基于粒子群算法的灰度相关图像匹配技术

首先对图像匹配问题进行了描述,接着简单介绍了标准粒子群优化算法及其一些基本概念。最后,引出如何运用粒子群优化算法来求解图像匹配问题。对实验结果的分析表明：基于粒子群优化算法的图像匹配算法能够在不失匹配精度的条件下,克服一般图像匹配方法运算量大、耗时长的缺点,满足实际运用中匹配精度和速度的要求。     

图像匹配方法综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配的几个要素,图像匹配算法的分类以及图像匹配性能评价指标,探讨了图像匹配中有待进一步研究和解决的问题。介绍了近来出现的新思路和新方法,提出了实际应用中有待进一步研究的内容,如算法的融合、基于局部特征的算法、基于模型的匹配算法等。     

基于改进SIFT算法的图像匹配方法

研究图像匹配定位识别精度问题,针对同一图像两个不同视点的匹配,为提高不同分辨率不同尺度的图像匹配精度和效率问题,提出一种改进的基于尺度不变特征变换(SIFT)算法的图像匹配方法.由于算法具有良好的尺度、旋转、光照等不变特性而应用于图像匹配中,在分析SIFT特征向量生成过程的基础上,以准欧式距离代替欧氏距离作为特征描述符之间的相似性度量来提高SIFT特征匹配效率.实验结果表明,方法在保持图像匹配率和算法鲁棒性情况下,不仅缩短了匹配时间,还提高了图像匹配的精度,证明图像匹配的有效性.     

图像匹配中的性能优化

图像匹配是计算机视觉和图像处理领域中一项非常重要工作。提高图像匹配的速度和匹配的结果精度是图像匹配研究要达到的最终目的。该文针对图像匹配方法进行了研究。主要研究了两类图像匹配算法:直接基于图像灰度信息的算法和基于图像特征的匹配算法。对传统的图像匹配理论中的常用的图像匹配技术和方法做一个归纳介绍,对具有代表性的算法进行了分析评价,归纳出一种图像匹配的改进策略。依据信息论的原理,发现图像模板匹配中存在着信息冗余,通过去除冗余信息,利用比较少的可利用点对进行匹配。先对要匹配的模板图像做个条件的判断,对满足条件判断的模板图像先选出信息含量大的行或列,然后在该行或行上进行匹配,这种算法的优点是特征序列的提取简单快速。它继承了特征提取的特点,同时也改进的传统模板匹配算法。实验结果表明,这种算法大大减少了冗余点之间的计算,从而加快了图像匹配的效率,同时匹配的精度也保持相对稳定。     

一种基于群智能算法的图像匹配算法

图像匹配是图像处理技术中的重要研究领域,也是图像融合的基础。现有的图像匹配方法存在匹配速度慢、匹配精度低等问题。为了提高匹配效率,笔者采用群智能算法作为搜索策略搜索最优参数,提出了一种基于群智能算法的图像匹配算法。基于此,介绍了图像匹配的三个基本要素、分类以及性能评价指标,阐述了布谷鸟算法,并利用布谷鸟算法改进了原有的匹配算法。实验结果证明,基于群智能算法的图像匹配算法合理有效。     

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。     

基于改进网格运动统计特征的图像匹配算法

为了解决尺度不变特征变换（SIFT）算法在图像匹配中匹配正确率低、耗时长等问题，提出一种基于改进网格运动统计特征RANSAC-GMS的图像匹配算法。首先，利用快速旋转不变性特征（ORB）算法对图像进行预匹配，对预匹配的特征点采用网格运动统计（GMS）来支持估计量以实现正确匹配点与错误匹配点的区分；然后，采用改进的随机抽样一致性（RANSAC）算法通过匹配点间的距离相似性对特征点进行筛选，并采用评价函数对筛选后的新数据集进行重新整理，进而实现对误匹配点的剔除。采用Oxford标准图库和现实中拍摄的图像对图像匹配算法进行测试对比，实验结果表明，所提算法在图像匹配中的平均匹配正确率达到91%以上；与GMS、SIFT、ORB等算法相比，该改进算法的近景匹配正确率和远景匹配正确率分别最少提高了16.15个百分点和3.56个百分点，说明它能有效剔除误匹配点，进一步提高图像匹配精度。     

基于小波金字塔的快速图像匹配算法

图像匹配是立体视觉中的关键问题。本文针对在图像匹配中被广泛采用的最小二乘算法存在速度慢、易受初值影响的问题,提出了一种基于小波金字塔分层的快速立体匹配算法。形成由粗到精的匹配策略,以低分辨率下匹配点,作为高分辨率图像对匹配的约束。实验结果表明此算法可以减少误匹配,提高匹配速度。     

基于条件随机场的目标跟踪算法研究

在目标跟踪过程中,图像匹配技术是跟踪至关重要的环节,直接影响跟踪的效果。针对图像匹配算法中传统块匹配的搜索框和匹配准则问题提出了相应的改进。首先,采用并行粒子滤波算法对图像匹配中搜索框的位置和大小进行改进。其次,采用基于时空域信息的条件随机场模型以及CRF最大似然系数,对目前主流的依赖颜色信息的Bhattacharyya系数匹配准则进行改进。实验结果表明该算法不仅在匹配速度上有所提升,而且大幅减少了对目标颜色和形状的依赖,在匹配精度上也有了大幅提升,能更好的处理目标和背景颜色相似等复杂问题。     

基于改进并行粒子群算法的彩色图像匹配

本文给出了对解决图像匹配问题的一种新尝试,即基于改进并行粒子群算法的彩色图像匹配。本文提出和建立对彩色图像匹配问题的匹配策略和数学模型,应用改进并行粒子群算法(基于 .Net任务并行库(TPL)/PLINQ实现并行化)进行仿真实验并将实验结果与标准粒子群算法下的彩色图像匹配问题的实验结果进行比较,验证了算法的实用性和有效性。在大数据背景下的智能算法的应用方面迈进了一小步,同时也给本身研究不多的彩色图像匹配问题提供了一种新的且可行的解决方法。     

基于YHFT-QDSP的并行图像匹配算法

提出一种基于YHFT-QDSP的并行图像匹配算法,采用数据级并行方法实现并行的特征提取和特征点匹配,充分开发了多核处理器的多级并行性。实现和评测了SIFT、SURF、PCA-SIFT的并行算法。实验结果表明,并行图像匹配算法对各种不同图像形变具有良好的适应性,具有接近串行算法的图像匹配能力,平均加速比达3.2。     

肌骨超声图像特征检测及拼接

目的 肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法 采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换以及融合处理,得到拼接全景图,并在特征检测性能、特征匹配性能、图像配准性能以及拼接效果等方面对4种算法进行评估比较。结果 实验结果表明,与SIFT、SURF、ORB算法相比,FAST-SIFT算法所提取的特征点分布更均匀,可以检测到大部分肌纤维的端点,且特征点检测时间最短,约4 ms,其平均匹配对数最多,是其他特征检测算法的25倍,其互信息和归一化互相关系数均值分别为1.016和0.748,均高于其他3种特征检测算法,表明其图像配准精度更高。且FAST-SIFT算法的图像拼接效果更好,没有明显的解剖结构错位、断裂、拼接不连贯等现象。结论 与SIFT、SURF、ORB算法相比,FAST-SIFT算法是更适合提取肌骨超声图像特征点的特征检测算法,在图像配准精度等方面都具有一定的优势。     

自适应柱状全景图拼接

为了实现高效高精度的全景图拼接,提出了一种面向柱状全景图的自适应拼接方法。该方法首先使用基于灰度边缘特征点的图像匹配来获得匹配坐标,并由匹配坐标唯一性计算焦距;然后在该焦距参数估计的基础上,采用新的自适应混合图像灰度匹配方法生成初期拼接图像,并根据其宽度以及相关判别条件进行焦距估计的调整,再重复迭代,以获得准确的焦距参数;最后利用基于角度1维投影的图像匹配方法进行匹配坐标的小范围校正,以及使用线性平滑算法生成最终柱状全景图。该法在精确焦距的基础上,结合了多种图像匹配算法,并根据自相关指数自适应选取结果,实现了水平和垂直两方向上的匹配定位和错位检测。实验证明,该方法不仅在真实图像上的可行,且具有较高的实时性、精度和鲁棒性。     

多特征融合的图像自动变形

目的 图像变形算法中特征基元提取和匹配方式大部分都是采用人机交互的方式进行,并且在遮挡区域变形时出现较多的鬼影和模糊现象,使得针对同一场景图像变形实现繁琐且效果不佳,针对这些问题提出一种基于多特征融合的自动图像变形算法。方法 该算法提取多种图像特征信息（如Surf特征算子、Harris算子、Canny算子等）并进行多特征融合匹配,得到一个分布适当且对应关系正确的三角网格,再结合图像变形,实现自动图像插值。结果 实验结果显示,自动的提取特征基元有效地减少了人工操作,而多特征融合匹配有效地抑制了图像变形时边缘或遮挡区域鬼影的产生。结论 提出的融合匹配方法,将不同的特征信息有效地融合匹配从而改善了图像变形算法。通过对多组实验结果进行问卷调查,91%的参与者认为该算法有效地改进图像变形结果。     

中介相似性量度的图像匹配

图像匹配是图像信息领域中一个非常重要的技术。以中介真值程度的数值化度量为基础,建立了中介相似性量度,设计了采用中介相似性量度的灰度信息图像匹配算法。实验结果表明,与已有的典型算法处理结果相比较,基于中介相似性量度的匹配算法具有良好的抗噪性和一定的抗失真性,且具有较高的匹配精度和匹配速度。     

结合稀疏表示与拓扑相似性的图像匹配算法

为了解决图像匹配算法中存在的匹配效率低、时间复杂度与计算量高等问题,通过结合稀疏表示和拓扑相似性,提出了一种图像匹配算法。该算法先对图像进行特征检测,计算轮廓相似度,找到待匹配图像中相似的最大轮廓区域,用稀疏编码对轮廓内特征进行稀疏表示,建立稀疏模型,将复杂特征变得单一化,但又不影响特征的分类方式,将相同类别或者相同属性的特征归为同一特征集,结合稀疏表示和邻域互信息的类属属性学习。计算得到变换矩阵,用以表示图像。利用结构化的拓扑相似性,对轮廓内外相关联的点进行优化。最后,分别从主观评价和客观评价两个方面对算法进行分析,结果表明提出的新算法与其他图像匹配算法相比较,具有明显匹配精度与效果,提出的算法在提高匹配效率及复杂度等方面具有较好优势。     

GSSAC:一种用于遥感影像配准的误匹配点检测方法*

遥感影像配准中,由于光照、成像角度、几何变形等因素的影响,无论采用何种配准方法,总会产生误匹配点,因此误匹配点检测也是一个非常重要的步骤。针对常用RANSAC (Random Sample Consensus)方法不稳定、无法准确检测分布不均匀匹配点的缺点,提出了分组排序采样一致性(Group Sorted Sample Consensus, GSSAC)方法来提高误匹配点检测的稳定性和精度。分组排序采样方法首先将匹配点分为若干组,在每组内计算匹配点的误差并排序,然后在每组中分别采样若干个匹配点组成估算模型参数需要的匹配点。实验结果表明,GSSAC方法可以稳定的获得高精度的检测结果。     

一种用于图像检索的DP匹配方法

相似性测量是图像检索中的一个重要步骤,距离度量是相似性测量的一个重要方法,DP匹配是距离度量的一种特殊形式。该文在分析一维DP匹配的基本原理后,提出用能量矩阵代替DP匹配中的距离矩阵。能量矩阵是根据图像分割区域的边界点的能量来定义的。图像检索实验结果表明,改进的DP匹配方法在图像检索中的应用是可行的,且有一定的优越性。     

图像差与加权核范数最小化的压缩图像融合

现有的图像融合算法存在非线性操作产生的噪声干扰和空间复杂度高等问题,使得融合图像易失真和丢失信息。一些学者提出的压缩感知图像融合算法能有效改善这一问题,但大多忽略了图像矩阵的低秩性,往往会降低融合质量。由此,将压缩感知融合技术与低秩矩阵逼近方法相结合,提出基于信息论图像差与自适应加权核范数最小化的图像融合算法。该算法由3个阶段组成。首先,将2幅源图像通过小波稀疏基稀疏化,并利用结构随机矩阵压缩采样,得到测量输出矩阵。然后,将测量输出矩阵进行分块,再利用图像差融合算法得到融合后的测量输出矩阵块。最后,利用自适应加权核范数最小化优化得到的块权重,通过正交匹配追踪法重建融合图像。实验结果表明了该算法的有效性和普适性,并且在多种评价指标上优于其他融合算法。     

定位图像匹配尺度与区域的摄像机位姿实时跟踪

目的 提出一种定位图像匹配尺度及区域的有效算法,通过实现当前屏幕图像特征点与模板图像中对应尺度下部分区域中的特征点匹配,实现摄像机对模板图像的实时跟踪,解决3维跟踪算法中匹配精度与效率问题。方法 在预处理阶段,算法对模板图像建立多尺度表示,各尺度下的图像进行区域划分,在每个区域内采用ORB（oriented FAST and rotated BRIEF）方法提取特征点并生成描述子,由此构建图像特征点的分级分区管理模式。在实时跟踪阶段,对于当前摄像机获得的图像,首先定位该图像所对应的尺度范围,在相应尺度范围内确定与当前图像重叠度大的图像区域,然后将当前图像与模板图像对应的尺度与区域中的特征点集进行匹配,最后根据匹配点对计算摄像机的位姿。结果 利用公开图像数据库（stanford mobile visual search dataset）中不同分辨率的模板图像及更多图像进行实验,结果表明,本文算法性能稳定,配准误差在1个像素左右;系统运行帧率总体稳定在2030 帧/s。结论 与多种经典算法对比,新方法能够更好地定位图像匹配尺度与区域,采用这种局部特征点匹配的方法在配准精度与计算效率方面比现有方法有明显提升,并且当模板图像分辨率较高时性能更好,特别适合移动增强现实应用。