改进多尺度特征提取的图像配准算法研究

利用Harris-Laplace算法对一幅图像进行多尺度特征点检测时,图像的局部结构在一定的尺度范围内被多次检测到,从而产生冗余点。冗余点不但增加了后续配准的计算量,同时由于这些表示同一局部结构的冗余点在位置和尺度上的差异降低特征匹配精度导致误匹配。通过对表示局部结构的特征点进行选择,提出了Harris-Laplace的改进算法。利用改进Harris-Laplace算法结合SIFT描述子,通过设定最小距离与次最小距离的阈值实现了图像的自动匹配,与原来算法作了大量的对比实验。实验结果表明,该算法不仅具有更好的旋转、光照和尺度不变性还具有获得稳定数量的匹配点的特性。同时,由于该算法相对于原算法在特征检测阶段减少了大量的冗余点,所以提高了图像配准的速度并降低了误匹配。     

结合兴趣点和边缘的建筑物和物体识别方法

提出了多种图像特征相结合的建筑物和物体识别方法．使用尺度不变特征描述器描述的Harris-Laplace兴趣点以及边缘颜色直方图描述的边缘特征表示图像．边缘和兴趣点包含图像的重要信息．对2种特征的抽取同时进行：基于Harris检测器可以直接得到边缘特征；在多个尺度下进行Harris兴趣点检测，利用Laplace公式得到Harris-Laplace兴趣点．进行物体识别时，根据兴趣点的数目自适应地改变兴趣点和边缘特征的相似性权重．与同类方法相比较表明，该方法具有更高的识别正确率，在视点变化、光照条件变化等情况下具有较好的性能．     

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。     

一种快速多尺度特征点匹配算法

为了快速稳定地进行特征点的跟踪,提出了一种快速多尺度特征点的提取算法.该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间特征点的局部极值,减少了局部极值搜索的冗余性,然后再利用最近邻算法对特征点进行匹配.实验结果表明,该算法的计算速度快于SIFT算法和MOPS算法,稳定性强于传统的Harris算法,可以用于实时图像配准及目标跟踪.     

基于图像特征点与伪Zernike矩的鲁棒水印算法研究

以Harris-Laplace检测算子及伪Zernike矩相关知识为基础,提出一种可有效抵抗几何攻击的数字水印新算法.该算法首先利用Harris-Laplace检测算子从载体图像中提取出稳定的特征点;然后根据特征尺度自适应确定局部特征区域,并使其尺度标准化;最后通过量化调制伪Zernike矩幅值将水印     

基于Hessian矩阵和Gabor函数的局部兴趣点检测

局部特征方法是基于内容的图像与视频检索的重要方法。提出一种新的基于Hessian矩阵和Gabor函数的尺度不变局部特征点检测方法(Hessian-Gabor Detector)。该方法首先利用基于Hessian矩阵的检测子定位图像在空间域上的候选特征点位置,然后用基于Gabor函数的算子检测候选兴趣点在尺度空间的特征尺度,从而获得具有尺度不变特性的局部特征点。实验证明,与DOG、Harris-Laplace等方法相比,计算简单。应用于图像匹配中,能够显著地提高匹配效率。     

基于兴趣点多特征融合的物体识别方法

提出一种基于兴趣点多种特征融合的物体识别方法。利用简化的局部二值模式算子去除Harris冗余角点,提取感兴趣区域的3种特征并加权融合特征,在K最近邻(KNN)方法中引进加权因子计算特征距离函数,得到合适的分类器。实验结果表明,该方法能有效提高物体识别的正确率。     

基于多尺度Harris角点的图像文字检测

为解决传统的基于Harris角点的图像文字检测算法易受非文字角点干扰,检测准确率低的问题,提出一种基于多尺度Harris图像文字检测算法.该算法在多个尺度下提取角点,并利用分块方法分析文字局部特征,有效剔除了非文字角点.使用多次迭代逐步剔除非文字区域角点,精确提取备选块中的文字角点;通过区域融合形成文字区域,用轮廓跟踪法标识文字区域.实验结果表明,该算法明显提高了图像/视频文字检测的稳定性和准确率.     

融合多种特征点信息的最小生成树医学图像配准

针对医学图像配准鲁棒性强、准确性高和速度快的要求,提出了一种基于融合多种特征点信息的最小生成树医学图像配准算法.该算法首先提取3种特征点,Harris-Laplace,Laplacian of Gaussian 和网格点;然后使用遗传算法去除特征点集的冗余,并通过对位映射构建无向完全图顶点集合;进而使用改进的Krusk...     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

基于Harris-Laplacian的特征点均衡化鲁棒数字水印

针对目前数字水印算法对一些去同步攻击和复合性的几何攻击难以应对问题,提出一种基于Harris-Laplacian的特征点均衡化鲁棒数字水印方法。通过改变Harris-Laplace方法中Harris角点的尺度空间来获得分布均匀的特征点;采取梯度指标以决定特征方向,依据特征点与其决定的特征方向以获得不变的特征域;在特征区域中嵌入水印。该方法增强了数字水印对一般性常规几何攻击以及复合性攻击的抵抗能力。仿真结果表明,新方法可以很好地处理几何攻击后的图像改变,同时避免了嵌入的水印信息在提取的特征区域外,具有很好的鲁棒性。     

多特征复合的角点提取方法

提出了一种利用图象灰度特征和边界轮廓点特征相复合的角点检测方法；首先在SUSAN特征检测原则基础上，提出了基于图象灰度特征的快速自适应特征检测方法，用以提取不同图象对比度下目标轮廓上的初角点，利用边沿元对这些包含了部分边缘点的初角点沿边绝缘方向跟踪排序后，再由根据图象边缘特征检测的边界方向变化情况来确定角点位置，同时剔除由于图象数字化而导致的虚假角点，这种方法克服了单一特征提取角点所带来的弊病，提高了角点检测的精度，抗噪能力强，运算量较小，适于实时实现。     

一种自适应特征点最优分组匹配的策略

提出一种自适应对特征点进行最优分组匹配的方法策略,按照特征值将获得的角点进行最优分组,采用单演相位或NCC算法与Ransac估计算法进行正式的分组匹配和剔除外点。通过实验证明,该算法能够有效去除误匹配点,减少特征点的匹配搜索与匹配验证时间,具有计算简单,实用性强等特点。     

基于图像特征的数字水印算法研究

为了使数字水印具有更鲁棒的抗攻击能力，提出了一种基于图像特征的数字水印新算法。该算法首先利用Harris—Laplace算子提取载体图像特征点；然后结合特征尺度白适应确定局部特征区域；最后，采纳DFT中频幅值比较策略将数字水印信息重复嵌入到多个不相交的局部特征区域中。检测时，根据模糊模式识别的最大隶属度原则检测水印信息。仿真实验结果表明，该新算法不仅具有较好的透明性，而且对常规信号处理（中值滤波、边缘锐化、叠加噪声和JPEG压缩等）和去同步攻击（旋转、平移、缩放、行列去除、剪切和局部随机弯曲等）均具有较好的鲁棒性。     

一种基于光流场重建三维运动和结构的新方法

提出了一种基于稀疏光流场计算三维运动和结构的线性新方法 ,该方法综合视觉运动分析中的两类处理方法 ,选取图象中的角点作为特征点 ;并检测和跟踪图象序列中的角点 .记录检测到的角点在图象序列中的位移 ,在理论上证明了时变图象的光流场可以近似地用角点的位移场代替 ,从而得到时变图象的稀疏光流场 ;通过光流运动模型的建立 ,推导出由稀疏光流场重建三维物体运动和结构的线性方法 .通过用真实图象序列验证该算法 ,表明该算法取得了较好的效果     

基于特征块角点检测的电子稳像方法

针对稳像过程中的局部运动干扰, 提出了一种基于特征块角点检测的电子稳像算法。该算法采用SUSAN算子, 对均匀分布的大尺寸特征块进行检测, 并构造特征块及对应检索区域角点集合。通过计算基于角点响应函数的修正Hausdorff距离实现背景局部遮挡下的特征块配准, 进而通过运动矢量一致性检测得到有效运动矢量。实验结果表明, 该方法对实测抖动视频序列的平均峰值信噪比在稳像后提高了19. 83 dB, 对局部运动干扰下的抖动图像序列具有较好的稳像性能。