基于轮廓投影算法的智能终端数字媒体图像信息识别研究

为了实现更高精度的数字图像信息识别,研究基于轮廓提取和轮廓质心高度增量特征描述符构建,并采用形状复杂度分析对描述符相似度计算进行优化和调整,完成对图像目标的识别。在对基于轮廓质心高度增量特征的数字媒体图像目标识别方法的有效性验证实验中,研究提出的方法的检索性能优于表中提出的几种常用方法,检索率提升了5.69%～24.81%。实验结果表明质心高度增量描述符精确地描述了轮廓点与点之间的位置关系,对于相似轮廓的区分性能更好,也验证了轮廓的复杂度评价可以帮助提升匹配结果的可信度。在带噪声的图像识别实验中,噪声水平增加到0.6以上时,虽然检索精度出现了明显下降,但仍能保持较高的识别精度,说明研究提出的方法对于噪声的干扰具有较强的鲁棒性。     

基于改进SURF的增强现实图像匹配方法

针对传统增强现实图像匹配算法鲁棒性不强且效率不高的问题,提出一种改进的SURF匹配算法。首先,使用SURF算法进行特征点检测,并通过Haar小波模板确定特征主方向,在得到特征主方向后构建特征描述符;由于传统SURF算法采用高达64维的矩形描述符,导致算法的计算量非常大,并且鲁棒性不强。因此,该文使用DAISY圆形描述符替代原始算法中的矩形描述符,DAISY是三层同心圆结构,每层包含8个采样点,可以得到25个维度的描述符,这种结构使得算法的鲁棒性大大增强并且降低了计算复杂度;接着,使用特征描述符计算欧氏距离进行特征点匹配;最后,对得到的匹配点集使用随机抽样一致(RANSAC)与三角不规则网络(TIN)算法进行优化,剔除误匹配点。实验结果表明,该算法虽然略微增加了时间复杂度,但鲁棒性变得更强,并且算法的效率和匹配精度也大大提高,平均精度达到了95%以上。     

基于各向异性滤波耦合形状质心相对角位置的图形检索算法

基于形状的目标检索技术难以检测噪声轮廓,无法兼顾表示其全局与局部显著性,导致检索精度不高。为此,提出一种图形检索算法。通过引入各向异性滤波,设计图形显著性检测算子,平滑噪声点与保留高曲率特征点,精确检测其形状显著性点,考虑形状轮廓点的总数与显著性位置,基于形状质心,定义相对角位置计算模型,并联合曲率函数,确定每个显著性点的表示值,将形状全局特征嵌入到局部细节中,联合动态规划算法,构建形状显著性相似度测量模型,进行特征点匹配,完成图形检索。测试结果表明,与基于形状的图像特征描述符相比,该算法具有更高的检索精度与更强的鲁棒性。     

一种具有强实时性、强鲁棒性的图像匹配算法

针对描述符BRIEF对图像旋转敏感的问题,提出一种改进的描述符RIBRIEF,该描述符具有识别能力强、提取速度快、占用空间小及抗干扰能力强等优点,并具有旋转不变性.经分析,图像匹配算法的实时性较大程度上由特征点数量、匹配点搜索次数及描述符相似度计算复杂度决定,因此提出通过描述符索引与描述符聚类相结合、基于FAST稳定特征点提取和逻辑运算计算相似度等方法提高算法的整体实时性.实验结果表明,与描述符BRIEF及SURF相比较,基于描述符RIBRIEF的图像匹配算法在鲁棒性及实时性方面均具有明显优势.     

一种基于多尺度轮廓点空间关系特征的形状匹配方法

针对使用三角形区域表示描述子对相似形状进行匹配时,对微小形变比较敏感 以及区分剧烈变化的不相似形状时判别能力较弱的问题, 提出一种结合轮廓点空间关系特征的多尺度形状特征描述子.通过分析不同尺度下参考点与其他采样点之间的位置关系, 利用对应角度信息来对形状进行表示, 并在此基础上构造出一种新的形状特征描述子.本文所提特征提取方法能对形状的局部及全局信息更准确地描述, 具有较好的鲁棒性和判别能力.在形状特征匹配阶段, 利用轮廓点集顺序关系已知这一优势, 引入动态规划及形状复杂度分析的方法,分析形状间的匹配结果, 能够得到较好的形状匹配精度.通过对不同形状数据集行仿真实验, 证明本文方法能够有效地实现形状识别和检索.     

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。     

一种基于改进地貌形状上下文的形状匹配方法

在基于地貌形状上下文的形状匹配方法中,计算地貌空间测地距离消耗时间较高,对应形状特征提取过程的效率较低.针对这一问题,本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中,通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文,其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知,进一步引入动态规划分析不同地貌空间下形状片段间的对应关系,以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析,验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.     

基于距离比上下文的形状描述与识别方法

基于形状轮廓上的采样点到形状质心的距离,提出了一种距离比上下文形状描述符,用于形状识别和检索。该描述符计算简单,能有效区分不同形状,本质上具有平移、缩放不变性,且在一定程度上能杭部分遮挡和形变。用动态规划算法度量形状比上下文之间的距离,解决了对起始轮廓点的选择问题。在kimia' s-99形状图像数据库中的实验结果表明,该方法在单目标封闭轮廓的形状图像检索中取得了良好的效果。     

一种快速鲁棒的SAR图像匹配算法

针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进。在构建尺度空间层面,提出将高斯引导滤波引入多尺度空间构建和预处理阶段,采用双边滤波策略,充分利用高斯引导滤波的实时性和旋转对称性与双边滤波的边缘保持优势,高效地滤除斑点噪声并保持边缘信息。在构建描述符阶段,提出采用局部差分二进制(Local Difference Binary,LDB)算法描述特征,在保证不降低特征点描述符区分性的同时,减少特征的向量维度,从而缩短构建描述符的时间。在特征匹配阶段,首先采用最近邻算法进行粗匹配,然后采用稀疏向量场一致性(Vector Field Consensus,VFC)快速剔除错误匹配点。实验结果表明,所提算法在SAR图像配准时间复杂度和匹配概率评价上要优于原始BFSIFT算法和KAZE算法。总体上,文中提出的SAR图像匹配算法是具有实时性、鲁棒性与高匹配概率的高效算法。     

角点距离矩阵和同心圆划分的曲线描述与匹配

曲线匹配对于物体识别、目标跟踪、碎片拼接等有着重要的意义。针对曲线匹配的效率与鲁棒性问题,提出了一种基于角点距离矩阵和同心圆划分的曲线描述与匹配算法。该算法分为粗略匹配和精确匹配两个阶段。粗略匹配阶段首先采用角点距离矩阵来描述曲线;然后通过子矩阵的方法来匹配曲线。精确匹配阶段首先采用同心圆划分的方法描述曲线;然后通过两条曲线同心圆描述集的差异度度量函数来度量他们的相似性。算法不仅具有平移、旋转、缩放不变性,而且具有较强的鲁棒性,可用于遮挡物体的匹配以及基于轮廓的图形拼接。实验结果表明了该算法的有效性和可行性。     

基于改进SURF特征与模糊推理的复杂图片中的文字识别

鉴于现有文字匹配算法在位置、方向和亮度变化上缺乏足够的鲁棒性，根据汉字结构的特殊性，本文采用改进的SURF算法--SSURF来提取文字特征。首先，计算所有训练样本的SSURF描述符，并将同一类别样本的描述符互相匹配，然后计算匹配次数超过1/2的关键点的匹配率，最后用训练样本SSURF描述符的均值和SSURF描述符与均值的最大欧氏距离来建立类数据库。在识别过程中，计算待识别文字的所有关键点，并将关键点的最大模糊匹配度作为该点的模糊匹配度，最后基于模糊推理实现文字识别。实验结果表明，本文算法识别性能更好。     

改进离散曲线演化的形状匹配算法

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于离散曲线演化的形状匹配算法.首先利用改进的离散曲线演化算法对形状轮廓进行特征提取,获得具有重要视觉部件的轮廓;然后计算该轮廓的形状上下文特征描述符;最后利用动态规划算法计算形状上下文特征描述符的相似度.通过在MPEG-7,Kimia以及Swedish Leaf形状数据库上的实验结果表明,该算法对变形目标具有良好的鲁棒性,且提高了运算效率和匹配精度.此外,改进的离散曲线演化算法可与不同形状描述子融合形成新的形状匹配算法.     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

基于轮廓分段特征描述的遮挡目标识别算法

针对传统目标识别算法对于遮挡目标识别准确率低的问题,提出了一种基于轮廓分段特征描述的遮挡目标识别算法。该算法首先采用离散曲线演化算法初步划分目标轮廓,根据分段起伏度进行分段优化,得到完整描述目标轮廓特征的有效分段;然后通过动态规划算法分析轮廓分段之间高度函数特征的相似度,利用特征显著度评价分段特征相对于目标整体特征的重要性;最后将分段之间的相似度和其特征显著度相结合,得到衡量识别准确率的联合相似度,获得最终的识别结果。通过对MPEG-7测试集进行实验分析,证明所提算法能够有效地对遮挡目标进行匹配识别,识别率优于常见的遮挡目标识别算法。     

图像特征匹配中一种高效的鲁棒估计算法

在图像特征匹配过程中,误匹配不可避免。提出一种新的基于拓扑约束（顺序约束和仿射不变约束）的外点去除算法,用于快速地去除图像粗匹配结果中的误配点。该算法 对随机采样集进行拓扑过滤,只对满足拓扑约束的采样集进行计算。实验表明,该算法相比于传统的鲁棒估计算法RANSAC和改进的PROSAC算法,大大提高了计算效率并保持很高的 计算精度,有助于提升图像匹配性能及3维重建的精度和鲁棒性。     

基于质心距离增量矩阵的曲线描述和匹配

图像中物体轮廓线的描述和辨识是图像理解的一个核心问题，提出了一种新的快速的轮廓线描述和匹配方法。该方法不是把曲线中的每一点都进行了描述和匹配，而是按照最小面积法则对曲线进行采样。用采样点与质心的距离增量为每一个采样点赋予一个身份向量，通过所有采样点的身份向量来构造曲线的质心距离增量矩阵以描述曲线，最后利用两条曲线的质心距离增量矩阵的差异度来度量它们的相似性。实验证明该描述方法不仅具有很好的唯一性，而且相比目前已有算法计算量大大减少。该方法的一个实际应用在于将一个地区的SAR图像与地图相匹配。     

采用快速SIFT算法实现目标识别①

在基于原始SIFT算法的目标识别中,特征描述符的计算复杂,特征点的匹配时间较长,为此提出一种快速SIFT算法。该算法采用同心圆形窗口内的灰度累加值和差分值构建16维的简化描述符,并且在目标识别时,按照金字塔结构由粗至精进行特征点匹配。实验表明,在保证目标识别准确率的前提下,快速算法的运算时间比原始SIFT算法减少了两个数量级,具有很好的实时性能。     

基于sift特征描述符的多尺度图像配准方法

研究图像处理,提高图像的精确性,在基于特征的图像配准中,特征描述符用来对两幅图像的特征进行相似性度量.合适的特征描述符对于建立图像之间的配准映射关系和提高配准精度具有重要意义.为了适应图像的尺度变化,提高配准算法的精度,引入多尺度Harris角点检测算法,并对一种基于sift特征的描述符在向量构造和采样区域等方面进行改进,最后通过对比特征描述符的相似性建立特征点间的匹配关系,并进行仿真.结果证明,算法能够适应图像的尺度变化,增加了描述符在图像具有噪声、旋转时的鲁棒性,提高了图像配准的精度.     

灰度序模式的局部特征描述算法

目的 在针对LIOP（local intensity order pattern）特征描述算法构造特征描述符过程中,计算描述子权值时未充分考虑采样点之间的局部信息及存在冗余的灰度序模式,从而导致特征描述符不准确的问题,提出一种结合采样点结构信息和剔除冗余模式的算法。方法 首先,研究了采样点局部信息,并利用采样点顺序结构构造了计算特征描述符权值方法;其次,分析了灰度序模式与对应特征描述子权值的关系;最后,在构造特征描述符时,将冗余的灰度序模式剔除。结果 对标准数据集（Oxford dataset）及另外4幅复杂光照变化的图像进行了仿真实验,得到132维的特征描述符。结果表明,与原始LIOP算法相比,该算法在不增加特征维度时precision-recall曲线有较大的提高,即提高了描述特征描述符描述能力,增强了特征对单调强度变化和旋转变化的鲁棒性。结论 提出的算法同时考虑了采样点的差异信息和结构信息,较为完整地保留了待描述点的局部信息,使得图像存在复杂光照强度情况下,能够得到较高精度和辨识度的特征描述符。     

三元组描述符的特征匹配算法

针对"风"(KAZE)/加速"风"(Accelerated KAZE)算法鲁棒性差、速度慢等问题,提出三元组描述符(Learned Arrangements of Three Patch Codes)与KAZE/AKAZE算法结合的方法,称作KAZE/AKAZE-LATCH算法。利用AOS算法或者FED算法解非线性方程搭建金字塔;利用海森矩阵在非线性金字塔上寻找特征点;以特征点为圆心按照尺度大小选择相应的采样窗口以建立描述符;利用三元组算法建立二进制描述符。将该算法与KAZE算法和AKAZE算法在公开数据集上对具有模糊变换、光照变换、视角变换和JPEG变换的图像进行匹配时间和匹配正确率的对比实验。经实验表明:该算法的匹配正确率得到巨大提升,匹配速度增加。与现有算法相比,该算法的鲁棒性和实时性更好,可用于对匹配速度和精度要求较高的场景。