图像综合特征及其在图像检测与匹配中的应用

针对灰度,几何畸变较大的图像匹配困难的问题,提出了一种图像匹配的新方法。该方法在图像预处理时,首先利用SUSAN算法来检测图像目标的边缘,然后利用图像不变矩,并结合形态信息、灰度信息构造的图像综合特征来进行图像匹配,以完成目标的识别与跟踪。由于SUSAN算法检测特征定位准确,对局部噪声不敏感,而且不变矩具有平移、旋转、比例不变的特性,因此可取得较好的检测与匹配效果。实验也表明,该算法既具有较强的抗灰度、抗几何畸变能力,又具有较强的噪声抑制能力。     

一种结合SIFT和对应尺度LTP综合特征的图像匹配算法

由于SIFT特征是一种性能良好的局部特征,常被广泛应用于图像匹配,但SIFT特征点有128维描述符,所以具有匹配复杂度高和计算量大等缺点。为了提高图像匹配效率,研究了一种新的图像匹配方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT关键特征点;然后利用特征点周围邻域点的旋转不变LTP特征和相对灰度直方图来描述,替代传统SIFT特征点的128维描述,图像匹配过程中使用街区距离代替欧氏距离;最后利用光照变化、模糊变化、尺度和旋转综合变化三组图像进行算法仿真匹配实验。实验结果表明,本算法在图像尺度、旋转、光照变化条件下具有更高的匹配精确度,并且有效地提高了图像的匹配速度。     

一种基于LTP特征的图像匹配方法*

为了解决可变光照条件下图像匹配困难这一问题,提出一种基于LTP（局部三值模式）特征的图像匹配方法。LTP是LBP（局部二值模式）的扩展,这种局部纹理描述算法较LBP更具有判别能力而且对于统一区域的噪声更不敏感。利用LTP对于图像旋转和光照变化都具有良好的鲁棒性,解决了在光照可变条件下流行的SIFT方法进行匹配的困难。通过对不同变换的图像进行匹配实验表明,该方法得到的匹配结果比LBP效果更好,鲁棒性更高,而在光照可变和噪声很大的情况下比流行的SIFT方法更实用。     

基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

一种抗图像模糊的快速景象匹配算法

针对各种原因引起的实测图退化情形,将模糊不变矩引入景象匹配中。为了解决匹配过程中计算量大的问题,从简化匹配特征的计算及优化搜索策略两方面采取措施。在模糊不变矩计算方面,通过预先建立21个和表矩阵,提出了一种适用于匹配过程的矩特征高效求解算法;在搜索策略方面,考虑到模糊不变矩特征对图像分辨率的敏感性,提出在原分辨率基准图上采用遗传算法进行搜索匹配。实验结果表明,在实测图出现模糊及受噪声干扰情况下,所提匹配算法在保证匹配精度的同时,其匹配耗时比传统方法少好几个数量级,能够满足导航系统对实时性的要求。     

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.     

一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。     

一种改进的基于不变矩的图像匹配算法

通过对不变矩理论的分析,提出以局部图像的边缘不变矩特征及其灰度信息的统计特征相结合的两阶段匹配算法.首先利用不变矩的平移、旋转及伸缩的不变性,计算图像边缘不变矩,将其作为匹配特征,在匹配结果中取前N个较好的匹配结果作为侯选目标;再根据契比雪夫不等式确定候选目标的置信度;最后计算各个候选目标的直方图包含的统计特性进行最终目标的定位.实验结果表明该算法克服了传统图像匹配方法搜索目标时存在的置信度问题,通过与基于不变矩特征直接匹配方法和基于灰度相关的匹配方法比较可见,在性能上明显优于这两个方法,并得到较理想的匹配结果.     

基于局部小波矩的图像匹配算法

该文将图像的视觉不变矩特征引入到图像匹配领域中,通过提取图像的局部小波矩,提出了一种基于局部小波矩的图像匹配算法。并分别对所提出的算法,基于一般不变矩特征的匹配算法有关实验数据进行了对比分析,结果表明了该文所提出算法的可行性和有效性。     

基于Gaussian-Hermite矩的旋转运动模糊不变量

目的 模糊图像的分析与识别是图像分析与识别领域的重要方向。有些图像形成过程中成像系统与物体之间存在相对旋转运动,如因导弹高速自旋转造成的制导图像的旋转运动模糊。大多数对于这类图像的识别都需要先对模糊图像进行“去模糊”的预处理,且该类方法存在计算时间复杂度较高及不适定的问题。对此,提出一种直接提取旋转运动模糊图像中的不变特征,用于旋转运动模糊图像目标检索和识别。方法 本文以旋转运动模糊的退化模型为出发点,提出了旋转运动模糊Gaussian-Hermite (GH)矩,构造了一组由5个对旋转变换和旋转运动模糊保持不变性的GH矩不变量组成的特征向量(rotational motion blur Gaussian-Hermite moment invariants,RMB_GHMI-5),可从旋转变换和旋转运动模糊的图像中直接进行目标检索和识别,无需前置复杂的“去模糊”预处理过程。结果 在USC-SIPI (University of Southern California — Signal and Image Processing Institute)数据集上进行不变性实验,对原图进行不同程度的旋转变换叠加旋转运动模糊处理,证明RMB_GHMI-5对于旋转变换和旋转运动模糊具有良好的稳定性和不变性。在两个数据集上与同类4种方法进行图像检索实验比较,在80%召回率下,本文方法维数更少,相比性能第2的特征向量,在Flavia数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高25.89%、39.95%、22.79%和35.80%;在Butterfly Image数据集中,高斯噪声、椒盐噪声、泊松噪声和乘性噪声干扰下的准确率分别提高4.79、7.63%、5.65%和18.31%。同时,在上述8个测试数据集中进行对比实验以验证融合算法的有效性,结果表明本文提出的GH矩和几何矩相融合算法显著改善了图像检索效果。结论 本文提出的RMB_GHMI-5特征向量在旋转变换和旋转运动模糊下具有良好的不变性与稳定性,在图像检索抗噪性能方面表现优异。相比同类方法,本文方法更具实际应用价值。     

Combined blur,translation, scale and rotation invariant image recognition by Radon and pseudo-Fourier–Mellin transforms

The idea of scale and rotation invariant image recognition based on Radon and Fourier–Mellin transforms has been presented recently. In this paper, we extend the previous work and propose a new method to construct a set of combined blur, translation, scale and rotation invariants using Radon and pseudo-Fourier–Mellin transforms, named Radon and pseudo-Fourier–Mellin invariants (RPFMI). The proposed method is robust to additive white noise as a result of summing pixel values to generate projections in the Radon transform step. We also present a mathematical framework of obtaining the Radon and pseudo-Fourier–Mellin transforms of blurred images, and a framework of deriving the combined blur, scale and rotation invariants. Theoretical and experimental results show the superiority of the proposed method and its robustness to additive white noise in comparison with some recent methods.     

Extension of Moment Features’ Invariance to Blur

Moment invariants are features calculated on an image, which do not change their values after a transformation of the image. This paper focuses on the so called combined invariants, which obey additional requirement of invariance to image blurring. Our first contribution is a review of achievements most relevant to the derivation of algebraic, moment and combined invariants. The review explains and develops parallels between the moment and the blur invariants. Gradually, it reveals new properties, simplifying construction of the combined invariants, but having more general extent. Resulting substitution rules for easy construction of the combined invariants from other invariants are thus the main results of this paper. All the conclusions can be understood without knowledge of the tensor calculus. This paper addresses construction of the combined invariants in arbitrary dimension.

Moment forms invariant to rotation and blur in arbitrary number of dimensions

We present the construction of combined blur and rotation moment invariants in arbitrary number of dimensions. Moment invariants to convolution with an arbitrary centrosymmetric filter are derived first, and then their rotationally invariant forms are found by means of group representation theory to achieve the desired combined invariance. Several examples of the invariants are calculated explicitly to illustrate the proposed procedure. Their invariance, robustness, and capability of using in template matching and in image registration are demonstrated on 3D MRI data and 2D indoor images.     

Legendre moment invariants to blur and affine transformation and their use in image recognition

The processing of the images simultaneously degraded by blur and affine transformation has become a key task in many applications and many novel methods are designed specifically for it in which the moment-based methods play an important role. However, the existing moment-based methods all resort to non-orthogonal moments invariants which have problem of information redundancy and are sensitive to noise. In this paper, we construct a new set of combined invariants of orthogonal Legendre moments which hold for blur and affine transformation together. The experimental results show that the proposed invariants have better discriminative power and robustness to noise with the comparison to other invariants.     

The revised fundamental theorem of moment invariants

A revised fundamental theorem of moment invariants for pattern recognition which corrects the fundamental theorem proposed by M.K. Hu (1962), is presented. The correction affects neither similitude (scale) nor rotation invariants derived using the original theorem, but it does affect features invariant to general linear transformations. Four of the latter invariants were presented originally by Hu. These are revised to take the correction to the fundamental theorem into account. Furthermore, these four invariants are combined to yield three new invariants, which are additionally invariant to changes in the illumination of an image     

基于ZM相特征描述符的图像配准方法

针对图像特征间的视角、模糊、旋转和尺度变换以及噪声干扰等不确定性因素对图像配准精度的影响,定义了基于Zernike矩的相特征不变区域描述符,给出了Zernike矩的归一化及其相值度量方法,提出了一种基于此的图像配准算法。通过对比实验验证,本文算法能够有效提取目标图像特征点并准确进行特征匹配,且在保障配准精度的前提下显著降低了算法复杂度。     

基于遗传算法的图象不变矩匹配

研究模板和图象间的有效匹配，利用不变矩特征作为检测模板和图象中物体轮廓相似度的测度，同时把遗传算法引入图象匹配识别，并针对简单遗传算法在应用过程中出现收敛过早和早熟现象的问题，采用了一种 改进型遗传算法。该算法和不变矩相结合能有效检测出具有平移、旋转 和尺度变化的物体，该方法可以应用于实际图象匹配和识别中。