一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法.首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图.由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头.实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境.     

基于水平集改进的水下目标轮廓提取方法

为以更快的计算速度提取到更加精确的轮廓,提出一种基于水平集改进的水下目标轮廓提取方法.即利用水下目标检测结果确定目标演化子区域,缩小目标区域范围,同时在目标检测结果中,根据目标高亮区和阴影区的位置,确定各个目标演化子区域初始闭合曲线的中心坐标,通过Vese-Chan分段常量四相水平集方法的演化函数进行目标高亮区和阴影区的轮廓提取.对不同原始声纳图像的实验比较分析表明,提出的水下目标轮廓提取方法具有较高的适应性和较快的计算速度,能精确地提取到目标高亮区和阴影区的轮廓.     

一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.     

基于深度神经网络的车辆特征识别方法

提出了一种基于深度神经网络的车辆特征识别方法,通过车辆特征智能检测识别实现交通智能监控和管理.采用三维区域轮廓扫描方法进行车辆图像采集和几何形状判断,对采集的车辆图像进行边缘轮廓检测和信息增强处理,突出车辆的类别属性特征点,在仿射不变区域对车辆角点分布信息进行直方图均衡化处理,实现车辆像素特征点的提取.对提取的像素特征点采用深度神经网络进行分类训练,实现车辆特征的智能识别.选取大量交通视频图像进行实验,仿真结果表明采用该方法进行车辆特征识别的成功率较高,输出车辆特征点正确的像素总数较多,对目标车辆的准确检测定位性能较好.     

基于相位相关的图像匹配算法

为了有效提高图像匹配算法的速度和精度,提出了一种基于相位相关的图像匹配算法。该算法先将基准图像和目标图像进行对数极坐标变换并提取变换后图像的轮廓作为特征区域;然后对两幅图像的轮廓区域分别进行距离轴和角度轴方向上的投影,最后通过比较投影分量的大小确定两者是否匹配。为了降低对整幅图像进行计算所带来的计算耗时,提出了一种分步采样的方法。实验结果表明,该算法执行速度快,抗噪声、压缩能力较强,当目标图像相对宿主图像发生旋转、缩放的变化时,仍能较准确地完成两者之间的匹配工作。     

基于卷积神经网络的人脸图像特征提取

为了提高对人脸的自动识别和检测能力,提出了一种基于卷积神经网络的人脸特征提取技术。采用连续模板匹配技术进行人脸边缘轮廓的检测,采用Harris角点检测方法进行人脸的关键特征点定位,在人脸的分块区域内进行人脸的肤色特征分析和外包矩形轮廓区域特征提取,结合肤色特征对图像中人脸特征点进行图像重构和精确定位,对提取的人脸特征点采用卷积神经网络进行分类,实现对人脸图像特征的优化提取。仿真结果表明,采用该方法进行人脸特征提取的准确性较高,具有较好的特征匹配能力。     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

腹部CT图像序列中的肝脏分割

针对腹部CT图像肝脏区域提取问题,提出了一种新的基于阈值法和改进的广义梯度矢量流-蛇(GGVF-Snake)模型的分割方法．首先,采用Window-Leveling算法将CT图像转换为灰度图像,突出肝脏区域,通过改进的曲率各向异性扩散滤波器对图像进行平滑滤波;其次,利用阈值法获取肝脏的初始轮廓;最后,基于改进的GGVF-Snake模型对初始轮廓进行调整得到更加平滑和精确的肝脏轮廓．通过不同的腹部CT图像序列中肝脏的分割结果表明,该方法能高效、精确的提取肝脏区域,满足临床应用的需求．     

植物景观三维图像边缘锐化方法

针对当前植物景观三维图像表面点自相似性系数较低,边缘锐化效果较差的问题,提出基于色调映射和颜色特征分解的植物景观三维图像边缘锐化方法.采用稀疏线性组合方法进行植物景观三维图像的边缘轮廓特征分解,提取植物景观三维图像的边缘分块特征量;根据植物景观的表面点、细节区域进行植物景观图像超分辨率重构和模板匹配,重建植物景观图像的整体直方图分布模型,采用色调映射和颜色特征分解方法,获得植物景观三维图像边缘锐化表面点自相似性系数.仿真结果表明,该方法获得的自相似性系数较高.     

基于WαSH局部特征的立体影像匹配

针对传统方法对影像畸变敏感,难以用于具有较大变形的立体影像匹配的问题,提出了一种基于加权α形状(WαSH)局部区域特征的匹配方法.该方法采用WαSH特征检测算法提取图像的局部特征,并引入特征区域的二阶矩矩阵对椭圆拟合后的特征进行归一化,获得去除仿射变形的影像块;在归一化后的影像块上采用尺度不变特征变换(SIFT)描述算法提取特征描述向量,并基于最近邻与次近邻距离比率(NNDR)匹配测度进行特征匹配,确定同名特征.选用5组代表性影像进行实验.结果表明:提出的方法对发生较大视点变化、尺度+旋转变化、模糊及JPG压缩的影像均能获得正确率较高的匹配结果,与基于最大稳定极值区域(MSER)的匹配方法相比,匹配正确率及匹配效率更高.     

基于模板匹配的发票号码识别算法

针对数字识别系统中的发票号码识别问题,提出了一种有效的基于模板匹配的发票号码识别算法.通过对发票数字图像进行前期处理以获得单个字符图像,根据印刷体数字二值化后矩阵特点,基于模板匹配的思想,将待识别字符图像与模板图像进行信息区叠加,对叠加后的图像进行不匹配像素统计,从而得到匹配系数,取匹配系数最小值为最佳匹配.结果表明,该方法简单有效,抗干扰性强且识别率较高,识别发票图像准确率可达99%.     

小波变换在图像匹配技术中的应用研究

针对单一图像匹配算法抗噪声能力和抗几何形变能力差、以及计算量较大等问题,提出一种基于小波变换后图像统计特征的图像匹配识别算法.利用小波对图像进行多个尺度的二维小波变换,分析反映图像在不同尺度和不同方向上能量分布情况,通过计算统计特征量和标准图库中图像统计特征量之间的夹角,确定待识别目标,利用该方法对图书条形码进行识别.研究结果表明:采用小波变时频特性对图像进行去噪处理以及边缘检测,能够剔除图像噪声干扰并充分保留原始图像信息;将小波变换后的近似系数、水平、垂直和对角部分的细节系数作为统计特征量,提取的特征量跟模板图像的统计特征量进行相似度匹配,将两个特征向量的夹角余弦作为相似度的衡量指标,根据夹角余弦的大小确定该区域是否目标区域.     

基于连通域相关及Hough变换的公路路面裂缝提取

针对裂缝细小不连贯且带有设计接缝的公路路面,提出了裂缝自动提取算法. 该算法包括路 面图像预处理、基于连通域相关的裂缝提取和基于随机Hough变换的接缝滤除3个环节. 路面图像预处理环节通过部分重叠子块直方图均衡（POSHE）、局部与全局灰度匹配以及基于高 提升空间滤波的图像分割,得到裂缝更加清晰的路面二值图像;裂缝自动提取环节中,通过 基于连通域之间的相关特性,将细小且不连续裂缝的各个片段连接形成完整裂缝,进而基于 连通域长度特性,实现了复杂裂缝与路面纹理噪声的区分;在接缝滤除环节,通过基于随机 Hough变换的直线检测结果,结合接缝的自然属性设计了一组接缝区域识别规则,实现了裂 缝与接缝的区分,从而得到了最终的裂缝识别结果.     

自动指纹识别系统中关于指纹特征算法的研究

指纹图像的特征提取和匹配在计算机指纹自动识别系统(AFIS)中起着至关重要的作用,直接制约着系统的识别率和识别速度.本文在指纹图像预处理的基础上,对指纹特性算法进行了改进,主要创新点在于简略细化过程同时引入基于二值化图像的特征提取算法.非正向扫描特征提取算法根据指纹的综合特征,沿脊线搜索匹配细节特征点,避免伪特征点的提取.改进后的算法在MATLAB环境下成功应用,实验结果表明,该算法能有效提高识别精度和速度,满足在线验证指纹的实时应用性.     

改进的立体像对稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种改进的立体像对稠密匹配算法。该算法首先利用区域增长技术找到图像中的纹理单一区域,然后将整个区域作为匹配基元以得到纹理单一区域的稠密视差图。相对于点基元,区域基元包含的信息更多,且在图像中不易重复出现,因此可以减少误匹配发生的几率。在国际标准测试图像上进行了实验,结果证明该算法的可行性与准确性。     

复杂图像特征点提取与匹配方法

采用改进的SIFT（Scale Invariant Feature Transform）算法对自然环境下获取的复杂场景图像进行特征量提取;通过添加存入最小优先级队列的限制条件,对现有的BBF（Best Bin First）匹算法进行改进以提高算法的搜索效率;针对复杂图像误匹配较为严重的现象,设置匹配判定准则和几何约束条件,对匹配结果中可能的误匹配加以剔除。实验结果表明,新方法在匹配效率和匹配准确率的提高上效果明显。     

多边形顶点匹配优化算法

分析了3种有代表性的平面多边形顶点匹配算法的特点，即基于极小化形变功的匹配算法、基于轮郭绕行趋势变化的匹配算法和基于边界局部剖分的匹配算法,综合利用不同算法的优点，在修正动态规划框架下设计了一种新的匹配算法.新算法结合了多边形局部和全局的几何本质特性，其匹配结果不受图形平移、缩放和旋转等形变的影响.分别利用4种算法对52幅平面多边形图形样本进行了试验，按照算法匹配结果和人为判断结果的一致性进行评分.统计分析结果显示，在不同规模的图形组实验中，新算法较前3种算法均表现出明显的优越性.     

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.     

基于自适应流形相似性的图像显著性区域提取算法

为了在图像显著性区域提取过程中改善算法的自适应性和精准度,提出基于自适应流形相似性的图像显著性区域检测算法。将图像分割成超像素,根据图像中显著性区域频率变化比较大的特性,生成图像显著性区域的高频节点;针对高频节点利用凸包运算寻找显著性区域的种子节点;使用流形算法在图像中对种子节点进行显著性区域信息扩散,得到图像的显著性区域。试验结果表明:利用流形算法搭建求解每个数据的邻接矩阵进行信息扩散,能够在保证信息精准分类的同时提高算法的自适应性,其结果优于同类的图像显著性区域检测算法。     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.