基于自适应网格矢量编码的人脸快速匹配算法

在分析传统图像匹配算法优缺点的基础上,提出了一种基于自适应网格矢量编码的人脸快速匹配算法.该算法首先对人脸进行二值化边缘分割和脸部特征轮廓提取,并对图像的细节边缘和特征轮廓进行自适应网格划分,然后对网格内的边缘段和特征轮廓段进行链码描述及矢量编码,最后通过计算编码后的方向矢量矩阵相似度来实现人脸图像的匹配识别.通过对ORL标准人脸图像库的实验仿真及对比结果表明,该算法在降低计算复杂度及提高识别精度的同时,有效地解决了由图像旋转、姿态变化引起的微小形变以及不同光照条件所带来的图像识别率低的问题.     

基于邻域灰度信息的Hausdorff距离图像匹配方法

针对可见光与红外图像由于成像机理不同引起的图像灰度值差异大、边缘轮廓不一致、传统基于灰度和基于特征的匹配方法匹配概率不高等问题,在分析了各种Hausdorff距离算法的前提下,引入可见光与红外图像的灰度信息,提出一种基于邻域灰度信息Hausdorff距离的图像匹配方法。该方法在计算图像边缘特征点相似性的基础上,增加了邻域归一化灰度方差计算,有效解决了由于边缘差异引起的Hausdorff距离算法对可见光/红外图像匹配概率不高的问题。经可见光与红外图像匹配的仿真实验表明,在各种条件下,该算法与传统Hausdorff距离算法相比,有效提高了在不同光照下图像的匹配效率以及对噪声的抗干扰性能。     

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。     

基于结构相似保真的图像稀疏表示模型

过完备图像稀疏表示是一种最新的图像表示模型,采用过完备字典中原子的线性组合形式实现图像的稀疏表示.传统的过完备图像稀疏表示模型采用重建误差的平方和作为保真项.该保真项没有充分考虑到人眼对图像的感知特性,无法度量图像中边缘、轮廓、纹理等局部几何结构的变化.本文基于过完备稀疏表示理论思想,建立了新的稀疏性正则化的图像稀疏表示模型.模型中的正则项约束图像表示系数的稀疏性,保真项采用更符合视觉感知的结构相似性度量.基于正交匹配追踪算法,提出了基于结构相似度的正交匹配追踪算法.实验结果表示,新的模型能够更好地重构图像的结构信息,获得更好的重建视觉效果.     

基于多尺度稀疏表示的图像融合方法

针对目前基于稀疏表示的常用图像融合算法计算复杂度高以及忽略图像局部特征的问题,提出多尺度稀疏表示(multi-scale sparse representation,MSR)的图像融合方法.充分利用小波多尺度分析较好突出图像局部特征的特点,将其和过完备稀疏表示有效结合;待融合图像在小波解析域中进行小波多层分解,对每个尺度的特征运用K-SVD (kernel singular value decomposition)多尺度字典进行OMP (orthogonal matching pursuit)稀疏编码,并在小波域中各个尺度中进行融合.实验结果表明,与传统的小波变换、轮廓波变换、稀疏表示融合算法相比,该算法更能保证图像局部特征的完整性,实现更好的性能.     

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.     

SIFT结合改进的Harris的图像匹配方法

为了进一步提高图像匹配的速度和精度,提出SIFT结合改进的Harris的图像匹配方法,使候选点数量更少,特征点更稳定,匹配更有效率。首先用稳定的SIFT算法检测提取尺度空间极值点作为特征候选点,再下一步精确定位筛选时结合改进的Harris算法,根据灰度的"相似度"的原则进行Harris特征提取。实验结果表明,该方法大大提高了特征点提取速度和降低计算复杂度;在保持良好的匹配率的同时明显提高了算法效率和匹配速度。     

基于云计算的特征人脸户籍图像匹配技术研究

研究特征人脸户籍图像快速匹配问题。在特征人脸与户籍图像进行正确匹配的过程中,需要将户籍图像与特征人脸逐个进行对比,一旦户籍图像数量较大,将造成匹配耗费时间延长。传统算法多是根据户籍图像特征进行配准,一旦户籍图像过多,造成图像匹配耗时,导致图像匹配效率降低。提出了一种云计算的特征人脸户籍图像匹配技术。建立云计算网络模型,计算户籍图像特征权值参数,进行特征参数矩阵转化处理,从而完成特征人脸户籍图像匹配。克服了传统算法的弊端。实验证明,改进算法能够避免由于户籍图像数量过大造成的图像匹配耗费时间过长的缺陷,提高了图像匹配的效率。     

基于图像混合图结构的区域匹配和图像约化算法

讨论使用混合图对图像进行识别的连通性、相似性和可比性原则,并提出一种混合图结构的约化算法。通过可比性原则,对图像的混合图结构中复合节点用参考图像进行比较,计算出混合图复合节点在参考图像中的可能匹配和相似度,以此对混合图结构进行约化。为方便计算和阐述约化过程,使用单个属性,对混合图进行属性标记,把相似性比较简化为线性复杂度的排序和查询运算。结果显示,该方法切实可行。     

一种新的二维碎片的轮廓匹配方法*

以往的轮廓匹配算法中所用的轮廓表示方法大多需要大量繁琐的计算,大大增加了算法的时间复杂度,为此提出一种新的轮廓特征表示方法,简化了此部分的计算。首先求出待匹配图像单像素宽的轮廓曲线上像素点的坐标序列,然后利用轮廓上各点和与其相差六个点的像素点之间的位置关系及行列坐标差的平方代数和对轮廓进行表示,得到两轮廓曲线的表示序列后;接着采用寻找两轮廓表示序列的最长公共子序列（LCS）的方法进行匹配,并在匹配过程中引入了“断点续配”的概念,有效提高了算法的容错性。实验证明所用的轮廓表示方法简单明了,计算量小,在提高算     

根据形状相似性的书法内容检索

提出了一种根据形状相似性来检索书法字的算法：将扫描的书法作品先切分成单个书法字,并提取轮廓特征;接着由形状相似性算法计算相似度,然后按相似程度大小显示同一字不同的书法风格.实验证明,该算法具有很好的效果.     

利用子空间稀疏特征的超分辨率图像重建算法

在传统超分辨率图像重建算法中,图像的梯度、纹理结构等特征通常是由人工设计的规则提取的,对于结构复杂、内容丰富的图像,这样提取到的特征不能精确地表达图像的全部信息,对图像的边缘和局部细节信息会造成缺失。而且在图像训练过程中,还会出现低分辨率[(LR)]和高分辨率[(HR)]图像特征图数量不一致、特征匹配度较低的问题。因此,如何提取表达能力更强的特征作为源图像的精确表示和训练过程中提高图像特征匹配度对图像的超分辨率重建至关重要。针对上述问题,提出了一种基于[PCANet]模型的超分辨率图像重建算法。首先通过具有高斯内核函数的[PCANet]模型提取图像的深层次特征,并且加入稀疏优化算法,对输出的特征映射矩阵迭代优化,得到其最佳投影矩阵,有效提升了特征映射的鲁棒性。然后利用学习获得的LR滤波器将提取到的图像的深度学习特征分解为多个稀疏特征,使用[ADMM]算法和SA-ADMM算法迭代更新得到其最优解以后,结合[LR]图像的稀疏特征和映射函数估计出HR图像的稀疏特征表示,最后和相应的[HR]滤波器进行卷积求和得到最终的重建图像。实验结果表明,该方法使重建图像的细节信息更好地保留,图像的边缘纹理更加清晰,客观评价指标平均[PSNR]值提高了0.21?dB以上,有效提升了图像重建的质量。     

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.     

基于SimHash和混合相似度的多模式匹配方法

为了解决多源异构民航旅客服务数据集成过程中存在多模式匹配的效率不高、精确性不足、完整模式信息获取难度较大等问题,提出了一种基于SimHash和混合相似度的多模式匹配方法。该方法首先基于PMI计算特征单元权重,并通过SimHash算法构造属性列的签名来表示属性特征,以降低特征维度,进而引入K-means++算法对属性聚类并生成候选匹配集。最后基于属性的混合相似度构建属性映射图,以直观的方式展示属性间的匹配关系,同时提高多模式匹配效率。实验结果表明该方法具有可行性,为高效地解决多源异构民航旅客服务数据集成中的模式冲突问题提供新的解决方案。     

基于灰度共生矩阵和同步正交匹配追踪的分形图像压缩

针对传统分形图像压缩中存在计算复杂度高以及编码时间较长的问题,提出了一种基于灰度共生矩阵纹理特征的正交化分形编码算法。首先,从特征提取和图像检索的角度建立起范围块和域块之间的相似性度量矩阵,由此将全局搜索转化为局域搜索来缩减码本;然后,定义一个新的规范块作为新的灰度描述特征,从而简化了块之间的变换过程;最后,引入同步正交匹配追踪（SOMP）稀疏分解正交化分形编码的概念,将块之间的灰度匹配转化为求解相应的稀疏系数矩阵,进而实现了一个范围块和多个域块之间的匹配关系。实验结果表明,与稀疏分形图像压缩（SFIC）算法相比,所提算法在不降低图像重建质量的前提下节省平均约88%的编码时间;与双交叉和特征算法相比,所提算法能够在保持更好的图像重建质量的同时显著缩短编码时间。     

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。     

量化SIFT和同态加密的隐私保护图像检索方法

提出了一种隐私语义保持的图像内容检索方法,将加密图像中隐私保持尺度不变特征变换(SIFT)的提取方法和二进制SIFT算法融合在一起,不仅保证了上传到服务器端的图像是加密的,同时又能在加密空间保持其隐私语义.对图像进行Paillier同态加密,保证了图像在服务器端和传输过程中的安全性,在加密域提取SIFT特征,并将其用二进制表示,减少存储空间和计算复杂度.实验证明:经原始图像特征提取后生成的二进制SIFT在稳健性测试中获得良好的效果,并且与加密图像特征提取后生成的二进制SIFT保持等距,在明文域和密文域中保持了图像搜索匹配的准确性,在匹配效率上得到提高.     

基于黎曼流形稀疏编码的图像检索算法

针对视觉词袋（Bag-of-visual-words,BOVW）模型直方图量化误差大的缺点,提出基于稀疏编码的图像检索算法.由于大多数图像特征属于非线性流形结构,传统稀疏编码使用向量空间对其度量必然导致不准确的稀疏表示.考虑到图像特征空间的流形结构,选择对称正定矩阵作为特征描述子,构建黎曼流形空间.利用核技术将黎曼流形结构映射到再生核希尔伯特空间,非线性流形转换为线性稀疏编码,获得图像更准确的稀疏表示.实验在Corel1000和Caltech101两个数据集上进行,与已有的图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了更好的检索性能.     

基于非局部相似模型的压缩感知图像恢复算法

针对压缩感知(Compressed sensing, CS)图像恢复问题, 提出了一种基于非局部相似模型的压缩感知恢复算法, 该算法将传统意义上二维图像块的稀疏性扩展到相似图像块组在三维空间上的稀疏性, 在提高图像表示稀疏度的同时进一步提高了压缩感知图像恢复效率, 恢复图像在纹理和结构保持方面都得到了很大的提升. 在该算法模型求解过程中, 使用增广拉格朗日方法将受限优化问题转换为非受限优化问题, 为减少计算复杂度, 还使用了基于泰勒展开的线性化技术来加速算法求解. 实验结果表明, 该算法的图像恢复性能优于目前主流的压缩感知图像恢复算法.     

基于深度特征分析的双线性图像相似度匹配算法

基于内容的图像检索一直面临"语义鸿沟"的难题,特征选择对语义学习结果有着直接的影响;而传统距离度量方法往往从单一角度进行相似性计算,不能很好地表示出图像之间的相似度。为了解决以上问题,提出基于深度特征分析的双线性图像相似度匹配的方法。首先,将图像数据集在卷积神经网络模型上进行微调训练,然后利用训练好的卷积神经网络对图像进行特征提取,获得全连接层输出的特征之后,通过双线性相似性度量方法得到图像间相似度的大小,通过对相似度的大小排序,返回最相似的图像实例。在Caltech101和Caltech256数据集上的对比实验显示,所提算法的平均查准率、TopK查准率和查全率均优于对比算法,验证了所提算法的有效性。