基于IsoRank的三维耳廓形状匹配

基于IsoRank算法实现了耳廓剖分图的匹配,进而实现了基于耳廓三维形状的身份鉴别.基于主成分分析提取待匹配三维耳廓上的关键点,构造耳廓关键点的三维网格图;基于IsoRank算法求2个关键点三维网格图结点之间的对应关系,实现耳廓关键点的图匹配.由于采用了IsoRank算法,耳廓关键点网格图得到了全局对齐,两耳廓之间的整体匹配得到最大化.实验结果表明,基于IsoRank算法的耳廓匹配方法具有较低的时间复杂度以及较高的匹配精度和匹配效率.     

基于Sparse ICP 的三维点云耳廓识别

提出一种新颖的三维耳廓识别方法,首先基于PCA 和SVD 分解对三维耳廓点云模 型进行归一化预处理,以统一数据库中所有耳廓点云模型的位置与姿态;然后基于Iannarelli 分 类系统提取三维耳廓的4 个局部特征区域,并利用Sparse ICP 算法对局部特征区域进行匹配;最 后根据局部特征区域中对应点间的距离判断耳廓之间的差异测度,实现耳廓形状识别。实验证明, 本文算法与其他算法相比具有较高的识别精度和识别效率。     

基于最小生成树相似测度的耳廓匹配

将树匹配引入身份识别,将每只耳廓表示为一棵最小生成树,通过两棵树的相似测度衡量两只耳廓的相似度,以完成耳廓匹配。首先从耳廓点云数据中选取一定数量的关键点;然后分别对两只耳廓的关键点集采用Kmskal算法生成最小生成树,计算两只耳廓匹配产生的3个相似度测量值;最后经过置信加权求和,求出两只耳廓之间的整体相似度,进而完成耳廓匹配。     

基于匹配测度加权求解基础矩阵的三维重建算法

双视图三维重建中引入了同名特征点的匹配测度,为提高基础矩阵F的精度提供了数据处理指导,将特征点匹配和F解算及三维重建环节连接成一个整体。在分析特征点提取、匹配方法的基础上定义了同名点匹配测度函数。用测度函数作为匹配点的权值对归一化8点求解F的算法进行加权,并使用随机采样一致性(RANSAC)鲁棒算法解决匹配野值问题。根据已知的像机内参数，从基础矩阵中分解相对运动，并用模型的内点进行运动优化，最后三角交会得到三维重建结果。实验结果表明,此算法达到了线性求解F矩阵和三维重建的鲁棒性高精度实现。     

基于拟Laplacian谱和点对拓扑特征的点模式匹配算法

针对谱匹配方法对噪声和出格点的鲁棒性较差的问题,提出了一种基于拟Laplacian谱和点对拓扑特征的点模式匹配算法。首先,用赋权图的最小生成树构造无符号Laplacian矩阵,通过对矩阵谱分解得到的特征值和特征向量表示点的特征,进而计算点的初始匹配概率;其次,利用点对拓扑特征的相似性测度来定义点对间的局部相容性,然后借助概率松弛的方法更新由拟Laplacian谱得到的匹配概率,得出匹配结果。对比实验结果表明,该方法在处理存在噪声和出格点的点集匹配上具有较高的鲁棒性。     

基于加权相邻关系的形状轮廓点匹配

轮廓点匹配是形状匹配的一种典型方法。在各种形变情况下,形状轮廓点的相邻关系往往比其他全局关系更稳定。本文在保持局部邻居结构的点匹配算法基础上,引入了邻居的权的概念。首先基于点到邻居的距离为每个点的邻居关系赋权,然后结合形状上下文距离把点匹配问题转化为有向属性关系图匹配问题,用松弛迭代法求解。引入邻居关系系的权,使匹配不仅保持邻居集的一致性,同时还保持邻居之间的距离相对关系。实验证明,本文方法能够提高匹配效果,加快匹配算法收敛速度。     

点模式匹配——基于谱描述子的算法

为了提高谱匹配算法对噪声和出格点的鲁棒性,提出一种基于谱图理论的结构描述子,并在此基础上结合几何相容性给出了匹配目标函数的定义及相应求解算法.首先给出一种利用特征谱与谱隙序列的统计量构造的结构描述子,以获得定长的特征点属性表示;然后结合邻近关系表示的几何相容性定义了求解匹配问题的目标函数,将匹配问题转化为一对一约束下的优化问题;最后介绍了利用概率松弛对匹配目标函数的求解方法.在模拟数据与真实图像上的比较实验结果均表明该算法具有相对较高的准确性.     

基于邻域曲率的低特征辨识度点云配准方法

在对特征辨识度低的点云进行配准的过程中,传统的基于局部特征提取和匹配的方法通常精度不高,而基于全局特征匹配的方法精度和效率也难以保证。针对这一问题,提出一种改进的局部特征配准方法。在初步配准阶段,设计了一种基于法向量投影协方差分析的关键点提取方法,结合快速特征直方图(FPFH)对关键点进行特征描述,定义多重匹配条件对特征点进行筛选,最后将对应点的最近距离之和作为优化目标进行粗匹配;在精配准阶段,采用以点到平面的最小距离作为迭代优化对象的改进迭代最近点(ICP)算法进行精确配准。实验结果表明,在配准特征辨识度低的点云时,相较于其他三种配准方法,该方法能保持高配准精度的同时降低配准时间。     

基于各向异性滤波耦合形状质心相对角位置的图形检索算法

基于形状的目标检索技术难以检测噪声轮廓,无法兼顾表示其全局与局部显著性,导致检索精度不高。为此,提出一种图形检索算法。通过引入各向异性滤波,设计图形显著性检测算子,平滑噪声点与保留高曲率特征点,精确检测其形状显著性点,考虑形状轮廓点的总数与显著性位置,基于形状质心,定义相对角位置计算模型,并联合曲率函数,确定每个显著性点的表示值,将形状全局特征嵌入到局部细节中,联合动态规划算法,构建形状显著性相似度测量模型,进行特征点匹配,完成图形检索。测试结果表明,与基于形状的图像特征描述符相比,该算法具有更高的检索精度与更强的鲁棒性。     

基于线性规划和相似变换的点匹配算法

为解决点匹配过程中非刚性形变、位置噪声和出格点等因素导致点匹配不理想的问题,提出一种基于线性规划和相似变换的特征点匹配算法。点匹配被建模成一个能量函数最小化问题。在该函数中,形状上下文特征用于降低点对应关系的歧义性,相似变换用于保持空间映射的连续性,连续松弛问题归结为一个线性规划。仿真结果证实了该算法的有效性。     

关键点匹配三维人脸识别方法*

提出了一种新颖的三维人脸识别算法,其基本思路是,把代表人脸的三维点云沿X、Y或Z轴旋转,反复多次把3D人脸关键点投影到2.5D图像上,然后提取2.5D图像的关键点并进行标记,而用这些比原来小得多的关键点代替原来的面扫描。面对未知的待测人脸首先通过执行相同的多视角特征点提取技术提取关键点,然后应用一个新的加权特征点匹配算法进行识别。通过用GavabDB三维面部识别数据集进行试验评估,这个方法对中性表情人脸可获得高达94％的识别精度,对人脸表情辨识（如微笑）的准确率也超过了88％。实验结果表明,此方法在识别精     

SIFT和旋转不变LBP相结合的图像匹配算法

SIFT算法是性能最好、应用最广泛的基于局部特征的图像匹配算法,但其计算复杂度高.为此,提出一种SIFT和旋转不变LBP相结合的图像匹配算法,以提高SIFT算法的速度.首先利用SIFT关键点检测方法在2幅待匹配图像上分别检测关键点,得到2个关键点集;然后计算每个关键点周围图像区域的旋转不变LBP特征,并将其作为该关键点的描述;最后采用基于关键点最近邻距离比值的匹配策略,找出2个关键点集之间存在匹配关系的关键点对.实验结果表明,文中算法对结构内容图像的匹配性能与SIFT算法相当,运算速度比SIFT算法大为提高.     

基于空间结构的图像特征匹配算法

图像二进制特征描述器比浮点数特征描述器存储容量小、计算速度更快。在对常用二进制特征描述器进行分析的基础上,利用图像特征点之间的空间结构信息改进FREAK描述器的采样模式,提出MPFREAK描述器,提高特征描述能力;针对特征匹配时最近邻算法运行较慢的缺点,改进LSH算法,减少候选集列表空间,提出了海明空间的二进制特征快速匹配算法MLSH。实验表明,MPFREAK描述器描述能力优于其他算法,特征匹配算法效果明显、速度更快。     

基于LBP的图像区域复制篡改检测

研究尺度不变特征变换(SIFT)和旋转不变局部二值模式(LBP)相结合的特征匹配方法,提出一种基于LBP的图像区域复制-粘贴篡改检测算法。利用SIFT关键点检测方法检测图像中的所有关键点,计算以关键点为中心的周围图像区域的LBP特征,并将其作为关键点的特征描述,采用特征向量的欧式距离进行关键点匹配。实验结果表明,该算法在抗旋转、亮度变化处理和效率方面均优于基于主成分分析的检测算法。?     

3D Keypoint Estimation Using Implicit Representation Learning

In this paper, we tackle the challenging problem of 3D keypoint estimation of general objects using a novel implicit representation. Previous works have demonstrated promising results for keypoint prediction through direct coordinate regression or heatmap-based inference. However, these methods are commonly studied for specific subjects, such as human bodies and faces, which possess fixed keypoint structures. They also suffer in several practical scenarios where explicit or complete geometry is not given, including images and partial point clouds. Inspired by the recent success of advanced implicit representation in reconstruction tasks, we explore the idea of using an implicit field to represent keypoints. Specifically, our key idea is employing spheres to represent 3D keypoints, thereby enabling the learnability of the corresponding signed distance field. Explicit key-points can be extracted subsequently by our algorithm based on the Hough transform. Quantitative and qualitative evaluations also show the superiority of our representation in terms of prediction accuracy.     

Physical Scale Keypoints: Matching and Registration for Combined Intensity/Range Images

We present a new framework for detecting, describing, and matching keypoints in combined range-intensity data, resulting in what we call physical scale keypoints. We first produce an image mesh by backprojecting associated 2D intensity images onto the 3D range data. We detect and describe keypoints on the image mesh using an analogue of the SIFT algorithm for images with two key modifications: the process is made insensitive to viewpoint and structural discontinuities using a novel bilinear filter, and a physical scale space is constructed that exploits the reliable range measurements. Keypoints are matched between scans only when their physical scales agree, avoiding many potential false matches. Finally, the matches are rank-ordered using a new quality measure and supplied to a registration algorithm that refines each match into a rigid transformation for the entire scan pair. We report experimental results on keypoint detection and matching and range scan registration and verification in a set of difficult real-world scan pairs, showing that the new physical scale keypoints are demonstrably better than a competing approach based on backprojected SIFT keypoints.     

基于形状先验和图割的彩色图像分割

基于图割理论的图像分割方法在二值标号问题中可以获取全局最优解,而在多标号问题中可以获取带有很强特征的局部最优解。但对于含有噪声或遮挡物等复杂的图像,分割结果不完整,效果并不令人满意,提出了一种基于形状先验和图割的图像分割方法。以图割算法为基础,加入形状先验知识,使该算法包含更多约束信息,从而限制感兴趣区域的搜寻空间,能够更好地分割出完整的目标,增加了算法的精确度。针对形状的仿射变换,运用特征匹配算法进行处理,使算法更加具有灵活性,能够应对不同类型的情况。实验表明了该算法的有效性。