一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

面向大尺度三维重建的多核并行SIFT算法

针对大尺度三维重建中图像数据集较大、其特征提取和匹配时间消耗过长等问题,提出了一种针对有序图像数据集的滑动窗口匹配算法.该算法采用并行计算实现了对SIFT特征提取和匹配算法的加速,并在图形处理器上得以实现,减少了匹配计算量.实验结果表明,算法大大提高了特征提取和匹配的运算速度,保证了特征的稳定性和匹配精度,有效地缩短了大尺度三维重建的运算时间,确保了重建精度.     

车辆的Harris与SIFT特征及车型识别

针对现有车型识别的准确性和实时性不能同时满足要求的问题,提出了复合的图像匹配模型与识别方法.先应用Harris角点对车型初分类,再应用SIFT特征进行细分类,该方法与只利用SIFT特征进行识别的方法相比,在保证识别准确性基本不变的情况下,处理时间减少了近2/3,实时性得到较大改善.     

融合SIFT和MIL的红外人脸识别方法

针对红外人脸识别问题,提出一种新的基于尺度不变特征转换(SIFT)与多示例学习(MIL)相结合的算法。该算法将图像当作多示例包,SIFT描述子当作包中的示例,利用聚类的方法对训练集中的所有SIFT描述子进行聚类,建立"视觉词汇表",再根据"视觉字"在多示例训练包中出现的频率,建立"词-文档"矩阵,采用潜在语义分析(LSA)的方法获得多示例包(图像)的潜在语义特征,将MIL问题转化成标准的有监督学习问题,即在潜在语义空间用支持向量机(SVM)求解MIL问题。基于OTCBVS标准数据集的对比实验结果表明,所提算法是可行的,且识别率明显高于其他方法。     

一种基于数据聚类的鲁棒SIFT特征匹配方法

针对噪声敏感造成的SIFT特征匹配鲁棒性低问题,提出一种基于数据聚类的两阶段特征匹配方法.在满足特征匹配几何距离最邻近本质要求下扩展了k d数据结构,使其不但能够完成算术平均化匹配特征离线聚类,而且能够实现第1阶段聚类特征在线匹配.在此基础上,给出一种概率最优投票策略选择关键图像进行第2阶段匹配,最后合并两阶段属于关键图像的所有匹配特征对.实验结果表明,对于大量存在重叠关系的图像集合,该方法能够有效减少重复特征数量,降低噪声信息对特征匹配的干扰,极大地提高特征匹配的鲁棒性.     

SIFT特征分布式并行提取算法

SIFT(scale invariant feature transform)特征在物体检测和识别、图像配准与融合、纹理识别、场景分类、人脸检测、图像检索、三维重建、数字水印、影像追踪等领域具有广泛应用,但存在计算量大、消耗时间长的缺点.基于消息传递机制,采用数据并行策略,提出了在PC机群或COW(cluster ofworkstation)上提取图像SIFT特征的分布式并行算法(DP-SIFT算法):根据特征空间-高斯尺度金字塔的特点提出了高度宽度受限的数据块划分算法,设计了数据分配和特征调整方法;研究了数据块划分和数据发送方法对通信时间的影响,提出了基于消息传递机制的并行图像处理中数据块划分与数据发送方式协同对通信优化的策略;实验结果表明DP-SIFT算法具有良好的加速性能和较高的处理器利用效率,千兆以太网连接32核的PC机群系统图像规模为1024×768时,加速比和处理器效率分别可以达到20和0.6;图像规模为2048×1536时可达18和0.56.     

基于离散余弦变换的图像局部特征描述子

针对尺度不变特征变换(SIFT)描述子受光照变化影响较大的缺点,提出一种基于离散余弦变换(DCT)的图像局部不变特征描述子。在DCT变换的基础上,忽略高频系数,使用少数中低频系数组成特征矩阵,以降低描述子的维数。利用DCT频率系数正负性对光照变化不敏感的特点,在计算描述子间距离时设置惩罚因子,以提高描述子的可区分性。测试结果表明,与SIFT描述子相比,该描述子具有较好的显著性,且查全率和查准率较高。     

基于特征点的抗几何变换图像被动认证算法

针对同幅图像的区域复制篡改问题,提出一种基于SIFT特征点的抗几何变换数字图像被动认证算法。在利用SIFT算法提取出图像中的SIFT特征点后,对特征点进行匹配。根据同一幅自然图像不会存在互相匹配特征点的这一特性,可以检测出篡改图像中平移、旋转、缩放等几何变换的区域。实验结果证明,该算法能够对抗区域复制篡改的几何变换。     

基于显著图的SIFT特征检测与匹配

基于尺度不变特征变换(SIFT)特征的图像匹配存在特征点数量大、运算时间长等问题。为此,引入视觉注意机制,提出一种基于显著图的SIFT特征检测与匹配方法。比较常用的显著图计算模型,选择谱残差方法提取图片的显著图。对显著图进行二值化和形态学等处理,得到规则合理的显著区域。在显著区域内提取SIFT特征,生成特征向量,进行图像匹配。实验结果表明,该方法能提高运算效率,并且得到的SIFT特征更加稳定。     

一种基于稳定区域的图像特征描述子

当不同成像条件下图像局部内容的特征存在明显差异时,会导致特征描述子难以正确匹配。为此,提出一种基于稳定区域的图像特征描述子。利用最大稳定极值区域检测算法提取图像的稳定区域,结合图像特征点的位置和尺度信息,根据稳定区域计算特征主方向,在适应于特征点所属稳定区域尺度的较大邻域内,生成基于对数-极坐标系的特征描述子。应用结果表明,该描述子在图像局部内容变化较大时仍具有旋转不变性和稳定的匹配性能,能有效解决印刷电路板CT图像的配准问题。