基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题，本文提出了一种新的基于形状内容描述子的点特征匹配方法．该方法首先利用基于曲率尺度空间（CSS）的角点检测技术获得两幅图像中的角点及其所在的曲线；然后，计算两幅图像中每个角点的形状内容描述子，运用Z统计检验函数得到描述子的匹配度，对该匹配度进行评估，如果高于某一个闽值，则认为初始匹配成功；最后对初始匹配成功的点对，利用半局域限制完成点集之间的最终匹配。实验结果表明，本文所提出的匹配算法具有较高的点特征匹配准确率。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法.该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用x2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配.实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率.     

基于ICCP的地磁矢量匹配算法研究

针对基于等值线最近点迭代(ICCP)的地磁匹配算法在地磁总量特征相似区域应用时存在的误匹配问题,提出基于ICCP的地磁矢量匹配算法。该算法利用地磁矢量测量信息与匹配区域的矢量地磁图,采用三分量差异寻找地磁等值线附近的最优参考路径,进而求解刚性变换矩阵,通过刚性变换实现惯导指示路径的误差校正。仿真分析传统标量ICCP算法存在明显误匹配的情况及该情况下矢量匹配算法的校正效果,同时对比标量算法可以实现正确匹配情况下矢量算法的匹配效果。结果表明:基于ICCP的地磁矢量匹配算法不仅能够解决传统标量算法存在的误匹配问题,而且相对于标量算法具有更高的定位精度。     

基于SSDA的模板匹配法在指纹识别中的应用

基于细节提取的指纹识别算法需要进行复杂的预处理，直接FFT求相关系数法计算量很大．提出了一种结合SSDA和模板匹配法的指纹识别算法．试图简化处理过程，提高处理速度．其基本思想是采用序贯相似性检测算法（SSDA）快速得到候选匹配子图，再通过求子图与模板的相关系数来判别两幅指纹图像是否匹配．采用指纹库中的指纹图像进行了大量实验．实验表明，该算法简化了处理过程，相对于直接FFT求相关系数法，运算速度提高了近10倍．     

一种利用曲线结构和三角法进行指纹快速点模式匹配的算法研究与实现

针对指纹的点模式匹配方法中如何确定两枚指纹的比对基准参考点问题,提出了一种基于指纹的纹线结构与三角形方法相结合的方法。实验结果表明,该算法在保留了点模式匹配方法优点的同时有效地提高了匹配速度。     

RANSAC算法在剔除图像配准中误匹配点的应用

在遥感图像中存在很多相似地物、地貌,SIFT算法本身只利用了特征点的局部邻域梯度信息,通过SIFT算法提取到的特征点存在很多误匹配点,通过RANSAC算法剔除误匹配点,可以提高配准的精度。     

基于特征光流的角点匹配快速算法

为了解决视频序列点匹配过程中的实时性和误匹配问题,本文提出了一种基于特征光流技术的快速角点匹配方法。该方法通过多分辨率策略,求出特征光流场概略运动矢量,然后依据匹配准则做相应特征点匹配处理,得到的精确运动矢量用作下一步的光流场计算。这样,既消除了误匹配点,又克服了光流计算的迭代负担。实验结果表明,算法正确匹配率达到98%以上,平均处理帧率24,能够满足系统实时性要求。     

采用自回归模型的计算机书法的研究

提出计算机生成毛笔书法汉字的一种新的实现方法,该方法事先建立一个毛笔书法的笔划库,当书写毛笔字时,根据用户输入的每一笔划,按照笔划匹配算法,从笔划库中查找与用户输入匹配度最高的笔划。当一个汉字的所有笔划书写完毕,屏幕上就显示出一个完整的毛笔字。其中,自回归模型是笔划匹配算法的核心。实验结果证明该算法较为成功地模拟了具有不同字体、艺术风格的书法作品。     

适应不完整目标的快速模板匹配

针对不完整目标的查找,提出一种基于分块统计的快速模板匹配算法.将模板和待匹配图像区域划分成尺寸相同的若干方块,首先采用绝对距离度量分块中对应像素的像素匹配度,接着运用统计的方法依次确定块匹配度和目标匹配度.为加快算法运算速度,在图像遍历过程中构建金字塔结构进行分层搜索.实验结果表明,该算法可准确定位完整和不完整目标,运算时间保持在毫秒级,并具有很强的抗噪声能力.     

拒真认假率

由于计算机处理指纹时,只是涉及了指纹一些有限的信息,而且比对算法并不是精确匹配,其结果也不能保证100%准确。指纹识别算法应用     

结合遗传算法与方向图法的指纹图像分割

指纹作为人体的重要特征，由于其唯一性和终生不变性，越来越成为生物测定技术的重要手段，在自动指纹识别中，指纹图像分割是图像预处理中关键的一环，不仅能够对图像信息进行压缩，保留脊谷线的主要信息，同时能够去除大量的粘连，加速后续处理的速度和提高指纹特征提取和匹配的精度，将基于遗传算法的阈值分割方法和方向图法相结合对指纹图像进行分割。     

基于点模式匹配的前视目标定位算法

本文提出了一种基于点模式匹配技术的快速和鲁棒性的前视目标定位算法.该算法将前视目标定位问题转化为三维点集和二维点集的匹配问题.建立点集之间一一对应双向约束下的匹配目标函数,通过最小化该目标函数可以同时得到点集之间的匹配矩阵和变换参数.利用确定性退火算法中的退火温度来控制匹配矩阵的模糊度,增强了算法的鲁棒性,减小了陷入局部极小的可能性.实验结果验证了该算法的有效性和鲁棒性.     

指纹细节特征提取与剪枝

指纹图像经预处理后，由于各种原因，会产生数以百计的特征。为了图像匹配的精确和快速，提出一套在细化后的指纹点线图上提取细节特征并对其剪枝的方法，并根据细节特征的拓扑特性，设计了验证其可靠性的算法。通过实验，证明了该后处理过程在去除指纹图像伪特征方法面具有良好的效果。     

Skipping Undesired High-Frequency Content to Boost DPI Engine

Deep Packet Inspection (DPI) at the core of many monitoring appliances, such as NIDS, NIPS, plays a major role. DPI is beneficial to content providers and censorship to monitor network traffic. However, the surge of network traffic has put tremendous pressure on the performance of DPI. In fact, the sensitive content being monitored is only a minority of network traffic, that is to say, most is undesired. A close look at the network traffic, we found that it contains many undesired high frequency content (UHC) that are not monitored. As everyone knows, the key to improve DPI performance is to skip as many useless characters as possible. Nevertheless, researchers generally study the algorithm of skipping useless characters through sensitive content, ignoring the high-frequency non-sensitive content. To fill this gap, in this literature, we design a model, named Fast AC Model with Skipping (FAMS), to quickly skip UHC while scanning traffic. The model consists of a standard AC automaton, where the input traffic is scanned byte-by-byte, and an additional sub-model, which includes a mapping set and UHC matching model. The mapping set is a bridge between the state node of AC and UHC matching model, while the latter is to select a matching function from hash and fingerprint functions. Our experiments show promising results that we achieve a throughput gain of 1.3- 2.6 times the original throughput and 1.1-1.3 times Barr’s double path method.     

一种快速匹配算法在遥感图像中的应用

针对相关匹配法计算量大的缺点提出了一种快速匹配算法。该算法采用由粗到精的匹配策略,对匹配区域先用环形模板进行粗匹配以确定待匹配窗口,再用全模板进行精匹配以确定正确匹配窗口。将该算法用于遥感图像匹配,仿真结果表明,该算法不仅能够实现正确匹配,而且计算量只有相关匹配法的10%。     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

稳定婚姻匹配问题的一个快速枚举算法

稳定匹配问题是算法理论中的典型问题之一,稳定婚姻匹配问题则是一种解决二部图匹配问题的模型。论文对稳定婚姻匹配问题进行了简单的阐述,并介绍了求解典型稳定婚姻问题的Gale-Shapley算法的基本思想及其性质。为了快速求出所有的稳定匹配结果,提出了基于先序遍历森林的快速枚举算法。由Gale-Shapley算法的性质得到一个定理及其推论,利用得到的推论对算法做了进一步改进和优化。在满足推论的特定条件下,提高了算法的执行效率。