基于热核信号的3D图形的分层匹配方法

3D图形稠密匹配是计算机视觉领域中的一个重要课题.为解决图形匹配中如何提高对拓扑噪声的鲁棒性和效率这2个基本问题,提出一种基于热核信号的3D图形分层匹配方法.首先利用热核信号函数检测特征点,并采用局部融合策略和最远点采样法适当去除冗余点和添加一些"辅助点",实现特征点优化;然后在这些特征点集上构造热核信号描述子,并利用熵将特征点按显著性排序作初始层匹配,再通过特征点各层邻域的局部匹配最终实现3D图形由粗到细的稠密匹配.在TOSCA数据库上进行数值实验,并将文中方法与已有的经典方法进行比较的结果表明,该方法在一定程度上克服了拓扑噪声的影响,并且运算效率较高,更适应于实际应用.     

一种改进的立体视觉匹配算法*

针对目前双目立体视觉匹配算法匹配误匹配率高的问题,提出了一种具有尺度不变特性的 Harris检测算法,将SIFT特征描述子引入到Harris特征的描述过程当中,使其提取到的特征具有旋转、尺度、亮度不变性。并且为了提高匹配精度,采用RANSAC法去除误匹配来降低误匹配率。相对于经典的 Harris算法,该算法提取的特征具有尺度不变特性且误匹配率降低,是一种有效可行的立体匹配算法。     

基于CompactRIO的载人航天器外场试验平台设计

介电电泳细胞试验中,细胞旋转速度的检测一直是影响试验效率的重要因素；常规的人眼识别,工作效率低,单次检测细胞数量少,周期长,并不能满足目前高通量的细胞转速检测要求；因此,设计了一种应用环形窗模板匹配与特征点跟踪,实时检测介电电泳细胞运动参数的装置；重点论述了环形窗模板的匹配和特征点的标记匹配的理论算法；利用C++编程并移植到嵌入式设备中；装置测试结果表明,其静态图像处理能准确地分割各细胞单元,动态处理可有效匹配细胞特征点,检测所得的细胞旋转速度相对误差小于1%,满足设计指标要求。     

基于点特征的序列图像匹配方法研究

提出了用3个向量描述Harris角点方向特征的方法,该算法首先用Harris角点检测得到特征点,并把SIFT算法中使用的特征描述方法引入到特征点描述中;然后利用欧氏距离对点特征进行匹配;提出一种简单高效的排除错误匹配的方法。该算法对数字城市中序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该算法匹配准确率较高,具有实用价值。     

基于多尺度角点的改进SIFT算法

重点讨论一种基于角点的改进SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)算法。该算法采用统一的低主曲率比值删除不稳定边缘响应点,把高斯空间中提取的角点加入到运用主曲率比值筛选后的SIFT特征点中。另外,在角点检测中,以图像区域方差来动态确定角点检测的阈值,大大提高了算法的适应性。实验证明,改进后的算法能提取更加稠密且高匹配的特征点,并且具有对主曲率比值不敏感的优点。     

图像匹配中的特征点筛选方法

针对传统特征检测算法提取的特征点稳定性差且不唯一，导致误匹配率过高的问题，提出了三条特征点筛选准则：稳定性准则、唯一性准则和显著性准则。其中稳定性准则保证筛选出健壮稳定的特征点，唯一性准则剔除特征重复的特征点，显著性准则保留带有明显特征信息的点。通过剔除掉不满足这三条准则的特征点，不仅减少了描述符的计算时间，同时也提高了匹配正确率。将特征点筛选准则运用到常用的匹配算法中。实验结果表明，所提特征点筛选准则不仅保证了特征点的稳定性、唯一性和显著性，同时使得匹配正确率、重复率和匹配速度都有很大提高。     

字符串近似匹配查询技术综述

字符串匹配是计算机科学中最经典、研究最广泛的问题之一,并且已经被应用到了众多领域当中。然而随着计算机和网络技术的飞速发展以及新问题的不断提出,人们逐渐发现在实际应用中有时更需要进行近似字符串匹配。因此,研究高效的近似字符串匹配算法具有重要的理论价值和实际意义。     

基于改进显著图和局部特征匹配的copy-move窜改检测

检测整幅窜改图像的方法增加了许多非必要的计算量，为了降低计算复杂度和进一步提高检测精确率，提出了一种基于改进显著图和局部特征匹配的copy-move窜改检测方法。首先，结合图像梯度改进显著图，分离出包含图像高纹理信息的局部显著区域；其次，只对该局部区域采用SIFT(scale invariant feature transform)算法提取特征点；然后，对显著性小的图像采用密度聚类和二阶段匹配策略，对显著性大的图像采用超像素分割和显著块特征匹配的策略；最后，结合PSNR和形态学操作来定位窜改区域。在两个公开数据集上进行实验，该方法的平均检测时间小于10 s,平均检测精确率大于97%,均优于所对比的方法。实验结果表明，该方法能够大幅缩减检测时间、有效提高检测精确率，并且对几何变换和后处理操作也都具有较好的鲁棒性。     

基于K近邻一致性的特征匹配内点选择算法

宽基线图像特征匹配是计算机视觉应用中一项极具挑战性的工作。由于图像之间存在较大的差异,宽基线图像初始特征匹配的结果中不可避免地包含大量的外点。提出了K近邻一致性算法来实现从宽基线图像初始匹配结果中快速选出高可靠性的点对。该算法采用仿射不变的结构相似度来衡量两组K近邻特征点的结构相似性。K近邻一致性算法采取由粗到精的策略,通过K近邻对应一致性检测和K近邻结构一致性检测两个步骤来选择内点。实验结果表明,提出的算法在查准率、查全率和运行速度等方面接近或优于当前几种最新的内点选择算法,可适用于存在大范围的视点、尺度和旋转变化的宽基线图像。     

改进人工鱼群的ORB特征匹配算法

针对室内轮椅定位与地图构建中传统ORB（oriented FAST and rotated BRIEF）受到特征点检测与选取策略的影响导致特征匹配正确率不理想,提出一种改进人工鱼群的ORB特征匹配算法。使用改进后的FAST检测特征点,利用改进后的人工鱼群在组合优化问题中具有收敛速度快且易获得最优解的特点,在图像中计算出不同特征区域,根据特征点所在区域位置赋予其相应的状态,对不同状态的特征点选择保留或去除,使用汉明距离的RANSAC算法在特征区域之间进行特征匹配。实验结果表明,改进后的FAST在图像边缘处提取到更多的图像特征,在实际环境中改进后的ORB匹配算法平均正确匹配率达到了92.7%,比传统ORB平均正确匹配率高52.3%。     

基于中心点的指纹细节结构匹配算法

指纹细节匹配算法是自动指纹识别系统(AFIS)中一项关键的任务,目前存在大量的研 究和算法.依据算法是否依赖中心点,指纹细节点匹配算法可以分为两类:基于中心点的匹配算 法和非中心点匹配算法.大多数非中心点匹配算法都非常耗时,因此不适合在线应用.而基于中 心点方法的效率相对较高,但是这类算法极度依赖于中心点的定位精度.在本文中,提出了一种 全新的基于中心点的指纹细节结构匹配算法,该算法综合了基于中心点匹配算法和非中心点匹 配算法的优点,同时又避免了二者的缺点.首先利用中心点检测算法获得中心点的位置,然后在 中心区域定义了一些局部的结构,同时利用这些局部结构寻找指纹细节的对应点,并通过对应点 和中心点的相对关系来确认这些对应细节点.其次利用这些细节对应点匹配全局的细节信息,最 后,利用匹配细节的全局距离和距离方差来判决最终匹配结果.实验结果表明,算法的匹配效果 非常好,同时匹配效率较高,非常适合在线指纹识别系统的应用.     

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。     

An accurate interest matching algorithm based on prediction of the space–time intersection of regions for the distributed virtual environment

Interest matching is an important data-filtering mechanism for a large-scale distributed virtual environment. Many of the existing algorithms perform interest matching at discrete timesteps. Thus, they may suffer the missing-event problem: failing to report the events between two consecutive timesteps. Some algorithms solve this problem, by setting short timesteps, but they have a low computing efficiency. Additionally, these algorithms cannot capture all events, and some spurious events may also be reported. In this paper, we present an accurate interest matching algorithm called the predictive interest matching algorithm, which is able to capture the missing events between discrete timesteps. The PIM algorithm exploits the polynomial functions to model the movements of virtual entities, and predict the time intervals of region overlaps associated with the entities accurately. Based on the prediction of the space–time intersection of regions, our algorithm can capture all missing events and does not report the spurious events at the same time. To improve the runtime performance, a technique called region pruning is proposed and used in our algorithm. In experiments, we compare the new algorithm with the frequent interest matching algorithm and the space–time interest matching algorithm on the HLA/RTI distributed infrastructure. The results prove that although an additional matching effort is required in the new algorithm, it outperforms the baselines in terms of event-capturing ability, redundant matching avoidance, runtime efficiency and scalability.     

Fingerprint minutiae matching algorithm for real time system

Many fingerprint matching algorithms have been reported in articles in recent years. And people did fingerprint images matching through minutiae matching in most of the algorithms. In this paper, we proposed a new fingerprint minutiae matching algorithm, which is fast, accurate and suitable for the real time fingerprint identification system. In this algorithm we used the core point to determine the reference point and used a round bounding box for matching. Experiments done on a set of fingerprint images captured with a scanner showed that our algorithm is faster and more accurate than Xiping Luo's algorithm.     

Isometric 3D Shape Partial Matching Using GD-DNA

Isometric 3D shape partial matching has attracted a great amount of interest, with a plethora of applications ranging from shape recognition to texture mapping. In this paper, we propose a novel isometric 3D shape partial matching algorithm using the geodesic disk Laplace spectrum (GD-DNA). It transforms the partial matching problem into the geodesic disk matching problem. Firstly, the largest enclosed geodesic disk extracted from the partial shape is matched with geodesic disks from the full shape by the Laplace spectrum of the geodesic disk. Secondly, Generalized Multi-Dimensional Scaling algorithm (GMDS) and Euclidean embedding are conducted to establish final point correspondences between the partial and the full shape using the matched geodesic disk pair. The proposed GD-DNA is discriminative for matching geodesic disks, and it can well solve the anchor point selection problem in challenging partial shape matching tasks. Experimental results on the Shape Retrieval Contest 2016 (SHREC’16) benchmark validate the proposed method, and comparisons with isometric partial matching algorithms in the literature show that our method has a higher precision.     

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配（NCC）算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测（SSDA）算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。     

Two-View Orthographic Epipolar Geometry: Minimal and Optimal Solvers

We will in this paper present methods and algorithms for estimating two-view geometry based on an orthographic camera model. We use a previously neglected nonlinear criterion on rigidity to estimate the calibrated essential matrix. We give efficient algorithms for estimating it minimally (using only three point correspondences), in a least squares sense (using four or more point correspondences), and optimally with respect to the number of inliers. The inlier-optimal algorithm is based on a three-point solver and gives a fourth-order polynomial time algorithm. These methods can be used as building blocks to robustly find inlier correspondences in the presence of high degrees of outliers. We show experimentally that our methods can be used in many instances, where the orthographic camera model isn’t generally used. A case of special interest is situations with repetitive structures, which give high amounts of outliers in the initial feature point matching.     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。     

一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。     

基于扇区划分的细节点采样指纹匹配算法

在对指纹匹配算法进行了深入研究及总结现有算法优缺点的基础上,提出了新的基于扇区划分的细节点采样指纹匹配算法。本算法以指纹图像参考点为中心,分扇区对细节点数目进行采样统计以构造新的指纹特征向量,再利用距离最小准则进行指纹匹配。实验结果表明,本算法有效提高了指纹图像的匹配效果和运行速度。