基于聚类的SIFT人脸检测算法

为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.     

用SIFT算法实现铁路扣件图像分类

基于图像特征点的匹配是解决很多问题的关键,不同的应用场景有不同的要求.研究SIFT算法在进行匹配的参数选择问题,结合随机抽样一致集算法(RANSAC),剔除错误的匹配,分析参数选择对匹配结果的影响,研究不同尺寸图像特征点生成关系.针对SIFT算法对光照的敏感性问题,通过图像增强再进行匹配,结合位置信息,实现了特征点数量较少的小图像铁路扣件图像的分类.     

SIFT算法在木材纹理分类上的应用

为解决地板块纹理分类难度大的问题,提出了一种基于SIFT(scale-invariant feature transform),尺度不变特征转换的地板块纹理分类方法,该方法首先采用SIFT算法提取地板块图像特征值,并采用K-means聚类算法降低关键点数目,得到用于分类的特征行向量,最后构造DEELM分类器进行分类.实验结果表明,该方法不仅减少了描述图片的关键点数目便于分类,而且提高了木材纹理分类的准确性,为地板块纹理分类的研究提供了一个新的思路.     

图像边缘提取的分维算法

利用分形几何的计盒维数估计来确定图像的边缘，提出图像边缘的分维接近于一，这种方法具有消除图像噪声和增强图像边缘的特点。     

利用边缘聚焦算法进行图像边缘线特征的提取

本文介绍了一种基于边缘聚焦的图像线状边缘特征提取与检测的方法,既能保证提取边缘特征的定位精度,又能抑制无关的细节和噪声。     

基于PCA的改进SIFT特征提取算法

提出一种改进SIFT算法,该算法主要针对传统SIFT算法数据量大、耗时长的问题,利用主成分分析法对SIFT算法进行改进,降低了SIFT算法提取的特征维数,并结合人脸数据库进行算法验证.结果表明,改进SIFT算法不仅具有亮度变化、旋转和尺度不变性,而且较原算法更稳定、精确、快速.     

一种改进的SIFT—PCA算法在图像检索中的应用

针对SIFT算法（尺度不变特征）提取出的图像特征点向量维数较多造成计算量较大、检索效率低等问题,提出一种SIFT和改进的主成分分析（Principal Component Analysis,PCA）相结合的SIFT—PCA算法。该算法首先采用SIFT算法提取图像特征点向量,然后利用改进的PCA算法把特征点向量变换到另一个空间,得到最具有代表性的特征参数,实现对特征点向量的降维。此算法在保证原SIFT算法鲁棒性的同时减少了计算量,增强了实时性。实验结果说明了该算法具有尺度、平移、旋转、光照不变性,在图像检索中应用切实可行且效果良好。     

基于相对位置不变性的SIFT高效匹配算法研究

为了实现全自主机器人立体视觉导航,图像匹配的准确性和快速性成为了研究热点和难点。通过移动机器人工作环境研究,提出图像匹配相对位置不变性的原理,基于这种原理,对最近邻域和次近邻域的SIFT特征点匹配算法进行了改进。先将待匹配图像（前后帧）所有特征点按Y方向像素值大小排序,再从对应位置关系的局部区域搜索SIFT特征点,如果最近邻和次最近邻的比值满足一定阈值T,则该点为匹配点,然后再通过相对位置不变性去除误匹配点。改进算法在最近邻匹配点和次近邻匹配点搜索时避免全局搜索而大大提高实时性,通过相对位置不变性基本去除所有误匹配点。通过实验验证,匹配速度和正确率大大提高,是平面移动工作环境下高效实用的匹配算法,同时,该算法稍加改进对复杂环境也是适用的。     

基于局部特征的SIFT算法的应用

SIFT算法作为在局部特征匹配领域最成功的算法之一,在图像特征点的提取及匹配方面得到了较好的应用.本文在讨论了SIFT的探测器和SIFT的描述器的原理及方法的基础上,选择标准图片和实测图片进行算法检验,表明此方法能较好地反映图像的灰度变化,有较强的鲁棒性,并对该算法提出了改进.     

基于灰度校正的SIFT算法全景图实现

提出应用灰度校正改进全景图像无缝拼接的方法。利用直方图均衡化技术消除拍摄图像的灰度不一致;应用基于尺度不变特征变换算法(SIFT)对图像进行特征匹配,最后利用加权平均算法进行图像融合实现图像的无缝拼接。实验结果表明,图像的匹配对增加了86%,匹配效果优于现有SIFT方法。     

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFF特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性.有一定的实用价值.     

基于尺度不变特征变换的平面旋转人脸检测

针对平面旋转人脸检测的问题,改进了传统的尺度不变特征变换(SIFT)算法,利用其旋转、缩放、平移及部分仿射不变性完成平面旋转人脸的检测。首先通过模板与对比度加权的方法对SIFT关键点进行裁减,以提高计算效率并过滤无效关键点,然后提出一种更精确的主方向计算方法确定关键点主方向,通过Adaboost算法训练人脸公共特征分类器并计算关键点的匹配率作为置信权值,完成平面旋转人脸的检测,并根据关键点主方向进行扶正。最后通过实验与传统方法进行了对比,结果表明:本文方法在保证检测率的同时,在扶正精确度、检测速度方面均有较大提高。     

一种改进的小波变换快速算法

提出了一种改进的小波变换快速算法.通过对小波滤波器系数特点的分析,发现M allat算法的速度可以进一步提高.在小波分解与重构中可以成对地计算,即在分解中一次计算一个低频系数和一个高频系数,而在重构中则一次计算相邻两个恢复值.在每一对值的计算过程中,后一个值的计算可以利用前一个值的计算结果,从而减少乘法和加法的次数,达到提高速度的目的.文中给出了M allat算法和改进算法的实验对比数据.     

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。     

基于颜色纹理特征的均值漂移目标跟踪算法

针对经典均值漂移跟踪算法采用单一的颜色特征对目标进行跟踪检测存在的不足,提出一种将纹理特征与颜色特征相结合的改进均值漂移目标跟踪算法.该算法首次提出特征联合相似度的概念,通过均值漂移算法联合相似度的最大化计算,正确快速地获取新一帧图像跟踪目标的位置.实验结果表明,该算法具有更高的可靠性,同时满足一般目标跟踪任务的实时性要求.     

一种改进的基于小波变换的图像去噪算法

提出一种改进的多参数小波阈值算法,通过调节因子k和r可以适应阈值λ的变化,与传统的硬阈值和软阈值法相比较,新算法去噪效果明显,尤其适用于去除强高斯噪声。以源图像和去噪后图像的峰值信噪比最大为依据,采用粒子群优化算法来选择自相应的调节参数,对新算法进行实验验证,仿真结果表明,新算法不仅可以有效去噪,而且可以避免高频信息的...     

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。     

基于新Haar-like特征的Adaboost人脸检测算法

为解决基于Haar-like特征的Adaboost人脸检测方法存在的特征计算复杂度较高的问题,提出两组Haar-like特征扩展集;利用积分图给出特征组的计算方法;采用Adaboost算法在正脸和侧脸样本库分别训练出正脸和侧脸级联分类器,并将其组成双通道分类器。在开源视觉库OpenCV上的实验结果表明,本方法具有较少的弱分类器数,检测效率高、计算速度快,对于多角度人脸检测具有较好的鲁棒性。     

基于改进SIFT的图像特征匹配算法

鉴于传统尺度不变特征变换(scale invariant feature transform,SIFT)算法特征描述子维度过高、匹配时间长和误匹配率较高的问题,提出一种改进SIFT的图像特征匹配算法.首先,将SIFT特征点邻域的方形区域改为十字形分区来简化特征描述子,降低描述子的维度,减少匹配计算量;然后,在由欧式距离...