基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法. 首先利用经典的角点检测算法提取待匹配图像的特征点或角点; 其次利用相位相关法估算出两幅图像的重叠区域, 以缩小匹配范围; 然后对角点邻域模板区域施行Laplace变换; 最后利用基于改进的SSIM (结构相似性)作为相似性度量准则建立特征点之间的匹配关系. 实验结果表明, 该方法可以很好的完成特征点匹配, 匹配点对充足且具有很高的准确率, 而且对亮度差异具有一定的鲁棒性, 从而保证图像配准精度.     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量（WSM）的特征匹配方法。该方法首先采用基于网格多密度聚类的特征匹配（FM_GMC）算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变换（SIFT） 进行描述;然后采用加权的方式对特征聚类块之间的空间上下文信息间的Hausdorff距离、图像特征点外观描述子间的欧氏距离以及图像特征点的局部几何灰度信息的归一化互相关度量（NCC）进行相似性度量;最后依据最近邻距离比值（NNDR）对相似性度量结果进一步优化,从而确定特征匹配结果。以古建筑图像为数据集的实验结果表明WSM方法的平均匹配精确率达到92%,在匹配数量和精确率上优于常用的特征匹配方法,验证了该方法的有效性和鲁棒性。     

一种快速有效的网络视频拷贝检测方法

为了快速有效地检测真实网络中的拷贝视频, 针对现有基于顺序度量特征的检测算法存在鲁棒性不足和相似性度量不准确的问题, 提出基于核心区域顺序度量特征和转换距离的视频拷贝检测方法。该方法在统计分析真实网络中拷贝视频特点的基础上, 首先选取拷贝视频中相对稳定的核心区域提取顺序度量特征; 其次提出基于最小转换代价的度量标准, 并设计相应的顺序度量特征快速匹配方法; 最后采用简化的最长匹配子序列算法进行特征序列匹配, 检测查询视频中的拷贝片段。基于真实网络数据和MUSCLE-VCD-2007数据的实验结果显示, 相对于现有基于顺序度量特征的拷贝检测方法, 本方法鲁棒性更强, 检测效率更高。     

基于稀疏特征点的零件图像拼接方法

针对纹理弱、特征稀少且存在大量相似性区域的零件图像拼接,一般基于特征点的图像拼接方法效果较差,本文提出一种改进方法。该方法首先依据FAST特征点检测方法提取特征点,再筛选出用于匹配的候选点集;其次,利用模板区域采样灰度特征,通过设置旋转角度和缩放比例搜索域结合结构相似性（SSIM）方法完成点匹配;最后,通过点匹配结果求出旋转、缩放和平移参量,利用3σ原则去除异常值得到最终结果。实验结果表明,在角度搜索域为［-45°,+45°］,缩放搜索域为［0.5,1.5］的条件下,本文方法能够得到较准确的旋转、缩放、平移参量及拼接效果。     

基于细节信息分类和结构相似的快速分形编码方法

针对传统分形编码中编码时间过长的问题,提出了一种细节信息分类（Detail Information Classification,DIC）与结构相似（Structure Similarity,SSIM）指标相结合的快速分形编码方法。DIC方法将图像块的内部细节信息分布状况作为分类标准对定义域块库进行分类,SSIM指标分别从亮度、对比度和结构三个方面度量值域块与定义域块之间的匹配程度。通过将DIC方法与SSIM指标结合,可以加快分类速度、减少匹配运算时间。     

基于全局拓扑结构的分级三角剖分图像拼接

采用相似性度量的方法对具有周期性内容或相似内容的图像进行配准时,容易产生特征误匹配,从而带来拼接误差.针对这一问题,提出基于全局拓扑结构的分级三角剖分图像拼接方法:首先,提出基于梯度及3色比空间的特征描述用于相似性度量,保留所有阈值范围内的m:n(m,n为正整数)特征点匹配,以减少漏匹配;然后,根据特征点集的拓扑结构对特征点集进行分级三角剖分,根据三角形网格的匹配关系,逐步将多对多的不确定匹配或降为一对一匹配,去除误匹配.实验结果表明,与经典图像拼接方法相比,该方法可以解决周期性内容或相似内容误匹配带来的拼接误差,并大大减少投影变换矩阵计算点数.     

基于结构方向信息的图像质量评价方法

结构相似度(SSIM)方法通过度量原图像和失真图像之间的结构相似程度,达到了比传统PSNR方法更好的图像质量评价效果。但SSIM算法本身并没有充分利用图像的结构信息,在SSIM算法的基础上进一步挖掘图像结构中包含的方向信息,提出了局部结构方向相似度(LSOS),将LSOS方法和现有的SIExt算法相结合,提出基于结构方向信息的图像质量评价算法(SOI)。实验表明,该方法能够达到比SIExt和SSIM方法更好的图像质量评价结果。     

一种基于几何特征的表情相似性度量方法

在表演驱动、表情克隆等人脸动画中,需要寻找最相似表情以提高动画真实感和逼真度。基于面部表情几何特征提出一种特征加权的表情相似性度量方法。首先,在主动外观模型上,利用链码描述各区域的形状特征以刻画局部表情细节,并根据区域特征点间的拓扑关系构建形变特征以反映整体表情信息。然后,采用特征加权方式对融合的几何特征进行相似性度量,并将权重的求解过程转化为加权目标函数最小化。最后,利用求解的权重以及特征加权函数度量表情间的相似性,寻找与之最相似的表情图像。在BU-3DFE数据库和FEEDTUM数据库上的实验结果表明,该方法在寻找相似表情的正确率方面明显高于现有的度量方法,并且对不同类型、不同强度的表情描述保持较好鲁棒性,尤其在嘴型、脸颊收缩、嘴开合幅度等表情细节维持较高相似度。     

基于改进Hausdorff距离的分层景象匹配算法

为克服传统的相似性度量容易受到噪声、遮挡和成像机理等因素影响的缺点,结合人的认知过程,提出了一种分层的模板匹配算法.首先利用了统计指标来对候选匹配区域进行预标记,其次通过对Hausdorff相似性度量的改进来提高其对遮挡、异源图像匹配的鲁棒性.实验结果证明了该方法能够有效地减少搜索区域大小,提高了遮挡情况下的匹配精度,验证了算法的有效性.     

基于改进的图像局部区域相似度学习架构的图像特征匹配技术研究

该文在AdaBoost算法的基础上提出了一种图像局部区域相似度的学习架构,利用该架构训练图像局部特征来获得低维数、独特的特征描述子,以实现对图像局部区域高精度地匹配.所提学习架构通过学习图像局部区域相似性得到一组非线性弱学习器对图像局部特征进行描述;同时,在响应函数组合形式和弱学习器权重优化配置方面,针对浮点描述子和二值描述子分别提出了新的补丁相似性度量函数作为目标函数的核函数,提高了图像特征相似性匹配效果.该学习架构不会受限于任何预定义的图像特征信息采集模式,能产生基于灰度信息或方向梯度信息的特征描述子.实验结果表明采用这种学习架构获得的特征描述子,在所有对比描述子中图像局部匹配查准率是最好的.所提学习框架能有效地配置优化描述子弱学习器,能提高图像特征描述子对图像尺度和视角变化的鲁棒性.