基于质心距离增量矩阵的曲线描述和匹配

图像中物体轮廓线的描述和辨识是图像理解的一个核心问题,提出了一种新的快速的轮廓线描述和匹配方法。该方法不是把曲线中的每一点都进行了描述和匹配,而是按照最小面积法则对曲线进行采样。用采样点与质心的距离增量为每一个采样点赋予一个身份向量,通过所有采样点的身份向量来构造曲线的质心距离增量矩阵以描述曲线,最后利用两条曲线的质心距离增量矩阵的差异度来度量它们的相似性。实验证明该描述方法不仅具有很好的唯一性,而且相比目前已有算法计算量大大减少。该方法的一个实际应用在于将一个地区的SAR图像与地图相匹配。     

基于边缘相关性距离约束的角点匹配

在双目视觉技术中,针对物体边缘上的角点误匹配问题,提出了一种基于边缘相关性距离约束的角点匹配算法。该算法首先采用基于边缘的角点检测子来提取角点,通过极线约束和角点特征值约束来确定候选角点匹配集合;然后提出“边缘相关性”约束,基于角点距离构造候选角点对的贡献值来对其进行精匹配;最后构造角点特征向量,通过子向量匹配方法进一步对角点匹配对进行检验。实验结果表明,该匹配算法正确率高,有效地解决了边缘角点对的误匹配问题,非常适用于基于边缘曲线的双目视觉应用。     

基于特征点和最小面积的曲线描述和匹配

为了对关键特征点相同而子曲线曲率不同的曲线进行识别,提出一种新的平面曲线的描述和匹配方法。基于关键特征点进行粗匹配,根据精度要求设定最小面积阈值在子曲线上重新采样点,定义了一种新的采样点的识别向量,并根据子曲线上采样点的识别向量构造了新的识别向量矩阵,最后根据识别向量矩阵的差异度度量子曲线的相似性。通过对所有子曲线的识别实现对整条曲线的识别。该识别方法逐层筛选、由粗到精,避免了冗余操作。实验表明该方法高效、可行。     

拱序列的曲线描述与匹配

目的 曲线匹配是计算机视觉和图像处理中的一个重要问题;判定几何图形形状相似性,得到与人类认知一致的结果,是目前的曲线描述与分类算法不能很好解决的问题。针对曲线匹配和几何图形形状的相似性判定,提出一种有效快速的基于拱序列的曲线匹配与相似性判定算法。方法 提取曲线的角点,将曲线表示为一连串相互重叠的拱序列。对于拱序列中的每一个拱,使用拱描述子进行描述。利用拱描述子,使用动态规划方法,实现对拱序列的匹配和相似性判定。结果 为了验证本文算法,将基于拱序列的曲线描述与匹配方法应用于轮廓的拼接与几何图形的相似性比较。在轮廓拼接实验中,基于拱序列的曲线描述与匹配方法准确完成碎片轮廓的拼接和地图轮廓的拼接。在几何图形相似性的交叉度量实验中,基于拱序列的曲线描述与匹配方法可以准确反映出图形的相似程度,正确判断两幅图像是否属于同一类型。在判定不同相似程度的形状对的实验中,本文算法可以给出与人类判断相同的结果,相比较基于链码特征、多尺度不变量、形状上下文和GCT（geometry complex transform）变换算法,本文算法的距离值更好地反映出图像的相似程度。结论 理论和实验表明,该算法可有效地描述曲线、匹配曲线,及准确判断几何图形的相似性,给出与人类视觉判定一致的结果。该算法可用于基于轮廓的图像拼接和几何图形相似性的判定。     

实数型曲线描述子二值化研究

曲线匹配技术在模式识别、计算机视觉和图像理解中具有重要作用。随着移动设备的广泛使用,有必要研究存储空间小、匹配速度快的二值型曲线描述子。针对常见实数型曲线描述子(MSCD、IOMSD、IOCD和TCHP),利用阈值化方法,获得由0、1表示的二值曲线描述子。实验结果表明,在旋转、视角变化和光照变化条件下,提出的曲线二值描述子能够保持实数型描述子的匹配准确性,而占用的内存空间仅为原描述子的1/32或1/16。     

基于角点特征值和视差梯度约束的角点匹配

提出了一种基于角点特征值的角点匹配快速算法,并利用视差梯度约束去除误匹配的结果。首先把提取角点时得到的角点特征值作为匹配的一个约束,提高了基于灰度相关的角点粗匹配运算的速度,然后利用视差梯度约束对粗匹配的结果进行求精运算,去除误匹配的结果,实验结果证明了该算法的有效性。     

Harris相关与特征匹配

基于图像梯度提出一种图像特征,称为Harris相关.应用Harris相关特征,构造图像特征描述子,包括特征点描述子、直线描述子和曲线描述子.这些描述子的构造较简单,对图像旋转与图像亮度的线性变化具有不变性.直线与曲线描述子的构造方法为直线和曲线的匹配提供一种思路.实验表明,应用Harris相关构造的特征点描述子对图像变化表现出较好性能,直线与曲线描述子在实际图像中取得较好的匹配结果.     

基于均匀角点匹配的基础矩阵估计方法

鉴于Harris角点匹配时产生的聚簇现象,引入邻近点剔除策略,可以提取到较为均匀的匹配角点.在此基础上,进一步对计算基础矩阵的8点算法进行改进,通过对匹配点进行分组求解基础矩阵,以每组得到的基础矩阵求平均值作为最终值.实验结果表明,该方法求解的基础矩阵具有较高精度.     

均值-标准差描述子与直线匹配

提出一种通过直线描述子来进行自动直线匹配的思想.直线描述子的建立分为以下3个主要步骤:首先为直线定义平行邻域并将该邻域分解为一系列平行线,其次通过选择图像特征建立直线描述矩阵,最后通过计算描述矩阵列向量的均值和标准差获得直线描述子.基于不同的图像特征(灰度、梯度和梯度幅值),提出3个具有平移、旋转和线性光照不变性的直线描述子.实验结果表明本文提出的直线描述子具有较好的匹配性能.     

一种融合局部与全局信息的距离约束角点匹配算法

图像匹配技术在众多领域中都有重要应用。针对既有平移又有旋转的情形,提出了基于距离约束的角点匹配方法,首先利用角点值进行匹配点对的粗选,然后利用局部角点间距离及全局角点间距离结合进行匹配点对的选取。实验结果表明,该方法可以实现无误匹配的匹配点对,准确性高,对噪声具有一定鲁棒性,且由于匹配过程中主要利用两点间的距离关系,而不需要进行复杂的运算,所以匹配时间大幅减少,在现实中有一定的实用性。     

由整体到局部的平面曲线部分匹配算法

在基于曲线匹配的检索系统中,提高曲线的匹配速度和精度具有重要的意义.提出一种平面曲线的部分匹配算法,该算法分为整体搜索和局部匹配2个阶段.首先整体搜索确定候选的匹配区域,然后在局部进行精确匹配和验证.对于特征点较少的曲线,根据曲率极值点将曲线划分为多条曲线段,采用局部线性搜索法实现曲线的部分匹配.实验结果说明了算法的有效性.     

基于图分割与Hausdorff距离的多分辨率影像匹配

针对具有复杂场景的航拍图像提出了一种基于图分割理论与Hausdorff距离的多分辨率影像匹配方法。在高斯金字塔图像模型中,低分辨率的图像通过图分割方法,充分考虑图像中的局部和全局的信息,提取到稳定和完整的图像区域边界,并以区域边界作为待匹配的曲线。再通过计算曲线的统计特性作为图像间待匹配特征,并由信号相关的度量方法粗估计出图像间全局仿射变换参数。利用粗估计的参数在高分辨率层次上进一步通过基于Hausdorff距离的匹配方法搜索到精确的变换参数。实验结果表明,该方法在较大变形和强噪音干扰的情况下对复杂场景的图像也能有效地完成匹配。     

基于B样条尺度空间的鲁棒多尺度曲率积角点检测

本文在B样条尺度框架下提出了一种多尺度曲率乘积角点检测算法. 根据在各个尺度下的轮廓的曲率, 建立了尺度积函数. 在各个尺度下的曲率乘积经阈值变换后的局部极大值定义为角点. 通过尺度积, 根据CNN评价标准, 角点的定位精度和检测性能得到显著的提高. 实验也证明本文算法对边缘细节具有很好的鲁棒性并获得了良好的检测结果.     

同心圆与直线剖分下的多元多项式插值

传统的插值方法一般是基于三角形或四边形剖分的,在应用上不易处理类似于呈圆形分布的问题,有一定的局限性．给出一种新的基于同心圆与直线剖分的插值方法,由于该剖分的节点分布是对称的,加之所构造的基函数是对称的,因而插值函数具有保对称性,且是多项式函数．数值实例表明,该插值方法对此类问题有很好的效果,并给出了相应的误差分析．另外,若剖分线退化为射线,该方法可适用更一般情形．     

基于Freeman链码的二维曲线匹配

快速地提取曲线的拐角点是进行曲线匹配的关键。为了解决这一问题,提出提取拐角点的快速方法,根据Freeman链码在拐角点附近的变化规律,将Freeman链码分为两类,根据这两类的判断规律分别确定拐角点,然后根据特征线段的长度和特征点的曲率去除一些伪拐角点,以得到标准拐角点。最后根据标准拐角点的曲率序列求得的归一化互相关系数进行粗匹配,再通过长序列的归一化互相关系数进行精确匹配。这种方法不受曲线旋转和平移的影响,易于实现,根据实验证明该方法的合理性、有效性。     

基于二叉树的曲线描述方法

为了更好地描述曲线,引入了一种有效的曲线编码和描述方法———曲线树。这种曲线树是采用树的结构来描述曲线,其内部元素是有向相对高度。由于任何一种曲线都与一个曲线树一一对应,因此从树的根部开始,取其前几层得到的树,都是对该曲线的粗略的描述,而且随着层数的增加,刻画曲线的精度就越高。这种方法最大的一个优点是它不随曲线平移、拉伸和旋转而变化。在这种曲线描述的基础上,可进一步定义两曲线的距离,以便用来衡量曲线间的相似程度。     

使用梯度相关矩阵行列式的角点检测算法

构造了反映轮廓曲线局部几何特征的梯度相关矩阵(GCM),并基于Lagrange乘子优化方法和Γ角点模型分析和证明了GCM的特征值与特征向量的特性,解释了相应的几何意义。将GCM的行列式定义为角点的响应函数,提出了相应的角点检测算法。最后,通过大量实验证明了GCM方法具有较好的检测性能,以及对各种几何变换和噪声的鲁棒性。     

基于同心圆与平行直线剖分的多元多项式插值

传统的插值方法一般是基于三角形功四边形剖分的,它们在应用上不易处理类似于呈圆形分布的问题,有一定的局限性,文中给出一种新的基于同心圆与平行直线剖分的插值方法,使用该方法构造的插值函数是保对称的,且是多项式函数,并在理论上给出一种误差估计方法,最后给出数值实例。     

SUBic: A Scalable Unsupervised Framework for Discovering High Quality Biclusters

A biclustering algorithm extends conventional clustering techniques to extract all of the meaningful subgroups of genes and conditions in the expression matrix of a microarray dataset. However, such algorithms are very sensitive to input parameters and show poor scalability. This paper proposes a scalable unsupervised biclustering framework, SUBic, to find high quality constant-row biclusters in an expression matrix effectively. A one-dimensional clustering algorithm is proposed to partition the attributes, that is, columns of an expression matrix into disjoint groups based on the similarity of expression values. These groups form a set of short transactions and are used to discover a set of frequent itemsets each of which corresponds to a bicluster. However, a bicluster may include any attribute whose expression value is not similar enough to others, so a bicluster refinement is used to enhance the quality of a bicluster by removing those attributes based on its distribution of expression values. The performance of the proposed method is comparatively analyzed through a series of experiments on synthetic and real datasets.     

一种用于点模式匹配的改进型谱方法

利用谱方法进行点模式匹配的主要问题是对点的位置噪声比较敏感。为了提高谱方法对噪声的鲁棒性,该文在表示矩阵的构建过程中采用高斯加权的近邻矩阵对要匹配的点模式进行描述,提出一种新的符号校正方法,利用点的属性信息对根据谱方法得到的匹配度量进行加权。仿真实验表明,在噪声情况下的点模式匹配应用中采用改进的谱方法可以获得较高的正确匹配率。