改进的SIFT算法图像匹配研究

对SIFT(尺度不变特征变换)算法特征描述子维数过高,导致匹配速度过慢、匹配率低等问题,提出了一种分级放射状分区的方法来构建特征描述子,将特征点邻域划分为8个区域,统计各个区域内8个方向的梯度方向直方图,得到64维特征描述子,使特征描述子维数降低50%。同时因马氏距离考虑了特征描述子向量间的相关性,在匹配时用马氏距离双向匹配方法代替欧氏距离进行匹配,并用RANSAC(随机抽样一致性)方法消除误配点。实验结果表明,改进的SIFT算法保留了SIFT算法对模糊、压缩、旋转和缩放等不变性优势,并提高了匹配速度,正确匹配率平均增加10%~15%。     

基于监督下降方法的左心室超声图像分割

针对基于表观模型的图像分割算法在特征点迭代定位过程中计算量过大、对非线性局部特征的优化较为困难等问题,采用一种基于监督学习的梯度下降算法,建立4层多分辨率金字塔模型,并使用一种基于巴氏系数的特征提取函数（B-SIFT）替代原方法中的尺度不变特征变换（SIFT）特征,对左心室心内膜及心外膜进行特征点定位。首先对训练集进行归一化处理,统一经食道超声心动图像（TEE）的尺度;然后建立基于多分辨率金字塔和B-SIFT特征的监督下降模型,得到特征点趋近于真实值的梯度下降方向序列;最后将得到的方向序列作用于测试集中,得到最终的左心室分割结果。将该方法与传统监督下降方法进行对比,其得到的分割平均误差相比传统监督下降方法降低了47%,迭代得到的最终值相对单一尺度的梯度下降算法更加逼近真实值。     

基于SIFT算子融合最大相异系数的自适应图像匹配算法

针对传统的尺度不变特征变换（SIFT）图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题,提出一种基于SIFT算子融合最大相异系数的自适应图像匹配方法。首先,在欧氏距离（Euclidean distance）比测度基础上,对SIFT算法中128维特征向量自适应获取最大相异系数优化;然后,确定最大相异系数最优取值进行匹配点筛选,并采用随机抽样一致性（RANSAC）算法进行匹配正确率计算;最后,利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证。实验结果表明,改进算法较传统SIFT算法匹配正确率提升10个百分点左右,有效降低误匹配,更能够适应相似区域较多的图像匹配应用。在实时性上,所提方法单次匹配平均耗时1.236 s,可应用于实时性要求不高的系统。     

基于多特征组合的细粒度图像分类方法

针对单一特征表示的局限性会导致细粒度图像分类准确度不高的问题,提出了一种基于卷积神经网络（CNN）和尺度不变特征转换（SIFT）的多特征组合表示方法,综合考虑对目标整体、关键部位和关键点的特征提取。首先,分别以细粒度图像库中的目标整体和头部区域训练CNN得到两个网络模型,用来提取目标的整体和头部CNN特征;然后,对图像库中所有目标区域提取SIFT关键点并通过K均值（K-means）聚类生成码本,再将每个目标区域的SIFT描述子通过局部特征聚合描述符（VLAD）参照码本编码为特征向量;最后,组合多种特征作为最终的特征表示,采用支持向量机（SVM）对细粒度图像进行分类。使用该方法在CUB-200-2011数据库上进行实验,并与单一的特征表示方法进行了比较。实验结果表明,该方法与基于单一CNN特征的细粒度图像分类相比提升了13.31%的准确度,证明了多特征组合对细粒度图像分类的积极作用。     

基于RDWT与改进SIFT的DT网格运动估计与补偿*

为进一步提高运动估计和补偿的效果,提出了一种基于RDWT与改进SIFT的DT网格运动估计算法。首先在RDWT域内提取潜在运动区（PMA）,并设计了自适应的特征点提取模板;然后对SIFT算法进行了改进,它能快速进行特征点的精确提取与匹配,进而生成DT网格;最后利用仿射变换在PMA内进行运动估计与补偿。实验表明,该算法能快速有效地提取视频图像的特征点,在保持较高峰值信噪比(PSNR)的情况下提高运动估计的效率,且重建图像的主观质量很好,较现有基于不规则三角网格的运动估计算法在PSNR和效率上有一定优势。     

基于LFRs的大容量抗几何攻击水印算法*

如何有效抵抗几何攻击是目前水印技术研究的难点之一,且已有抗几何攻击水印算法的嵌入容量有限。提出了一种利用尺度不变特征变换（SIFT）特征点确定的局部特征区域（LFRs）嵌入水印的大容量抗几何攻击的水印算法。算法首先从图像的非抽样的Contourlet域（NSCT）低频分量中提取出SIFT中等尺度的稳定特征点,并通过最小生成树聚类算法的选择策略获得一组分布均匀且彼此独立的圆形特征区域;然后对每个圆形区域进行等角度的扇形分割和等面积的同心圆环分割,划分成等面积的子块;最后采用奇偶量化将经过混沌加密的水印嵌入到     

基于注册和多尺度表观模型的三维头部跟踪

针对人体大范围运动下的头部姿态跟踪问题,提出一种基于尺度不变特征变换（SIFT）局部描述符注册和多尺度表观模型的三维头部姿态跟踪方法.基于SIFT局部描述符的注册算法通过在两帧灰度图像间进行特征点匹配计算两帧间的头部运动,在两帧人脸图像的尺度有一定变化时仍可得到精确结果.多尺度视角表观模型可以减少大范围跟踪时的误差累积,该模型在线选取具有不同头部姿态的关键帧,并通过多次注册的方法来减少当前帧的误差累积.实验结果表明,该方法不仅跟踪结果准确（均方根（RMS）误差为4 °）,而且在人体前后运动约1 m和头部进出摄像机视角情况下均很鲁棒.     

一种基于目标检测的快速视频取证方法*

当前计算机取证调查人员面临的一个难题是,如何自动、准确、快速地从海量视频数据中获取与案件相关的证据或线索。针对丢弃或遗留物品事件的监控视频,提出了一种适合于海量视频数据的快速取证方法,并通过实验证明了该方法的有效性。     

Progress in SIFT‐MS: Breath analysis and other applications

The development of selected ion flow tube mass spectrometry, SIFT‐MS, is described from its inception as the modified very large SIFT instruments used to demonstrate the feasibility of SIFT‐MS as an analytical technique, towards the smaller but bulky transportable instruments and finally to the current smallest Profile 3 instruments that have been located in various places, including hospitals and schools to obtain on‐line breath analyses. The essential physics and engineering principles are discussed, which must be appreciated to design and construct a SIFT‐MS instrument. The versatility and sensitivity of the Profile 3 instrument is illustrated by typical mass spectra obtained using the three precursor ions H₃O⁺, NO⁺ and ${\rm O}_{{\rm 2}}^{{\rm + } \cdot }$ , and the need to account for differential ionic diffusion and mass discrimination in the analytical algorithms is emphasized to obtain accurate trace gas analyses. The performance of the Profile 3 instrument is illustrated by the results of several pilot studies, including (i) on‐line real time quantification of several breath metabolites for cohorts of healthy adults and children, which have provided representative concentration/population distributions, and the comparative analyses of breath exhaled via the mouth and nose that identify systemic and orally‐generated compounds, (ii) the enhancement of breath metabolites by drug ingestion, (iii) the identification of HCN as a marker of Pseudomonas colonization of the airways and (iv) emission of volatile compounds from urine, especially ketone bodies, and from skin. Some very recent developments are discussed, including the quantification of carbon dioxide in breath and the combination of SIFT‐MS with GC and ATD, and their significance. Finally, prospects for future SIFT‐MS developments are alluded to. © 2010 Wiley Periodicals, Inc., Mass Spec Rev 30:236–267, 2011     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。