基于Gabor多尺度空间的不变兴趣点检测

针对以往仿射不变兴趣点的特征尺度不能直接断定的问题, 提出一种基于Gabor多尺度空间的不变兴趣点检测算法。该算法主要包括三个步骤：应用Gabor滤波器组与图像卷积建立图像Gabor多尺度空间; 通过极大值准则检测兴趣点并直接断定特征尺度; 采用二阶矩矩阵描述兴趣点局部结构。实验结果表明, 相比较其他Hessian-Affine、MSER等算法, 该算法在图像模糊和JPEG压缩情况下可重复率和可匹配率均取得最好结果, 是一种能有效直接提取特征尺度的兴趣点检测算法。     

一种基于Gabor小波的局部特征尺度提取方法

图像的局部特征尺度在进行特征提取和构造尺度不变量时非常重要。提出了一种基于Gabor小波的局部特征尺度提取方法,该方法利用视皮层简单细胞的2维Gabor函数模型, 构造了一个Gabor尺度空间核函数,利用该核函数计算图像的Gabor尺度空间分解,并在尺度空间中搜索局部极大值作为特征点的固有尺度。实验结果表明,该方法可在不同对比度 条件下有效地提取各类特征的局部尺度,并且相比高斯拉普拉斯(LoG)方法有更好的适应性和可靠性。     

一种基于Zernike矩的局部特征检测方法

针对图像发生几何或质量畸变时局部特征区域提取效果不理想的问题,提出了一种基于Zernike矩的具有旋转不变性与尺度不变性的图像局部特征检测算子。该算法利用Zernike矩构建Hessian矩阵,以基于Zernike矩的Hessian矩阵的行列式与迹确定潜在兴趣点的位置,使用非极大值抑制获得多尺度模板下的最大角点响应,再经二维二次插值运算精确定位兴趣点位置,最后利用主曲率进行边缘响应抑制,利用梯度方向直方图确定兴趣点主方向,由兴趣点4×4邻域的8个方向构建描述算子。实验结果表明,该特征检测方法在视角变换、旋转缩放、图像模糊、图像压缩以及光照变化等图像畸变条件下是有效的,且具有良好的抗噪性能。     

基于时空特征点的群体异常行为检测算法研究

提出了用时空特征点描述群体行为的新方法。首先对比分析时空Harris角点、Gabor小波、Hessian矩阵三种特征点提取方法,选择了基于Hessian矩阵的尺度不变方法提取特征点;分别采用梯度直方图、光流直方图以及时空Haar特征三种方法对特征点构建描述符。采用Bag-of-words策略对正常行为建模,使用基于EM估计的高斯混合模型建模产生关键词,根据关键词为每一视频片段建立一个带有概率分布的编码向量,形成编码表。异常行为的检测是将测试样本的编码向量与训练样本编码表进行比较,计算相似度距离,当最小距离大于阈值时,判该群体行为异常。在UCF和UMN两种群体行为数据集下的实验结果表明,该方法能够对群体异常行为进行有效识别,对尺度变化以及背景光照变化等具有较好的适应性。     

采用多尺度滤波的遥感图像关键点检测方法

针对关键点检测过程中遥感图像会因为局部结构变形发生误检测的问题,提出一种鲁棒的关键点检测新方法。该方法首先基于映射策略和提升结构实现非下采样多尺度滤波器,用于获得平滑图像;然后根据图像尺度空间理论和尺度不变特征变换生成高斯差分尺度空间,并利用有限差分计算尺度空间采样点局部极值,子像元插值和Hessian矩阵删除不稳定极值点;最后用梯度分布直方图描述关键点。在仿真实验平台上,与现阶段方法的关键点计算时间和图像匹配性能做比较分析,实验结果表明,改进的方法有较低的计算时间复杂度,具有较好的鲁棒稳定性。     

基于Gabor能量空间的尺度不变兴趣点检测方法

兴趣点检测是中层视觉感知过程的关键步骤,也是众多机器视觉系统的重要组成部分.此前的大多数兴趣点检测子都是针对特殊的二维图像结构设计的,比如角点、交叉点、端点等,所以对与其差别较大的特征不能检测.采用在Gabor能量空间中迭代搜索的方法,本文提出了一种尺度不变兴趣点检测子.基于结构不同的二维图像特征在相频域中表现相似的特点,该检测子能检测大多数特征.首先,基于Gabor滤波器响应获得一系列能量图像,通过极值点检测得到候选兴趣点;其次,使用一种迭代方法同时选择特征尺度与精确定位特征点位置;最后为了提高算法的实时性,采用了一种递推方法加速能量图像的计算过程.实验结果表明相对于其它检测子,本文提出的方法具有更广泛的适应性,并且在旋转、尺度、光照等变化下具有良好的稳定性.     

基于Gabor滤波器和聚类的图像配准算法

提出一种基于多尺度、多方向Gabor滤波器提取图像局部不变特征并用AP聚类进行约束的配准算法。该方法首先利用Gabor尺度空间核函数对图像进行尺度空间分解,在每一层尺度图像的不同方向上提取Harris角点,在以Harris角点为中心的固定大小的搜索窗内搜索三维尺度空间的极值点作为局部特征点的位置和特征尺度;在特征子区域内用梯度描述特征点;将得到的两幅图像的特征点AP聚类分析,实现m:n的粗匹配,最终通过各类之间的欧式距离实现对应点的匹配,通过AP聚类可有效排除多相似内容的图像之间的误匹配。实验结果表明,该算法能够提取稳健的精确特征点,并且可以有效去除多相似内容图像带来的匹配误差,实现图像的配准。     

基于二代Bandelet变换与稳定特征检测的鲁棒图像水印算法

当前基于特征点的图像水印技术主要是将水印信息隐藏到采用固定值构建的特征不变区域中,其抵御几何变换能力不佳。对此,设计二代Bandelet变换耦合稳定特征检测的图像水印算法。引入尺度不变特征变换方法,提取载体图像中潜在的特征点;根据特征点的Hessian矩阵对应的特征值,构建不稳定特征点消除规则;根据特征点的尺度因子,计算圆形半径,建立局部特征不变区域;定义鲁棒特征区域选择机制,找出合适的水印嵌入位置;引入二代Bandelet变换,处理鲁棒特征区域,获取并选择出重要的Bandelet系数;设计水印嵌入方法,将经过仿射映射加密后的二值水印隐藏到重要的Bandelet系数,获取水印图像;检测水印图像的稳定特征点,联合二代Bandelet变换,从水印图像中复原二值水印。测试结果显示:与已有的鲁棒水印方案相比,该方案具有更高的不可感知性与鲁棒性,其输出的水印图像对应的差分图更为理想,在多种几何攻击下的复原水印失真度最小。     

基于GPU的快速图像拷贝检测

为了利用GPU强大的并行处理能力提高图像拷贝检测速度,提出一种基于GPU的图像拷贝检测方法.首先结合GPU的架构设计了尺度不变特征点提取算法——Harris-Hessian算法,通过在低尺度图像上检测特征点,在图像的一系列尺度空间中根据Hessian矩阵的行列式精确确定特征点的位置和尺度,显著地减少了像素级的计算量,并具有更好的并行性;在此基础上建立了图像拷贝检测系统,检测速度得到显著提升.实验结果表明,与基于CPU实现的传统算法相比,Harris-Hessian算法可以获得10～20倍的加速比,并可保证较高的检测精度.在11 250幅的图像库中,使用文中系统检测一幅640×480图像平均只需19.8 ms,并具有95%的正确率,满足了大规模数据下实时应用的需求.     

基于SURF特征贡献度矩阵的图像ROI选取与检索方法

传统的基于全局特征的图像检索方法中需要对整幅图像特征提取,计算复杂度大,且容易导致语义歧义.针对这一问题,提出一种基于SURF特征贡献度矩阵的ROI选取和图像检索方法.首先采用SURF算子提取图像局部特征,然后依据特征点的Hessian矩阵计算其贡献度矩阵,并将其应用到ROI检测中;在此基础上,融合并归一化ROI的颜色、纹理以及形状等底层特征,利用非线性高斯距离函数进行相似度匹配,实现图像检索.实验结果表明,与已有算法相比,该算法提取的ROI与人类视觉意图一致性高,检索效果较好.     

基于Gabor能量空间的尺度不变兴趣点检测方法(英文)

Interest point detection is a fundamental issue in many intermediate level vision problems and plays a significant role in vision systems. The previous interest point detectors are designed to detect some special image structures such as corners,junctions, line terminations and so on. These detectors based on some simplified 2D feature models will not work for image features that differ significantly from the models. In this paper, a scale invariant interest point detector, which is appropriate for most types of image features, is proposed based on an iterative method in the Gabor based energy space. It detects interest points by noting that there are some similarities in the phase domain for all types of image features, which are obtained by different detectors respectively. Firstly, this approach obtains the positions of candidate points by detecting the local maxima of a series of energy maps constructed by Gabor filter responses.Secondly, an iterative algorithm is adopted to select the corresponding characteristic scales and accurately locate the interest points simultaneously in the Gabor based energy space. Finally,in order to improve the real-time performance of the approach, a fast implementation of Gabor function is used to accelerate the process of energy space construction. Experiments show that this approach has a broader applicability than the other detectors and has a good performance under rotation and some other image changes.     

Image feature detection algorithm based on the spread of Hessian source

Image feature detection can be obtained from many methods including the feature point detection. This paper adopts the image feature point detection method based on second-order characteristics of point and the image feature detection algorithm based on the Hessian matrix to detect more feature points. By combining the gray-scale-based image-matching technology with the feature-based image feature detection technology, we propose a Hessian algorithm to obtain more matching points, which can search for matching more quickly. The proposed algorithm overcomes the traditional matching methods that have Ergodic properties of the search strategy. Experiments demonstrate the speed and accuracy of the proposed algorithm, and we use the correct detected feature points to realize image registration, image fusion and image stitching.     

基于虹膜识别的身份鉴别

描述了基于虹膜识别的身份鉴别系统.该系统包括虹膜图像摄取、图像预处理、特征提 取和匹配四个部分.虹膜图像摄取采用了自主开发研制的装置,特征提取采用Gabor滤波和 Daubechies-4小波变换等纹理分析方法,匹配采用方差倒数加权欧氏距离方法.与现有的其它 方法相比,该方法利用了二维虹膜图像丰富的纹理信息并具有旋转、平移和尺度不变性.     

基于SURF特征的航空序列图像位置估计算法

视觉传感器在航空无人机导航和定位任务中应用越来越广泛。针对无人机位置参数估计问题,提出了一种基于SURF特征的图像配准算法,该算法能够适应航空序列图像的旋转、尺度变换及噪声干扰,实现无人机位置的精确估计。构建了SURF尺度空间,运用快速Hessian矩阵定位极值点,计算出航空图像的64维SURF特征描述子;基于Hessian矩阵迹完成特征点匹配;使用RANSAC算法剔除出格点,实现位置参数的精确估计。通过航空图像序列实测数据位置估计实验,验证了该算法的有效性。     

基于图像增强的井下图像拼接

为了通过图像采集技术实时监控煤矿井下生产情况, 提出了基于图像增强的井下图像拼接算法。利用局部双边滤波算法对图像进行增强,在此基础上再利用近似的Hessian矩阵和框状滤波确定特征点的位置,然后,计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,最后利用特征点对计算得出变换矩阵,采用线性渐变融合方法进行图像融合。通过图像增强前后特征点数量对比实验验证了增强算法的有效性,并证明了该算法显著提高了SURF（Speeded Up Robust Features）算法的拼接效率,有利于提高匹配的准确性和拼接的快速性。