基于Zernike矩变换与支持向量机的不良视频检测方法

为了构建基于机顶盒等嵌入式平台的不良视频识别与过滤技术,从图像的高层语义特征着手,利用Zernike矩变换和多尺度图层进行快速的形状特征粗匹配,对敏感图像关键部位进行初步识别,再采用支持向量机对形状区间的像素分布特征做进一步的判别。实验表明,结合多种快速算法,系统的处理速度满足实时要求,与传统的肤色比例检测方法相比,在提高正检率的同时能降低误判率。     

基于小区域字符模板匹配的金属标牌字符串识别

提出了一种基于小区域的快速模板匹配算法,实现了一行标牌字符串的识别,在利用投影法求得字符所在位置以后制作被匹配图像数组以及模板,然后进行识别。由于算法只对存在字符的区域进行小范围匹配,省去了在整幅图像上搜索无关数据信息的过程,与传统的模板匹配算法相比显著降低了算法的运行时间,能够满足图像匹配即时性的需要。     

基于模板匹配的改进型目标识别算法

针对图像处理过程中采用局部特征提取与特征匹配的目标识别算法对纹理不丰富物体识别精度差、在同一次学习过程中不能多视角识别同一个物体的缺点,提出采用基于模板匹配的改进型目标识别算法,提高对纹理不丰富物体的识别速度及准确率。利用梯度作为特征量完成模板匹配,结合DOT算法去除次要的梯度特征,只采用幅值大的主导梯度方向作为特征量进行模板匹配,融入仿射投影变换算法、将模板特征二进制化来提高在线同时识别多个不同物体、多视角识别同一个三维物体的速度及准确率。试验证明,该目标识别算法对复杂背景中纹理较少的物体,发生微小变形、微小平移和光照变换的物体识别效果鲁棒性强。     

结合小波金字塔的快速NCC图像匹配算法

针对传统的归一化互相关算法(NCC)计算量庞大、运算速度慢、正确率较低等问题,本文提出一种基于小波金字塔搜索策略的快速NCC图像匹配算法。该算法在归一化互相关算法的基础上,采用和表法分别计算图像均值、图像方差和图像间的互相关来降低运算的复杂度,减少算法的计算量;同时在选择特征点匹配搜索策略时,构造图像小波金字塔结构,利用分层匹配来提高图像匹配的效率。与其他算法进行对比,结果表明该算法获得的匹配点连线效果更好,所用的时间也量化,证明该算法不仅能提高匹配速度,还能改善匹配精度。     

CNN特征与BOF相融合的水下目标识别算法

为了改善作为低级表示的尺度不变特征变换(scale invariant feature transform, SIFT)匹配常出现的没有足够特征来防止假匹配的问题,提出在传统方法“词袋”(bag of features, BOF)算法中融合具有较好语义分割能力的卷积神经网络(convolution neural network, CNN)特征来提高识别率的方法。利用ImageCLEF网站的LifeCLEF鱼类视频,制作目标图像数据库。在caffe平台的Alexnet模型进行卷积神经网络的训练,提取图像库和查询图像的特征。利用训练好的CNN特征在Matlab软件进行识别试验验证,计算汉明距离来验证匹配效果。改变参数值来观察不同汉明距离阈值对水下目标识别结果的影响。自制图像库的试验表明,融合深度学习的特征可以有效提高BOF算法的水下目标识别率,对汉明距离阈值的选择需要根据实际情况选择合适的参数。     

基于块匹配和迭代反投影的车牌图像超分辨率重建

利用超分辨率重建技术提高车牌图像的质量,以获取更好的识别效果。首先采用基于小波变换的块匹配方法对车牌图像进行配准,然后利用迭代反投影算法对配准后的图像进行重建获得高分辨率的图像。对模拟生成的多帧图像和标准测试视频序列进行了实验,实验结果表明：该算法能有效提高车牌图像的质量。     

双目实时目标三维测量实现方法的研究

为了解决目标匹配困难、匹配效率低等问题,提出了一种基于双目立体视觉的实时目标特征匹配算法——绝对窗口误差最小化(CAEW).首先,在研究摄像机基本原理后利用张氏标定法解决摄像机的标定,并对最终标定数据采用Bouguet算法进行双目立体校正;然后,利用Ada Boost迭代算法训练目标检测器实现目标检测.将CAEW算法与常用的尺度不变性的特征点检测和匹配(SURF)的效果评估进行比较分析,结果显示CAEW算法的效果评估能达到90%以上,这一指标有明显提高,可以很好地满足双目实时目标匹配的需求.通过CAEW与SURF算法实验对比,进一步说明了减少不必要的全局性图像像素点处理可以提高匹配速度.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

基于CNN、SVM和迁移学习的轮胎花纹分类

轮胎花纹图像分类在交通事故及刑侦破案取证中具有重要的作用。为了准确地分类轮胎花纹图像,提出了一种基于卷积神经网络(convelutional neural network,CNN)、支持向量机(support vector machine,SVM)和迁移学习的轮胎花纹分类算法。首先对辅助数据库ImageNet进行CNN训练得到初始CNN模型;其次,基于迁移学习思想,利用轮胎花纹图像数据库对初始CNN模型的分类层进行微调训练,得到用于轮胎花纹图像分类的CNN模型;最后,从所得CNN模型的第二个全连接层提取输出的4 096维特征,用该特征对轮胎花纹图像进行基于SVM的图像分类。使用轮胎花纹图像数据库进行分类实验,结果表明,提出算法的分类精度达到93.1%。说明提出算法能够提高轮胎花纹图像的分类准确率。     

基于经验修正策略的延时地图匹配算法

基于浮动车的交通流分析要求地图匹配快速而准确地处理GPS数据,现有的地图匹配算法无法满足交通流分析的实时处理要求。本算法采用延时策略,利用历史数据和最新数据及低速识别提取的静止点来指导延时点匹配,同时利用延时点来修正最新点的匹配经验。使用广州市路网及广东省交通厅浮动车的数据进行实验,结果证明在不同样本密度下,算法匹配正确率都可以达到80%以上,在精度、实时性和容错能力上均高于隐马尔科夫链匹配算法、时空匹配算法。     

轮胎纹理分层的Gabor滤波器设计

轮胎多层帘线的每一个排列的不同取向构成了X线的分层纹理图像。轮胎帘线的空间排列具有准周期性,排列的取向和空间距离造成了谱图上楔特征和环特征的极大值。根据这些特点,提出了一种方向Gabor滤波器参数的自动选取方法。根据楔特征人工指定纹理的大致方向,算法将环特征映射到Gabor滤波器的尺度参数,并按能量收敛原则搜索最好的尺度和纹理的准确方向。最后给出的实验结果说明,该算法可以有效地提取X线轮胎图像的各层纹理。     

基于目标图像FCM算法的地铁定位点匹配及误报排除方法

在基于图像识别的地铁轨道精确快速定位过程中,针对轨道定位点检测模型存在的误报问题,将模糊C均值（FCM）算法用于定位点模型匹配. 在基于深度卷积神经网络的轨道定位点检测模型基础上,选用6类定位点图像和2类误报点图像,提取不同类别图像样本中各目标检测框的中心相对位置、长宽比、面积等特征数据（每张图像各6维特征量）,采用ReliefF算法度量所有图像样本各维特征量的权重,将所得权重引入FCM算法的欧几里德距离公式,匹配唯一定位点. 实验结果表明,改进后的FCM算法在聚类的正确性和有效性方面有明显改善,对提高地铁轨道定位精度具有重要的意义.     

一种基于神经网络判断的印鉴自动鉴别新方法

印鉴鉴别是一个比较困难的课题,在文章中,分析了防伪印鉴的特点,从图像纹理和分析的角度出发,提出了一种基于印鉴边缘纹理的印鉴鉴别方法.主要包括印鉴图像的预处理,印鉴图像纹理特征的提取与选择及特征参数的分析比较.在此基础上,运用神经网络的判别方法对所提取的印鉴特征进行判别,以鉴别印鉴的真伪,该方法的算法简单,并经实验验证表明,该方法是从一种新的角度进行了印鉴鉴别,提出了鉴别印鉴的新途径.     

基于运动估计和图像匹配的视觉控制算法

针对微操作的作业空间小、路径可估计、位移及定位精度要求高等特点,提出了一种基于运动估计和图像匹配的视觉伺服控制算法,该算法将运动估计引入到视觉伺服中,利用运动估计出末端执行器下一次可能出现的位置,进行小区域的匹配搜索,而不进行整个视频区域的匹配搜索,大大减少了图像匹配时间,提高了实时性和实用性,并增强了鲁棒性。将该算法应用于解决细胞注射微操作过程中的位移以及精密定位等问题,研究了此算法的可行性以及理想运动轨迹的计算和实际运行的轨迹,给出了实现视觉伺服控制算法的数学推导模型及公式。实验结果表明:此算法实现了实时跟踪和识别定位,且鲁棒性好,可应用于大多数的微操作中的移动定位。     

基于图像处理的混凝土裂缝的检测

结合数字图像处理技术，提出了判断混凝土裂纹的综合算法。对于混凝土裂纹图像，算法能够找出裂纹的走向、长度、平均宽度和最大宽度。用开启运算去掉裂纹图像的噪声，对裂纹进行细线化处理，由方向链码得到裂纹长度、平均宽度及裂纹走向，由斜率配合裂纹区域得到细线上每个点所对应的裂纹宽度以及最大宽度，对于复杂的多分支细小裂纹，算法难以处理，有待进一步完善。     

一种改进的距离变换匹配算法在遥感图像目标识别中的应用

将一种改进的距离变换引入到遥感图像匹配中,先对参考图像和目标图像进行直方图处理,以克服不同光照条件下带来的匹配误差,在此基础上对原图像和模板图像进行距离变换,其中引入膨胀算子,减少运算次数。最后对距离变换后的图像进行匹配操作。实验结果表明：这种方法有效地克服了几何失真、边缘变化的影响,具有抗灰度反转的能力,广泛应用于不同成像条件下获取图像间的匹配,该算法满足一定的匹配精度。     

基于小波变换的全局能量图像融合算法

提出了一种基于小波变换的全局能量图像融合算法。对小波分解系数采用基于全局匹配度来选择和加权的融合规则。全局匹配度以区域能量作为测度,包含了小波分解的高频3个方向的匹配度。使得选择策略下融合图像的高频3个方向的小波系数均来自同一源图像,保证了小波重构时融合的一致性。实验结果表明,全局能量法的融合图像具有更好的融合特性。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。