基于边缘相关性距离约束的角点匹配

在双目视觉技术中,针对物体边缘上的角点误匹配问题,提出了一种基于边缘相关性距离约束的角点匹配算法。该算法首先采用基于边缘的角点检测子来提取角点,通过极线约束和角点特征值约束来确定候选角点匹配集合;然后提出“边缘相关性”约束,基于角点距离构造候选角点对的贡献值来对其进行精匹配;最后构造角点特征向量,通过子向量匹配方法进一步对角点匹配对进行检验。实验结果表明,该匹配算法正确率高,有效地解决了边缘角点对的误匹配问题,非常适用于基于边缘曲线的双目视觉应用。     

改进的SURF算法在书法笔画匹配识别中的应用

书法笔画具有丰富的书写人特征,能否正确进行特征向量提取和匹配直接影响识别效果。针对SURF算法检测特征点少、误匹配率高的问题,提出了一种基于Contourlet变换的SURF算法。该算法利用Contourlet变换,在提取特征点前对书法字笔画进行子带分解(LP)和方向性滤波(DFB),得到低频和高频细节分量,采用最小欧氏距离准则(LEDC)对低频细节分量进行相似性计算,高频细节分量进一步分解后选取合适阈值提取高频特征点,然后进行SURF特征点匹配,采用RANSAC算法剔除误匹配点。实验表明,改进的SURF算法不仅能更好地提取笔画特征点,提高抗噪性能,识别率也提高了3%。     

基于特征提取的点云自动配准优化研究

针对三维点云自动配准精度不高、鲁棒性不强等问题,提出一种基于判断点云邻域法向量夹角的自动配准算法。该算法首先计算点云中每个点的法向量与邻域点集的法向量夹角的余弦值,然后把邻域各点的余弦值作为该点的属性特征向量,进行特征分类提取特征点,根据几何特征的相似性初步搜索匹配点对,并采用欧式距离约束条件剔除匹配错误的点对;运用最小二乘法计算初始配准参数,再通过改进的迭代最近点（Iterative Closest Point,ICP）算法进行精匹配。实验证明,该算法相对于经典的ICP算法无论收敛速度还是匹配精度上都有提升。     

基于ORB特征的误匹配点剔除算法

针对ORB算法采用传统的RANSAC算法剔除误匹配的不足,提出一种新的误匹配剔除算法。将剔除阶段分为粗剔除与精剔除两部分,粗剔除通过实验设计选定合适的Hamming阈值大小剔除部分误匹配点对,以减少精剔除阶段的计算量。精剔除利用特征点与邻域像素点的信息构造差值矩阵,将矩阵的奇异值定义为特征点的描述向量。通过计算2个向量的相关性来达到进一步剔除的效果。实验结果表明:该算法能够有效地剔除误匹配点对,且与RANSAC算法相比,精度提高了8%,匹配精度达到98.97%。     

基于分支特征点的导航用实时图像匹配算法

为了满足景象匹配辅助导航系统需要同时获取飞行器位置和航向偏差的需要, 提出了一种基于分支特征点提取的图像匹配算法. 传统的图像匹配算法需要全局搜索匹配特征点, 耗时巨大, 而只提取分支特征点来匹配能满足导航系统实时性的要求. 在匹配算法方面, 提出了采用加权 Hausdorff 距离算法来进行匹配. 同时, 根据分支特征点的特性, 推导了相应的权值求解公式. 仿真结果表明, 本文提出的匹配算法耗时较短, 能满足导航系统实时性的要求, 且定位参数的求解也完全正确.     

基于特征点的单应矩阵鲁棒估计

提出了一种基于特征点的单应矩阵鲁棒估计算法.在图像的尺度空间中提取特征点,并对特征点进行亚像素定位.同时赋予主方向.根据邻域信息计算得到特征向量后,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对.用RANSAC(Random Sample Consensus)算法匹配特征点对,同时计算得到两幅图像之间的单应...     

基于匹配点相似度引导采样的图像多平面检测

针对实际广泛存在的具有深度变化的多平面场景,提出一种基于匹配点引导采样的多平面检测算法.根据平面结构中匹配点的相似度改进匹配点的采样规则,通过对匹配点的残差信息进行排序和加权分析,获取场景中各个平面结构对应的单应矩阵,从而实现了场景中多平面区域的准确检测.实验结果表明,与现有典型的算法相比,提出的算法可获得较高的平面检测准确率.     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图,然后结合图像特征点的几何特征构造亲近矩阵,再对亲近矩阵进行奇异值分解(SVD),利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示,这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于空间纹理相似性的图像角点特征匹配算法

本文针对传统图像角点特征匹配算法的匹配速度慢且准确率低等问题,提出一种基于空间纹理相似性的图像角点特征匹配算法。首先,计算图像目标上角点对应的空间距离矩阵;然后,通过计算图像角点的空间距离矩阵在对应角点邻域LBP特征向量上的瑞利商,将角点在图像灰度特征空间内的度量问题转换为纹理特征空间内幅值的度量问题;最后,根据角点对应的瑞利商的大小,实现不同图像间的角点特征匹配。对不同条件下采集的图像进行角点特征匹配,得到的匹配结果表明本文算法不仅能够很好的适应图像光照、几何变化,得到的匹配正确率较高,同时与传统算法相比本文算法在运行时间上也有大幅度的降低,当处理特征数量较小时平均降低48ms,而匹配特征数量较多时能够降低2408ms。     

基于点对点通信的软件接口

提出了采用点对点通信方式，通过对Modem及串口通信的控制，实现防伪税控软件接口。     

基于点重要性判断的点云简化

为了有效保持散乱点云的显著几何特征,提高点云简化的精度和效率,提出一种点重要性判断点云简化方法.首先,计算点云中点的重要性,并根据重要性提取特征点;然后,采用八叉树算法对非特征点进行简化,从而保留点云的主要细节特征,实现点云简化处理;最后,通过对公共点云和文物点云数据模型的简化实验来验证该点云简化方法.结果表明,该点重要性判断点云简化方法可以在有效保持点云细节几何特征的同时,实现点云的有效简化,是一种快速、高精度的点云简化方法.     

分布式点对点网络服务架构研究

本文对点对点网络资源搜索的效能进行了改良.首先,提出一个以二元平衡树(binary balanced tree)为基础之结构式网络架构,透过控制树结构的高度,搭配可调整的跳跃式快捷搜索,缩短搜索资源所需的时间.另一方面建立一个以群组为基础,并且以节点兴趣相似度(locality of interest)做为分组的原则的点对点网络系统,藉由根据各个节点的不同性质来做适当的分类以局限使用者做搜索的范围,避免一些因搜索范围过大而导致延迟的情形发生,而提升在点对点网络系统的搜索效率.     

点云数据压缩中的边界特征检测

点云数据压缩是逆向工程产品建模中必要的数据预处理手段之一。常见的数据压缩算法未考虑点云边界数据点的保留问题，因此在大比例压缩过程中会出现边界数据丢失的情况，从而破坏了数据的完整性。为此，提出了一种利用点云数据小邻域内点的相邻关系来检测边界特征点的算法。该算法能检测出点云数据的内、外边界特征点，同时对边界上的点进行排序，检测出边界特征点中的过渡点，最后构建点云轮廓的边界多边线。该算法不仅能满足在点云数据压缩过程中检测并保留边界特征点的要求，而且生成的边界多边线也为后面的3维模型重建奠定了基础。     

Point/Counterpoint

Les Hatton ("Embedded versus Application—They're Much the Same") and Michiel van Genuchten ("Embedded Software Isn't Future Proof") discuss whether significant differences exist between embedded and application software.     

Point/Counterpoint

POINT: AOP Will See Widespread Adoption Adrian Colyer, Rob Harrop, Rod Johnson, and Alexandre Vasseur AOP offers both the short--and long-term return on investment needed to ensure its widespread adoption. COUNTERPOINT: AOP Has Yet to Prove Its Value Danio Beuche and Cédric Beust Where is the proof that nonhierarchical modularization into aspects makes systems development cheaper or better?     

Check Point InterSpectTM

源自内部的威胁 多重安全防护用于保护企业网络免遭来自内部的攻击,如来自移动办公或外勤人员使用的台式机及笔记本电脑.这种情况下,企业即使可以成功抵抗由互联网而来的攻击,但只要其中一名系统受到感染的外勤人员回到办公室并把笔记本联网后,便会导致整个企业网络再次受到感染.