系对重合区域内的特征点进行定向配准，利用特征点集合计算出图像的局部扭曲模型，使用图像插值方法对图像进行变形映射；采用幂函数权重模型对变形图像中的像素进行平滑过渡，完成图像拼接。实验结果表明，在拼接相同图像的情况下，所提方法与传统的尺度不变特征变换算法相比，特征点配准效率提高了约59.78%，而且得到了更多的特征点对；与经典的图像拼接算法相比，该方法解决了图像的重影和拼接缝的问题，同时提高了图像的质量评估指标的得分。     

基于Kinect三维重构的特征点提取改进

针对机器人在复杂的室内环境中,因提取特征点低效率、高失真造成性价比较低的问题,提出一种改进的SIFT特征点提取与匹配算法,并在此基础上构建基于Kinect的SLAM系统。SLAM系统前端对SIFT特征点提取法进行改进,使用高斯分离模糊函数,提高SIFT算法提取特征点的速度,并且使用RANSAC筛选不稳定特征点。本文所提出的改进型SIFT特征点提取法的SLAM系统可以对复杂与空旷的室内环境高效率、低失真的重构。     

改进Harris-SIFT算法在双目立体视觉中的应用

针对双目立体视觉图像匹配的实时性问题,提出了一种改进Harris-SIFT算法,克服了原SIFT算法提取的特征点不是角点且耗时长等问题。该算法首先用改进Harris算子进行角点提取,然后用SIFT算子构建特征描述子,最后对提取的特征点采用欧氏距离度量点对的相似性,利用最近邻搜索策略进行特征匹配。在VC++6.0与Open CV平台上,通过实验比较了所提算法与SIFT算法的特征点提取匹配结果,证明了所提算法的有效性与实时性。     

基于像素插值的改进PMVS稠密重建方法

针对纹理稀疏区域重建效果差的问题,本文提出一种基于像素插值的改进稠密重建算法.基于面片的多视图稠密重建方法（PMVS）能够自动忽略外部点和障碍点,相比较于其他三维稠密重建算法该算法更准确,简单,高效.但是在纹理稀疏的区域会出现孔洞残缺等问题,且现有的匹配候选点选取策略会使得局部细节失真边缘残缺.本文针对这些问题提出了一种基于像素插值的特征点选取方法,增加纹理稀疏区域的特征点,使特征点分布均匀,提出一种更合理的候选点选取策略,减少错误匹配.实验表明本文提出的方法不仅能保证纹理稀疏区域的重建效果,还能有效剔除误匹配点,提高重建精度.     

基于SIFT算法的三维心脏表面模型重建

心脏三维模型对于心脏疾病的诊断和治疗有很重要的作用,为满足心肌缺血可视化的显示需求,提出了一种基于SIFT图像匹配算法重建三维心脏表面模型的新方法。该方法用一部标定好的数码相机围绕心脏模型拍摄一组照片,用SIFT算法完成图像间同名点的匹配,通过这些同名点求出相机的外参数,进而实现三维心脏模型的重建。实验结果表明,该方法成功地重建了三维心脏表面模型,并且成本低、效率高,重建的模型能满足心肌缺血可视化的显示需要。     

基于区域划分和四元数的彩色图像复制粘贴篡改检测

现有的篡改检测方法中特征点提取不充分会导致篡改检测精度不高,特征点描述符识别率差,针对该问题提出一种基于颜色矩的区域划分和四元数Hu矩的彩色图像复制粘贴篡改检测算法。首先,使用自适应形态重建算法对图像进行超像素分割,通过密度聚类算法对图像自适应划分区域;其次,提出一种关键点提取方法得到均匀的SIFT特征点;然后,在一种新颖的彩色图像四元数表示方法中构建局部高斯金字塔提取Hu矩特征;最后,利用2NN进行特征匹配后,结合Delaunay三角形算法定位出复制粘贴篡改区域。在公共数据集上的实验结果表明,该算法可以更有效地定位篡改区域。     

二值化的SIFT特征描述子及图像拼接优化

目的 针对SIFT算法计算复杂度高、存储开销大和近几年提出的BRIEF（binary robust independent elementary features）、ORB（oriented BRIEF）、BRISK（binary robust invariant scalable keypoints）和FREAK（fast retina keypoint）等二进制描述子可区分性弱和鲁棒性差的问题,提出基于SIFT的二进制图像局部特征描述子。方法 首先,对传统SIFT的特征空间和特征向量分布在理论和实验上进行分析,在此基础上结合二进制特征描述子的优势对SIFT进行改进。不同于传统的二进制特征描述子,本文算法对传统SIFT特征向量在每一维上的分量进行排序后,以该特征向量的中值作为量化阈值,将高维浮点型SIFT特征向量转化成位向量得到二进制特征描述子。并使用易于计算的汉明距离代替欧氏距离度量特征点间的相似性以提高匹配效率。然后,在匹配阶段将二进制特征描述子分为两部分并分别对其进行匹配,目的是通过初匹配剔除无效匹配特征点来进一步缩短匹配时间。最后,对提出的量化算法的可区分性及鲁棒性进行验证。结果 该量化算法在保持SIFT的较强的鲁棒性和可区分性的同时,达到了低存储、高匹配效率的要求,解决了SIFT算法的计算复杂度高、二进制描述子鲁棒性和可区分性差的问题。此外,在匹配阶段平均剔除了77.5%的无效匹配特征点,减少了RANSAC（random sample consensus）的迭代次数。结论 本文提出的量化算法可用于快速匹配和快速图像拼接中,提高匹配和拼接效率。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。