一种改进的SIFT—PCA算法在图像检索中的应用

针对SIFT算法（尺度不变特征）提取出的图像特征点向量维数较多造成计算量较大、检索效率低等问题,提出一种SIFT和改进的主成分分析（Principal Component Analysis,PCA）相结合的SIFT—PCA算法。该算法首先采用SIFT算法提取图像特征点向量,然后利用改进的PCA算法把特征点向量变换到另一个空间,得到最具有代表性的特征参数,实现对特征点向量的降维。此算法在保证原SIFT算法鲁棒性的同时减少了计算量,增强了实时性。实验结果说明了该算法具有尺度、平移、旋转、光照不变性,在图像检索中应用切实可行且效果良好。     

基于三支决策的分步约简纹身图像检索

引入三支决策,通过分步约简的方式,改进纹身图像检索算法。将待检索图像及图像库中所有图像灰度化,比较图像库中各图像与待检索图像对应像素点灰度值的差异,统计差异值小于某阈值的像素点在各图像中所占比例,据此以三支决策从图像库中筛选出相似图像并剔除不相似图像;提取其余图像的尺度不变特征变换(scale invariant feature transform, SIFT)特征并与待检索图像进行特征点匹配,再次利用三支决策选出匹配正确的特征点并剔除匹配错误的特征点,提取其余特征点邻域色调-饱和度-亮度(hue saturation value, HSV)空间的颜色特征,结合SIFT特征再次进行特征点匹配,由匹配点的多少确定相似性大小,进而实现检索。在包含3 579幅纹身图像的自建图像库中所进行的检索实验结果显示,改进算法比尺度不变特征变换算法和融合局部颜色特征算法的查准率和查全率皆有所提升,且平均检索时间更短。     

一种提高LBP检索性能y的算法研究

针对图像中常见的旋转问题提出一种将小波变换和LBP(Local Binary Pattern)统计特征相结合从而提高LBP性能的纹理图像检索算法.通过坐标变换将直角坐标系下图像旋转转换为极坐标下图像行移,提出一种近似行移不变的小波分解特征来对整个图像库进行粗检索.然后计算通过粗检的图像的LBP特征来进行精检.通过对旋转图像库的测试表明,该方法较比直接使用LBP特征进行检索时的性能有了较大的提高.     

抗几何攻击的图像水印算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的抗几何攻击的自适应鲁棒水印算法.首先利用SIFT算法从载体图像中提取稳定的特征点;然后根据特征尺度和方向自适应来确定每个局部特征区域大小和方向;最后从中选择具有较大特征尺度互不重叠的特征区域,并利用量化小波系数的方法将水印嵌入到每个局部特征区域内.仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力.     

基于SIFT特征和颜色融合的图像检索方法

根据图像检索方法中颜色直方图存在的问题,提出了一种改进的基于分块和主颜色的颜色直方图提取算法;根据SIFT特征存在的问题,提出了一种改进的基于harris角点的SIFT特征提取算法。最后运用两种改进算法提出了一种融合颜色直方图和SIFT特征的图像检索算法。实验结果表明,本算法在功能及性能上优于其他算法,并具很好的鲁棒性。     

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。     

基于SG-SIFT的光学遥感影像配准

提出了一种基于信号理论和网格化的尺度不变特征变换(SG-SIFT)光学遥感图像配准算法.根据高斯差分尺度空间中各图像层间的频域关系设定各图像提取特征点的数目,使特征点在尺度域上分布均匀;再将各图像层网格化,使特征点在图像空间中分布均匀;然后用一致性检测法剔除有明显错误的匹配对.实验结果表明,利用SG-SIFT算法得到的特征点比尺度不变特征变换(SIFT)算法的特征点分布更均匀,正确匹配对数目比均匀鲁棒尺度不变特征变换(UR-SIFT)算法均多17.47%,且SG-SIFT算法的均方误差明显低于SIFT和UR-SIFT算法.     

基于局部二进制描述SIFT特征的锆石图像配准方法

针对尺度不变特征变换(SIFT)算法计算复杂度高、匹配速度慢的问题,提出一种新的局部二进制模式(LBP)特征描述方法,描述SIFT算法检测出的锆石图像特征点,然后用主成分分析法(PCA)将生成的描述向量降维,最后利用欧式距离法完成配准。新LBP描述方法计算简单,具有旋转不变性和光照不变性,描述向量经过PCA降维以后匹配过程简单快速。实验结果表明:配准效果可以满足仪器自动寻样的需求,并且能够显著提升锆石图像的配准速度、提高仪器运行效率。     

区域快速鲁棒特征跟踪电子稳像

针对稳像过程中稳像精度易受光照变化、噪声、局部遮挡等因素的影响,提出了一种区域快速鲁棒性不变特征跟踪稳像算法。首先采用改进的快速鲁棒性特征(SURF)算法提取图像局部区域特征点及其描述,然后,采用动态平衡KD树(DBKD-Tree)快速搜索匹配算法,实现局部区域特征点跟踪匹配,最后利用配准的特征点对,根据均方差最小计算稳像的全局参数实现稳像。在不同光照条件、噪声环境下进行了稳像测试,加入20%的高斯噪声时均能100%地重复检测特征,达到亚像素定位精度,误匹配率低。     

一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。     

融合整体和局部信息的三维模型检索方法

基于特征融合的三维模型检索方法能有效提高检索效率,提出一种融合整体和局部信息的三维模型检索方法。分别通过Canny算子提取边缘特征和基于尺度不变特征变换特征的词袋模型提取词频向量特征,边缘特征用于描述三维模型的整体信息,词频向量特征用于描述三维模型的局部信息,将这两种特征融合成为新的特征用于描述三维模型。试验表明,融合整体和局部信息的三维模型检索方法能够有效地提高检索结果的准确率。     

利用特征选择的遥感图像场景分类

为了提高遥感图像场景分类精度,提出了一种基于增广LDA（Latent Dirichlet Allocation）模型的特征选择算法.首先对图像进行尺度不变特征变换、颜色直方图、几何模糊特征、局域二值模式和Gabor纹理特征提取,然后引入一种改进的自动选择特征算法,通过交叉验证选出最具针对性的特征组合,再利用LDA将高维...     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

基于聚类的SIFT人脸检测算法

为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.     

融合全局特性的SIFT特征在图像检索中的应用

针对图像检索中现有特征描述算法对图像中目标物体特征描述不够有效的特点,提出了一种基于融合全局特性的SIFT特征图像检索算法。首先,通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT特征向量描述子;其次,将全局颜色特征融合到SIFT算子中共同构建联合特征描述向量,从而更加全面地描述图像信息;为了提高检索效率,利用PCA降维方法将联合特征向量进行维数约减;最后通过距离匹配进行检索。实验结果表明,该算法能够很好地应用在特定目标物的检索中,从而达到高效检索的目的。     

基于极端梯度提升树算法的图像属性标注

提出基于极端梯度提升树(eXtreme gradient boosting,XGBoost)算法的图像属性标注模型,以改善标注性能：提取图像局部二值模式(local binary patterns,LBP)、灰度纹理空间包络特征(Gist)、尺度不变特征变换(scale invariant feature transform,SIFT)、视觉几何组(visual geometry group,VGG)等特征,以准确刻画图像视觉内容;基于图像特征,采用XGBoost算法集成弱分类器为强分类器,完成图像属性标注;深入挖掘图像属性蕴含的深层语义,构建全新的、层次化的属性表示体系,以贴近人类客观认知;设计迁移学习策略并合理组合分类模型,进一步改善标注性能。试验表明：Gist特征能真实刻画图像视觉内容;执行基础迁移学习后,标注精准度比迁移学习前最优指标提升8.69%;执行混合型迁移学习后,合理组合分类模型,标注精准度比基础迁移学习的最优指标提升17.55%。模型有效地改善图像属性标注精度。