一种用于图像拼接的图像序列自动排序算法

为实现全景图拼接中图像序列的自动排序,提出了一种利用相位相关法判断两幅图像是否重叠以及两幅重叠图像的位置关系的完全自动的图像序列排序算法。该算法避免了图像序列排序中的人工干预。实验结果表明,该算法能有效地实现顺序混乱的图像序列的自动排序,并能很好地应用于全景图拼接。     

一种改进的航拍图像序列自动排序算法

为实现无人机航拍图像中图像序列自动排序,提出了一种基于相位相关法改进的图像序列自动排序算法。该算法利用对数极坐标的方式来表示图像间的平移、旋转、尺度缩放的关系,并利用最大相关度准则以及峰值坐标判断相邻图像的位置关系。实验结果表明,此算法能有效地解决全景图像拼接中序列图像混乱的问题,避免了人工干预,增强了算法的应用范围,具有很强的实用价值。     

K均值聚类分割的多特征图像检索方法

从图像数据库中快速、准确地检索出所需要的图像,具有广泛的应用前景。针对使用单一图像特征难以准确表达图像之间的差异问题,提出了一种利用颜色聚类分割和形状特征提取的图像检索算法。选择符合人眼视觉特征的HSV空间,分别重组最能描述图像颜色特征的H分量和形状特征的V分量;用K均值聚类算法对两个分量进行聚类分割,得到目标物体;提取目标物体的Hu不变矩和傅里叶描述子来描述形状特征;用欧式距离进行相似度测量并用于图像检索中。采用不同类型图像进行实验,结果表明该算法优于使用单一特征和一般分割方法的图像检索技术。     

基于Tchebichef矩和粗糙集的图像分类方法

矩函数能够描述物体形状的全局特征,而采用粗糙集理论解决图像分类问题能避开图像相似度大小的复杂计算.考虑到二者在图像数据处理方面的优势,提出一种基于Tchebichef矩和粗糙集的图像分类方法.首先从图像中提取出Tchebichef矩,再应用粗糙集进行图像分类.实验结果表明该方法能有效地进行图像分类,同时比较了基于Tchebichef矩、Zernike矩和Hu矩的识别结果,说明该方法优于其它方法.     

基于SURF和KLT跟踪的图像拼接算法

针对现有图像拼接精度不高和速度慢的问题,提出一种图像自动拼接算法。采用特征向量实现图像序列完全自动排序,把特征向量作为图像中的运动目标,利用KLT跟踪算法计算特征点的偏移量,从而得到图像之间精确的单应性变换矩阵,给出一种基于视觉特征的色彩融合方法实现图像的无缝拼接。实验证明该算法提高了匹配的精度和速度,能够实现自动排序,并具有较好的鲁棒性。     

基于细胞显微图像特征的ROI自动提取算法

为了在细胞显微图片中快速有效地自动提取细胞聚集的区域,提出了一种基于细胞显微图像特征的感兴趣区域(ROI)自动提取算法.该算法以图像的自动阈值分割为基础,利用图像膨胀后边缘的融合和重叠消亡原理,以图像特征的相似度为判别手段,最后用八邻域轮廓跟踪法取得轮廓线.对大量细胞显微图片的实验表明,该算法成功实现了对细胞显微图像的感兴趣区域沿边缘全自动快速提取.     

采用指数矩的图像区域复制粘贴篡改检测

目的 图像区域复制粘贴篡改是目前众多图像篡改技术中一种简单而且常见的方式。针对目前大多数区域复制粘贴篡改检测算法鲁棒性不强,提出一种基于指数矩的图像篡改检测算法。方法 首先将图像分成重叠的图像子块,然后提取每一图像子块的指数矩作为特征向量进行字典排序,利用向量相似度和位移初步确定疑似图像子块,再根据疑似图像子块的相邻子块个数和角度方差去除误匹配块,得到最终篡改区域。结果 该算法具有良好的鲁棒性,与采用圆谐-傅里叶矩的算法相比,在图像受到噪声干扰时,检测率平均提高26.66%,错误率平均降低33.77%。结论 本文算法利用图像的指数矩,针对图像区域复制粘贴篡改操作,能有效检测出图像的篡改区域。检测图像在经过旋转、高斯模糊和添加噪声等后期处理时,算法依然有效。     

一种基于目标区域的图像检索方法

为了弥补颜色直方图等全局特征在描述彩色图像空间信息上的不足,该文提出了一种基于目标区域的彩色图像检索方法。该方法首先利用一种基于颜色视觉一致性的图像分割方法提取出有意义的目标区域,然后分别对各个区域提取HSV彩色直方图和Hu不变矩作为目标区域的特征描述,最后提出了一种相应的计算相似度的方法,实现了图像之间的相似度度量。通过在中科院计算所的Mires图像数据库和ViViLab测试图像库上进行实验,该文提出的方法对于目标明确、背景不太复杂的图像可以达到较好的检索效果。     

基于聚类优化模型的碎纸自动拼接方法研究

碎纸自动拼接算法是计算机图形图像应用的一个热点领域。对于碎纸拼接主要由计算机图像预处理、图形图像特征提取和图像匹配三个过程组成。针对中文内容碎纸和英文内容碎纸的区别,给出了两种不同的图像特征提取方法。首先建立聚类模型对碎纸图像中提取的图像特征值进行K-mean聚类得到属于同一行的碎片集合;然后建立旅行商优化数学模型,以拼接方案特征值误差平方和最小为目标函数,实现同一行碎片集合的排序,形成完整一行的图像;最后利用优化数学模型实现不同行图像的排序。实验结果显示:该拼接算法可以给出准确的拼接方案,且求解迅速,无需进行人工干预,实现真正的全自动拼接。     

一种基于组合特征的商标图像检索算法研究

提出一种将三个特征结合的方法来进行商标图像检索.首先用Canny算子对商标图像的边缘进行提取;其次计算出商标图像边缘的7个Hu不变矩,以及偏心率和质心距离,得到一个9维向量;然后用欧氏距离匹配;最后给出了和其它算法对比的实验结果.     

搜索引擎中基于内容的图像重排序

针对基于文本的图像搜索结果的排序不能很好满足用户查询期望的问题,提出两种基于内容的图像搜索结果重排序方法:基于相似性积分的重排序算法(SI算法)和基于Dijkstra算法的重排序算法(D算法)。这两种方法把图像作为节点,利用图像的颜色和形状特征计算图像间的相似性,并将相似性作为边的权重构建相似性图,SI算法根据每个节点图像相似性积分的大小来进行排序,D算法则利用Dijkstra算法从指定图像开始对所有图像节点进行遍历排序。实验结果表明,两种方法都能很好地改善图像搜索排序结果,其中SI算法适合使用在初始查准率在0.5~0.9的情况;而D算法不要求初始查准率,但对图像间相似性值的精确度要求高,可以用于用户指定一张查询相关图像的重排序。     

基于SIFT特征的眼底图像自动拼接

针对眼底图像对比度低、不同视场的图像间存在几何畸变等特点,提出一种基于SIFT特征的眼底图像自动拼接算法。该算法分别提取待拼接眼底图像的SIFT特征点,并用向量进行描述,确定两幅图像特征点的匹配关系,使用MLESAC算法去除误匹配点对,提出对特征点对提纯的距离-斜率相似测度方法,计算匹配点之间的透视变换矩阵,最后进行图像配准和拼接。对实际眼底照相机获取的多幅图像拼接结果表明,该算法具有很好的鲁棒性和稳健性,可以实现眼底图像的高精度自动拼接。     

融合直接度量和间接度量的行人再识别

当前行人再识别的度量算法在计算相似性时主要依据两幅图像自身的判别信息(直接度量),较少依据与两幅图像相关的其它图像的判别信息(间接度量).针对此种情况,文中提出加权融合直接度量和间接度量的度量方法.首先提取图像的局部最大概率特征和突出性颜色名称特征,融合两者作为图像的最终特征.然后分别计算两幅图像的直接相似性和间接相似性,利用序列排序方法对数据库样本进行训练,得到权值参数,从而得到两幅图像的最终相似性.在Market-1501数据库和CUHK03数据库上的实验表明,融合后的度量识别能力明显高于单个度量的识别能力.     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

基于脉冲耦合神经网络的图像NMI特征提取及检索方法

为了简单有效地提取图像重要特征信息, 从而更好地提高检索图像的精度, 提出了一种基于脉冲耦合神经网络(Pulse coupled neural networks, PCNN)的图像归一化转动惯量(Normalized moment of inertia, NMI)特征提取及检索算法. 首先利用改进简化PCNN模型相似神经元同步时空特性及指数衰降机制将图像分解为具有相关性的二值系列图像, 然后提取反映原始图像目标形状、结构分布二值系列图像的一维NMI特征矢量信号, 并将其应用在图像检索中; 同时, 考虑到二值系列图像间的相关性及不同图像间NMI序列值的差异性, 引入了马氏距离结合Pearson积矩相关法的 综合相似性度量方法. 实验结果表明, 所提算法对图像特征矢量序列具有良好抗几何畸变不变特性及对图像表述的唯一性,且具有较好的图像检索效果.     

基于多维向量模型模糊聚类的图像识别研究

从建立像素色彩空间的多维向量模型出发,采用一种改进的模糊C均值聚类算法对图像进行分割,从而得到一组图像像素空间的特征区域向量,并采用特征向量相似度计算方法计算图像相似度,进而比较两幅图像相似度大小,以达到图像识别的目的.通过实验对图像相似识别效果进行验证,实验表明,基于多维向量模型模糊聚类方法在图像识别中有一定应用价值.