用于遮挡形状匹配的弦角特征描述

为了在兼顾形状匹配算法的检索率和运算效率的同时实现部分遮挡目标的精确匹配,提出了一种基于弦角轮廓特征的形状描述算法。该算法基于轮廓点的空间位置关系构造每个轮廓采样点的弦角轮廓特征描述子,利用描述子的自包含属性描述开轮廓的形状特征。采用L1度量方法计算两个轮廓点的弦描述子之间的距离,获得匹配代价矩阵。最后利用积分图算法计算匹配代价矩阵的相似度,实现部分遮挡目标的识别。基于MPEG-7形状数据库和Kimia216形状数据库进行了目标识别实验。实验结果表明:该算法对部分遮挡目标具有良好的鲁棒性,而且有较高的运算效率,部分匹配的检索率达到83.63%,提高了19.09%,实验结果优于现有部分遮挡形状匹配算法。该算法较好地满足了遮挡形状的匹配和识别对速度、准确率和抗遮挡能力等方面的要求。     

用于目标识别的PCA-SC形状匹配算法

基于形状上下文(Shape Context)算法并融合主成分分析(PCA)的降维思想,提出了一种PCA-SC算法来提高形状匹配和目标识别的速度和抗噪能力.该算法将SC算法获取的特征矩阵构成协方差矩阵,按照特征值由大到小的准则进行降维,形成新的特征矩阵用于匹配和识别,既抑制了噪声干扰,提高了识别准确率,又能够提高匹配速度,易于满足工程应用对实时性的要求.利用MNIST图像数据库中的图像进行了实验分析,结果表明,PCA-SC算法在保持了SC算法原有的定位准确、抑制噪声等优点的基础上,识别速度提高了1倍;准确率达到了96.15％,提高了约0.5％;而且抗噪性更强,可用于匹配和识别较复杂的形状和目标.该算法基本满足匹配和识别对速度、准确率和抗干扰性等方面的要求.     

一种基于几何特征的列车集尘器形状匹配算法

针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理。最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明,该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

基于机器视觉的轮廓度检测算法研究

提出一种基于形状模板的匹配方法和奇异值分解的迭代匹配方法的轮廓度误差视觉测量算法,该算法可以检测任意形状的玻璃、塑料或金属薄片产品的轮廓度在加工时所产生的误差。首先,在图像中使用基于Sigmoid函数的亚像素边缘检测方法来拟合产品的亚像素边缘,接着使用基于形状的模板匹配方法来进行粗匹配,在粗匹配的基础上使用SVD算法得到图像的旋转平移矩阵,进行精匹配。最后计算对应点之间的距离作为轮廓度误差。     

融合EHF-TCDs与SVM的旋转机械轴心轨迹识别方法

针对运用轴心轨迹进行旋转机械故障诊断时,存在提取特征困难和识别率低等问题,在精确型高度函数EHF1(Extract height function 1)和TCDs(Triangular centroid cistances)描述子的基础上提出了一种EHF-TCDs描述子,并使用平滑化和傅里叶变换对其进行降维,该描述子具有起始点不变性、相似变换不变性、抗噪性、低维度等特点,并能充分表征轴心轨迹,再使用SVM对提取的EHF-TCDs描述子特征进行训练与测试,进而提出了一种新的旋转机械故障快速诊断方法。通过一个无噪声和4个有噪声的模拟轴心轨迹库和一个实测轴心轨迹库验证了该方法的有效性,其识别率都在99.57%以上,单个样本平均测试时间不超过0.021 ms。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。     

机械零件模型局部形状相似性检索算法研究

提出利用尺度不变特征来描述三维模型的局部形状信息,设计出一种灰度体素模型上的基于三维SIFT算法的局部形状特征提取方法;得到三维模型的尺度不变形状特征后,采用BoF方法构建模型的形状特征向量,配合相应的距离函数实现三维模型"部分-整体"的匹配和检索。实验表明该方法具有比较好的检索性能。     

基于灰度差分不变量的快速局部特征描述算法

提出了一种基于灰度差分不变量区域统计直方图的快速局部特征描述算法来解决传统灰度差分不变量特征描述子计算复杂、稳定性较差且包含的信息量较少的问题.采用低阶且具有微分几何意义的灰度差分不变量描述特征点以降低特征描述子的计算复杂度,提高特征描述子的稳定性;利用特征点邻域的灰度信息和区域信息提高特征描述子的信息含量,增强特征描述子的鲁棒性.将该算法应用于图像匹配.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化、较小视角变化和JPEG压缩等多种变换条件下,该描述子不仅能够取得较好的匹配效果,而且处理速度比尺度不换特征变换( SIFT)提高约2倍.     

基于Laplacian的局部特征描述算法

为了更好地兼顾特征描述子的鲁棒性和生成复杂度,提出了一种基于Laplacian的局部特征描述算法.分析说明了Laplacian不仅对图像的欧氏变换、缩放及亮度线性变化具有较好的性质,而且能够反映图像的局部结构特征.据此利用高斯型拉普拉斯变换响应建立了一种64维特征描述子,并将该特征描述子应用于特征点匹配.匹配实验结果表...     

一种基于形状的机械零件模型检索方法

分析了经典D2形状描述符的原理。针对经典D2描述符的不足,提出利用三维模型面片的法向量方向分布特征构造一个具有旋转不变性的形状描述符N2,并用一种相关反馈算法将N2描述符和D2描述符组合起来以获得更好的检索准确度。该方法充分利用了机械模型自身的特点,实验表明其检索准确性显著高于经典D2描述符,同时具有良好的计算效率。     

基于 SURF 的快速图像匹配改进算法

针对传统 SURF 算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出 一种基于 SURF 算法的快速图像匹配改进算法。 首先,通过对 Hessian 矩阵行列式值分布的统计分析,提出一种阈值自适应方 法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法 对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将 BEBLID 二进制描述子与改进 SURF 算法相结合,利用基于机 器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。 实验结果证明,本文 所提算法在 Mikolajcyzk 图片数据集测试中的匹配正确率比传统 SURF 算法高 9. 7% ~ 27. 0% ,算法速度比 SURF 提高了 50% 以 上。 对比 SIFT、SURF、BRISK、ORB 算法,本文所提改进算法具有更优的鲁棒性和实时性。     

基于全局特征与局部特征的图像分级匹配算法研究及应用

移动机器人基于拓扑地图导航时要求图像特征提取与匹配算法具有高的精度和鲁棒性、良好的实时性,针对此,提出了基于全局特征和局部特征的图像分级匹配算法。首先对输入的待匹配图像应用改进的形状上下文算法提取全局特征与图像库中图像进行遍历粗匹配,得到与当前待匹配图像相似度最高的3幅图像并构建临时图像库;然后利用改进的SIFT算法提取输入图像局部特征与临时图像库中3幅图像的局部特征进行精确匹配,最终得到与待匹配图像相似度最高的图像作为匹配结果输出。所提出的图像分级匹配算法将基于全局特征的改进形状上下文算法和基于局部特征的改进SIFT算法相结合,从而达到优势互补的目的。实验结果表明,该算法在机器人基于拓扑地图导航过程中有效地提高了图像匹配效率,缩短了运行时间。     

面向大规模SFM的快速鲁棒特征跟踪算法

运动恢复结构(SFM)是指通过分析二维图像序列恢复三维结构信息的过程,在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分,但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足,为解决这一问题,提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先,采用AGAST进行特征点检测,并使用图像矩为AGAST特征定义主方向,为构造旋转不变的描述子奠定基础;其次,在差分高斯金字塔空间内,根据中心点与邻域像素之间的差值构造特征描述子,避免光照和尺度变化对特征匹配的影响;再次,为了提高特征匹配效率,对特征集合进行聚类,采用KD-Tree加速特征匹配,提高算法的时间效率;最后,采用4种方式对FRFT算法进行验证,并与现有经典算法进行比较。实验结果表明,FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

手形特征点定位方法的研究

手形识别是指对手部的轮廓所构成的几何图形进行识别,提取的特征为手的不同部位的尺寸或是手指边缘的轮廓点集。二维手形图像的识别主要有手形轮廓点集匹配和手形特征矢量匹配两种方法。目前应用最多的是第二种方法,应用这种方法首先要准确定位手形轮廓上的特征点。总结了一些定位手形特征点的方法,找到这些特征点后才能选取适当的特征矢量进行手形识别。