融合全局特性的SIFT特征在图像检索中的应用

针对图像检索中现有特征描述算法对图像中目标物体特征描述不够有效的特点,提出了一种基于融合全局特性的SIFT特征图像检索算法。首先,通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT特征向量描述子;其次,将全局颜色特征融合到SIFT算子中共同构建联合特征描述向量,从而更加全面地描述图像信息;为了提高检索效率,利用PCA降维方法将联合特征向量进行维数约减;最后通过距离匹配进行检索。实验结果表明,该算法能够很好地应用在特定目标物的检索中,从而达到高效检索的目的。     

基于IBBS-SIFT算法的PCB板Mark点定位方法

针对最佳伙伴相似性(Best-buddies similarity, BBS)算法和SIFT算法的不足,提出了一种基于IBBS-SIFT(Improved best-buddies similarity-scale invariant feature transform)算法的印刷电路板Mark点定位方法。首先对BBS算法进行改进,通过结合置信度图和权值,在采集的PCB板图像中得到与模板图像相似的多个区域;然后采用最佳相似点对匹配准则代替SIFT算法的欧氏距离匹配准则,用改进的SIFT算法对这些相似区域计算描述子并进行匹配;最后根据匹配的描述子得到主位置,通过主位置剔除误匹配点,精确定位到Mark点位置。实验结果表明:该方法可以有效提高Mark点定位效率,将耗时减至SIFT算法的10%～15%,同时减少误匹配点数目,实现Mark点精确定位。     

基于局部熵的图像特征描述方法

使用传统的特征描述方法SIFT在单一尺度上描述图像特征会丢失一部分重要信息,影响图像的正确匹配结果。为了解决这一问题,本文在多尺度模糊空间内提取特征描述子。信息熵从图像显著性角度估计特征点及其周围的信息,能获得更多的图像关键内容,本文提出了基于局部熵的图像特征描述方法。首先,在高斯差分空间(DOG)内计算特征点的多层SIFT描述子,同时统计特征点在每层尺度上的局部熵,计算特征点在每层的熵值占所有层熵总和的百分比,利用所得百分比与每层描述子做乘积;然后,累加所有层描述子;最后,使用平方根算法得到最终局部熵特征描述子。通过与其他描述子的对比实验结果可知,本文提出的局部图像描述方法在精确-召回率、平均均匀准确度和正确匹配数方面具有强鲁棒性。     

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...     

一种高效的图像局部特征匹配算法

文章提出了一种高效的图像局部特征匹配算法。在特征描述子构建阶段,提出基于梯度的距离和方向直方图(gradient distance and orientation histogram,GDOH)算法,其特征向量维数仅是SIFT和GLOH描述子的一半,然而却具有与SIFT和GLOH相当的性能;在高维特征空间最近邻搜索阶段,提出基于子向量的索引结构(indexing sub-vectors,ISV),ISV算法比BBF(Best Bin First)算法具有更高的搜索精度和更快的搜索速度。实验结果证明文中提出的图像局部特征匹配算法(GDOH+ISV)比目前广泛使用的Lowe的算法[12](SIFT+BBF)更加高效。     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

基于特征匹配的图像真伪检测方法的研究

针对基于SIFT特征匹配的图像篡改检测算法存在篡改区域定位不清晰,以及SIFT误匹配现象会对篡改区域分辨造成干扰的问题,提出一种基于数学形态学和特征匹配的图像篡改区域定位方法.首先在尺度空间上对图像进行极值检测,对图像特征关键点进行定位,确定图像梯度方向,形成特征点描述子;然后基于欧式距离对特征描述子进行两两匹配形成块...     

基于SIFT特征匹配算法的目标跟踪及视频采集与传输研究

为了有效解决复杂背景情况下运动物体的跟踪问题,提出了一种基于SIFT特征匹配算法的目标跟踪方法。通过构建Do G尺度空间、FIFT特征点检测、特殊点描述子算法、特征点匹配将参考图像和待匹配图形进行SIFT特征点匹配,实现目标跟踪;并通过视频采集模块和无线传输模块将采集的目标图像进行无线传输。实验结果表明:SIFT特征匹配算法可对复杂环境中的目标信息进行有效跟踪。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

应用全方向形状特征码的图像检索方法

为提高图像形状信息的检索准确率和效率,提出应用全方向形状特征码的图像检索方法.该方法在全方向上对形状进行分割,度量形状各方向各部分的复杂度,构建形状的全方向特征码,计算形状间的相似度.通过真实建筑形状数据集和MPEG-7 CE-1 Part B形状数据集对本方法进行了检索性能测试,并和其他形状相似性描述方法进行了对比.实验结果表明,本方法具有更高的检索准确率和较高的检索效率.全方向形状特征码图像检索方法可以准确描述形状的全局特征与局部特征,具有平移、旋转、尺度不变性,及较强的形状描述识别能力.     

融合多尺度和多头注意力的医疗图像分割方法

为了从医疗图像中自动且准确地提取兴趣区域,提出基于神经网络的分割模型MS2Net.针对传统卷积操作缺乏获取长距离依赖关系能力的问题,为了更好提取上下文信息,提出融合卷积和Transformer的架构.基于Transformer的上下文抽取模块通过多头自注意力得到像素间相似度关系,基于相似度关系融合各像素特征使网络拥有全局视野,使用相对位置编码使Transformer保留输入特征图的结构信息.为了使网络适应兴趣区域形态的差异,在MS2Net中应用解码端多尺度特征并提出多尺度注意力机制.对多尺度特征图依次应用分组通道和分组空间注意力,使网络自适应地选取合理的多尺度语义信息. MS2Net在数据集ISBI 2017和CVC-ColonDB上均取得较U-Net、CE-Net、DeepLab v3+、UTNet等先进方法更优的交并比指标,有着较好的泛化能力.     

融合对象颜色和边缘特征的图像检索

由于图像内容特性的复杂性,对图像特征的抽取、索引及检索匹配计算量巨大,空问模型向量动辄几百上千维,使基于内容的图像信息检索在Internet上的应用面临着所谓的“维数灾难“问题。提出了一个新的图像检索模型,该模型融合了颜色的空间分布信息和对象的形状特征。颜色特征采用改进的HSV模型——扇形模型描述;对象的边缘特征采用Canny方法进行计算,并通过Hough变换产生描述对象形状特征(相对位置和方向)的空间信息;图像的相似性比较采用两个全局性向量距离描述。实验结果表明,该模型比采用单一特征(颜色)具有更高的检索效率,是高效率和合理检准率的良好折中。     

协同超像素和视觉显著性的图像质量评价

为实现全参考图像质量客观评估与人类主观评估更高的一致性,?本文提出了协同超像素和视觉显著性双重策略的图像质量评价方法.该方法通过融合4个图像特征相似度得到局部图像质量得分.这4个相似度分别是超像素局部亮度相似度、超像素局部色度相似度、视觉显著性相似度和Scharr梯度相似度.为了解决过去的评价方法中不同的特征相似度仅凭...     

遥感图像语义分割空间全局上下文信息网络

为了解决卷积神经网络(CNN)在语义分割特征提取阶段容易丢失空间信息以及边界信息不明确的问题,基于U-Net基线网络提出空间全局上下文信息网络(NC-Net). 增加再编码阶段(ReEncoder),以增强空间信息识别能力. 在Decoder阶段输出多尺度特征,与ReEncoder阶段结合获取全局上下文信息. 保留边界损失函数,设计多尺度损失函数级联方法,优化整体网络. 在GID以及WHDLD数据集上的实验结果表明,该方法的总体准确度达到最好成绩,明显优于其他基线模型.     

Vari-gram language model based on word clustering

Category-based statistic language model is an important method to solve the problem of sparse data. But there are two bottlenecks: 1) The problem of word clustering. It is hard to find a suitable clustering method with good performance and less computation. 2) Class-based method always loses the prediction ability to adapt the text in different domains. In order to solve above problems, a definition of word similarity by utilizing mutual information was presented. Based on word similarity, the definition of word set similarity was given. Experiments show that word clustering algorithm based on similarity is better than conventional greedy clustering method in speed and performance, and the perplexity is reduced from 283 to 218. At the same time, an absolute weighted difference method was presented and was used to construct vari-gram language model which has good prediction ability. The perplexity of vari-gram model is reduced from 234.65 to 219.14 on Chinese corpora, and is reduced from 195.56 to 184.25 on English corpora compared with category-based model.     

一种针对灰度非均匀图像的混合分割框架

该文将基于区域的局部和全局活动轮廓技术有机结合起来,给出了一种针对灰度非均匀图像的分割框架。考虑到灰度非均匀特性对图像非轮廓象素点影响较大而对图像轮廓象素点影响较小这一事实,在该框架中引入了图像边缘停止函数来平衡局部和全局灰度信息之间的相互影响。基于该框架,给出了一个具体的实例模型,运用快速的模糊对偶算法获取实例模型的全局最优解。用一组图像进行实验,并通过对实验结果的定量分析,验证了该模型的合理性。     

Novel Channel Attention Residual Network for Single Image Super-Resolution

本文提出了一种新的通道注意力残差网络(CAN),通过显式地建模通道间的依赖关系,对视觉注意所在位置进行编码,实现了对像素级特征的重构。CAN的主干是通道注意块(CAB)。CAB结合了余弦相似块(CSB)和反向投影门控块(BG)。CSB充分考虑各通道的全局空间信息,计算各通道间的余弦相似度,得到比一阶统计量更精细的通道统计量。为了进一步探索通道注意力问题,我们在门控机制中引入了有效的反向投影,并提出了BG。同时,我们采用局部和全局残差连接,直接将大部分低频信息传输到最终的SR输出。有价值的高频分量通过信道注意机制分配更多的计算资源。大量的实验表明,该方法在基准数据集上无论是准确性还是视觉效果上都优于现有的方法。     

大规模纤维切片图像拼接算法研究

以灰度归一化相似性度量值构建统一配准模型,实现显微镜下2D图像全局拼接.算法通过统一配准模型将图像配准过程与全局移位参数的获取过程结合在一起,用待配准图片的2个模板子图同时在已配准两幅相邻图片中进行搜索,寻找最佳拼接位置,最后使用2D灰度调整、图像融合算法修整图像.算法减少了一般全局拼接算法的非线性模型求解过程,提高了拼接速度,达到较好的拼接图像效果.     

小波域正则化遥感图像融合

遥感图像融合过程中,为了在增强空间分辨率的同时减少光谱损失,文章提出了一种改进的强度-色调-饱和度和小波的融合算法,新算法在原算法中,引入正则化技术。以小波域局部高斯模型作为光谱分布先验概率,以全色图小波系数做为空间分布先验概率,以马尔可夫随机场描述空间特征,通过梯度下降法迭代优化,实现了光谱和空间信息总损失最小的图像融合。对美地球资源卫星5的增强专题图像的融合试验证明文中提出的算法可同时提高多光谱及全色图像与融合图像的相关性,有效改善融合效果。