基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.     

基于ORB特征的误匹配点剔除算法

针对ORB算法采用传统的RANSAC算法剔除误匹配的不足,提出一种新的误匹配剔除算法。将剔除阶段分为粗剔除与精剔除两部分,粗剔除通过实验设计选定合适的Hamming阈值大小剔除部分误匹配点对,以减少精剔除阶段的计算量。精剔除利用特征点与邻域像素点的信息构造差值矩阵,将矩阵的奇异值定义为特征点的描述向量。通过计算2个向量的相关性来达到进一步剔除的效果。实验结果表明:该算法能够有效地剔除误匹配点对,且与RANSAC算法相比,精度提高了8%,匹配精度达到98.97%。     

在点模型上实现三维纹理合成的算法

为了避免网格重建过程而直接在三维点采样表面上进行纹理合成,研究了在点模型上的三维纹理合成的算法。利用KDtree这种数据结构在离散采样点上构建点与点的邻域关系,通过投影和建立匹配窗得到每一个待合成纹理的点与样图的映射关系,根据映射关系在样图中找出与待定点纹理值最佳匹配的点。最后将该匹配点的纹理值赋给待定点,同时结合邻域关系实现多点同时赋值。实验结果表明,该算法能有效地保持了生成的纹理结构和视觉效果的连续性和平滑性,具有耗时短、灵活可控、较好的鲁棒性等特点。     

自适应邻域选择的FPFH特征提取算法

在使用点云FPFH(Fast Point Feature Histograms)特征进行三维物体识别或配准时,人为主观调整邻域半径计算FPFH特征描述符具有随意性、低效性,整个过程不能自动化完成。针对该问题,提出了自适应邻域选择的FPFH特征提取算法。首先,对多对点云估算点云密度;然后,计算多个邻域半径以提取FPFH特征用于SAC-IA配准,统计配准性能最优时的半径与点云密度值,使用三次样条插值拟合法求出函数表达式,形成自适应邻域选择的FPFH特征提取算法。实验结果表明,该算法根据点云密度自适应选择合适的邻域半径,提升了FPFH特征匹配的性能,同时 加快了运算速度,具有指导价值。     

改进的局部加权窗口匹配代价算法

稠密匹配可以看做匹配代价最小化的过程,而匹配代价的计算是各种稠密匹配算法的必要步骤。分析取得良好效果的测地线距离局部加权窗口匹配算法,针对测地线权值计算的核心部分进行改进,提出一种环式的测地线权值计算方法,并详细介绍改进后的权值计算方法应用于局部加权匹配的性能优势。最后通过对比实验证明：在不损失精度的前提下,改进后的匹配代价整体计算时间提高了近1/2。     

基于邻域一致性的无人机航拍图像配准过程控制技术

由于无人机航拍图像的采样节点重叠度较高,所以在无人机航拍图像配准过程中无法避免像素点错误匹配的问题,提出基于邻域一致性的无人机航拍图像配准过程控制技术。根据无人机航拍图像配准区域划定标准,识别关键图像标注点,通过计算一致性测度值指标设计基于邻域一致性的无人机航拍图像融合方法。结合图像融合结果进行航拍图像地理定位,根据采样灰度因子的数值水平分析图像采样节点之间的重叠关系,对航拍图像进行坐标变换与几何校正。结合坐标变换与几何校正结果提取图像边界特征点,将特征点作为配准过程控制点,根据控制点分布质量与尺度空间极值实现无人机航拍图像配准过程控制。实验结果表明,在邻域一致性原则作用下,无人机航拍图像采样节点之间的重叠度明显下降,像素点错误匹配问题得到了解决,配准效果好。     

基于Harris角点与改进Hu矩的电子稳像算法

为提高抖动视频电子稳陣系统的稳陣雙果,提出一种基于 Harris 角点和改进 Hu 几何不变矩的电子稳陣算法。该算法检测视频每帧图陣的 Harris 角点为特征点,并计算其邻域图陣改进的 Hu 矩作为对应特征除量,以仿射变换为模型,通过特征点匹配计算前后帧的陒对运动参数,从而计算出图陣序列的运动轨迹,加以陒应的运动平滑补偿,得到保留镜头正常运动信息稳定的视频图陣序列。实验结果表明,在视频图陣帧间存在旋转、平移和轻微缩放的情况下,该算法能有雙降低特征匹配的计算量,且保持良好的匹配雙果。     

基于非局部几何信号的点模型去噪算法

与传统的基于局部几何信号去噪方法不同,提出了一种基于非局部几何信号的点模型去噪算法.该算法通过双边滤波算子,计算出每个点的微分坐标信息作为“几何灰度值”;基于模型上每个点的邻域的微分信息进行相似性匹配计算,对点模型上的“几何灰度值”进行全局加权平均,获得该点最终的微分信号;最后重建出该点的几何信息.进一步,提出了基于混合树的加速方法,对具有相似特征的邻域进行聚类,减少了匹配的空间复杂度,提高了计算效率.实验结果表明,算法简单高效,获得了满意的去噪效果.     

面向像对直线特征匹配的线特征矫正与提纯方法

目的 像对直线特征匹配是计算机视觉的重要研究内容,现有这类匹配方法均存在不同程度的误匹配问题。导致此问题的主要因素包括直线检测结果没有位于图像的真正边缘处、缺乏匹配线对的一致性校验。为此本文提出一种面向像对直线特征匹配的线特征矫正与提纯方法。方法 首先提取像对的边缘特征获得二值化边缘图,通过边缘梯度图及梯度矢量图（GVF）建立梯度引力图。其次,采用直线检测方法提取像对的直线特征,并通过梯度引力图矫正直线位置。最后,采用点特征匹配结果计算像对极线,并结合直线匹配结果确定最后的局部校验特征区域,通过随机抽样一致小邻域范围内特征相似性校验直线匹配结果,从而剔除误匹配直线。结果 对一组宽基线像对进行匹配实验,与直接采用直线匹配算法获得的匹配结果相比,矫正后的匹配结果剔除了大部分误匹配线对,将匹配准确率从50%提高到84%,继续提纯该匹配结果获得了100%的匹配准确率。在另一组宽基线像对的匹配实验中,经本文方法处理后的匹配准确率提高近30%。与前两组实验相比,第3组实验的像对摄影姿态变化不大,仅在尺度上有所区别,经本文方法处理后配准率从92%提高到100%。结论 采用本文方法可以大幅提高像对直线特征匹配的准确率,同时该方法可以很容易对其他直线匹配结果进行校正与提纯,具备较高的实用性。     

一种血管壁区域内标记点匹配的方法

计算在血压作用下血管壁各点产生的应变是研究分析血管弹性的关键.为了准确而快速地确定血管壁形变前后的点对,提出一种基于区域约束的匹配算法.该方法对血管内超声图像预处理后,设定原始图像标记点,根据血管壁形变的有限性,在目标图像上根据内膜最大应变量设定搜索窗口,遍历窗口内各点邻域的归一化互相关值,并对其计算进行优化,取最大者位置作为匹配点.与一般的匹配算法相比,该方法匹配时间短、精度高.实验结果表明,在不同变形的情况下,均获得良好的匹配效果.     

艺术风格学习

提出一种基于实例的非真实感图像绘制算法，该算法利用两种纹理合成的基本方法，通过参数调整控制匹配点在结构与细节间的倾向性，把输入样图中的绘画风格传输到目标图片中，实现了自动绘画功能，另外，还提出一种搜索算法，该算法可以在大地加快纹理合成速度，实验证明文中算法十分有效。     

基于稀疏结构的图像特征匹配算法

对图像进行全局的特征点检测耗时较长,而且全局特征稳定性不好,这就造成算法的运行速度慢和匹配准确率低,达不到令人满意的匹配效果.在尺度不变特征变换（SIFT）的基础上,通过引入稀疏结构的概念,提出了一种基于稀疏结构的图像特征匹配算法（SSM）.通过稀疏度函数获得像素点的稀疏度值,筛选出稀疏度高的像素点所在的区域,并对该区域进行SIFT特征点检测,通过最佳描述子实现特征匹配.将SSM算法与几种经典算法相比,实验结果表明,本文算法在特征匹配速度和匹配准确率上相比于原算法都有较明显的提高,能够用于目标实时跟踪、图像检索和全景图像拼接等领域.     

一种新的相关跟踪方法研究

相关跟踪过程中，序列图象中的实时图和参考图之间必然存在灰度差异以及一定程度的几何形变和对目标的局部遮挡，而传统相关匹配算法中，每一对像素点对匹配结果的贡献是均等的，这样就使得算法的性能很容易受到图像中噪声、局部遮挡等因素的影响。为此，从另外的角度提出了一种新的图象相似度度量方法，即将目标图象中与模板图象相接近的点的个数作为相似性度量来进行匹配，这种方法得到的相关曲面更尖锐，匹配置信度更高。又因为跟踪过程，实时图必然存在这样或那样的变化，对模板合理地进行更新是相关跟踪的关键，在上述的图象相似度度量方法的基础上，另外又提出了一种非常有效的模板修正方案，从而使得跟踪算法对环境的适应能力和稳定性得到大大提高，实验结果证明了该方法的优越性。     

A new chaos-based fast image encryption algorithm

In recent years, various image encryption algorithms based on the permutation–diffusion architecture have been proposed where, however, permutation and diffusion are considered as two separate stages, both requiring image-scanning to obtain pixel values. If these two stages are combined, the duplicated scanning effort can be reduced and the encryption can be accelerated. In this paper, a fast image encryption algorithm with combined permutation and diffusion is proposed. First, the image is partitioned into blocks of pixels. Then, spatiotemporal chaos is employed to shuffle the blocks and, at the same time, to change the pixel values. Meanwhile, an efficient method for generating pseudorandom numbers from spatiotemporal chaos is suggested, which further increases the encryption speed. Theoretical analyses and computer simulations both confirm that the new algorithm has high security and is very fast for practical image encryption.     

生成距离图的同心圆窗口矩匹配快速算法

针对半导体封装等工业应用对图像模板匹配的速度要求很高的特点,进行了快速模板匹配算法的研究.同心圆窗口矩匹配是一种速度较快的算法,是将模板分成一系列的同心圆环,然后通过比较模板和待检测图像上对应圆环的零阶矩确定可能匹配点.但由于确定各像素点属于哪一个圆环需要进行复杂的乘积运算,耗费了大量时间.为此,提出了一种生成距离图的改进算法,即匹配前对模板进行预处理,生成距离图,即各像元存储的是距离图像中心（圆心）的半径值.这样,确定像素属于哪一个圆环,只需要经过对各像素的索引值的简单比较,就可以确定.经过实验验证,改进算法可以大大提高模板匹配的速度,满足半导体封装等自动化作业的需求.     

基于积分图像的快速模板匹配

人脸检测中，模板匹配前往往需要对图像窗口进行灰度分布标准化，而灰度分布标准化则要先算出图像窗口的灰度均值及方差。在积分图像基础上，提出和应用平方积分图像，实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法，结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换，以厦灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤，大大提高了模板匹配速度。人脸检测实验证明这种快速模板匹配算法是有效的。     

有效的指纹纹线细化方法

自动指纹识别一般包括指纹采集，图像预处理、特征提取、特征匹配等。细化是预处理中的一个重要环节，如果细化不好，很难使用常规的特征提取算法提取特征信息。现有的指纹细化算法存在很多问题，如细化不彻底、纹线吞噬、骨架偏离纹线中心等，各种问题的存在严重影响了细节点的准确提取。将现有的几种细化算法进行融合，应用于指纹二值图像的细化，得到了较好的细化效果。在细化纹线基础上可以准确地提取细节点.     

可变可视密码

传统的可视密码在加密时会产生像素扩张,结果使分存图像比秘密图像大许多倍,尤其是应用在灰度和彩色图像上,其扩张的倍数更是惊人.传统的可视密码都是单点加密,本文在Hou的m点加密的基础上,提出任意点加密可视密码,即在加密的时候可以对任意个点进行加密,我们称之为可变可视密码.操作的时候,对秘密图像的r个点同时进行加密,当r=m时,该加密就是像素不扩展可视密码;当r>m时,该加密得到的就是分存图像缩小的可视密码(r的增大会降低解密图像的对比度);当r相似文献   

适于人脸检测的模板匹配快速算法

为提高人脸检测中模板匹配的速度,在积分图像基础上,提出和应用平方积分图像,实现了一种计算速度与图像窗口大小无关的快速灰度均值和方差算法。应用这种快速算法,结合对灰度分布标准化近似计算公式、相关系数和平均偏差计算公式的变换,以及灰度分布标准化处理时省略拷贝图像窗口及窗口灰度值变换等不必要的步骤,大大提高了模板匹配速度。人脸检测实验证明了这种算法的有效性。     

一种高效的基于阈值的图像滤波算法及其实现

通过对均值滤波和中值滤波进行分析,提出并实现了一种新的滤波算法。该算法通过设置一阈值,当像素点的值和邻域均值的差值大于该阈值时,才取邻域均值为该点的缸,否则该点的值保持不变。那么图像就不会模糊又去除了噪音,也不用排序,就能取得和中值滤波一样的滤波效果,速度比中值滤波快得多。而且该算法能够克服均值滤波和中值滤波的不足,在均值滤波和中值滤波无法胜任的领域仍能大显身手,展现出良好的适应性和高效性。并可根据需要对滤波过程实现控制,具有很大的灵活性。