角点和边缘结合的红外与可见光图像匹配

针对可见光与红外图像在复杂背景下匹配准确度低的缺点,提出一种新的基于边缘特征的匹配算法,算法首先对图像进行小波去噪,然后提取图像的边缘及其角点,在匹配测度上提出了新的CSS-EDGE-WHD距离,该距离测度在加权Hausdorff的基础上,结合了边缘角点的方向差异性,并推出相应权值,既利用了边缘点的位置信息,又利用了边缘上曲率极大值点(角点)的方向特性,对不同的边缘点采用不同的权值进行Hausdorff加权,最后将两种边缘点Hausdorff距离结合得到最终的匹配算法。仿真实验验证了该算法在背景复杂的红外与可见光图像匹配中也能保持较高的准确度。     

一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。     

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。     

机载图像辅助导航实时匹配算法研究

针对机载图像匹配辅助导航系统的实时性和精度高的特点,提出了基于部分Hausdorff距离的粗匹配与基于广义点理论的精匹配相结合的匹配方法;该方法利用多尺度边缘检测提取机载图像的边缘特征,将参考图像和实时图的边缘特征进行粗匹配和精匹配,并做了仿真实验;实验结果表明,该算法优于与灰度相关和SSDA算法对比,并验证算法的有效性.     

海浪绘制中波浪谱的选择和参数计算

针对红外与可见光图像中特征点匹配的难题,提出一种基于特征点邻域边缘的描述与匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;再对特征点邻域的边缘进行重组;其次求取特征点所在曲线的法线作为主方向,以避免图像的旋转代价;计算特征点邻域像素点的B-LBP算子的加权分布直方图;然后搜索相同边缘上最近的特征点并计算相应的直方图信息;再对两个直方图进行级联,构造出512维的UB-LBP联合描述子,并将其归一化;最后采用最近邻算法实现特征点匹配。实验结果表明,这两种描述子在红外与可见光图像特征点匹配方面较SIFT算法具有较高的正确匹配率,能够实现两种图像的精确匹配。     

红外与可见光图像特征点边缘描述与匹配算法

针对红外与可见光图像中特征点匹配的难题,提出一种基于形状上下文的特征点邻域边缘描述与匹配算法.首先采用基于曲率尺度空间的角点检测算法进行特征点提取,并将特征点所在曲线的法线作为主方向,避免了图像的旋转代价;然后搜索相同边缘上最近的特征点,通过计算这2个特征点邻域的边缘的像素点分布直方图构造一个120维的特征点描述符,并进行归一化;最后采用最近邻算法实现特征点匹配.实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配.     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

一种内外轮廓加权的人耳检测算法

为了提高人耳检测中图像匹配的精确性,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统Hausdorff距离和平均Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。     

基于定量定性互信息的多层次特征图像匹配算法

针对传统基于互信息图像匹配算法计算量大,且没有考虑像素空间关系和效用的问题,提出了一种基于定量定性互信息的多层次特征图像匹配算法：首先对边缘提取后的图像提取多层次特征,即边缘兴趣点、边缘点和边缘邻域点特征;然后基于不同特征点特性,计算定量定性互信息联合效用;最后在遗传算法框架下,将定量定性互信息值作为适应度函数值搜索匹配参数。仿真结果表明,本文提出的匹配算法精度高,耗时较短且对噪声不敏感。     

基于局部结构特征的红外与可见光图像匹配

使用灰度特征对红外与可见光图像进行匹配时,其效果受异源图像间灰度分布差异的限制。为此,提出一种基于局部结构特征的匹配方法。提取Harris角点及其关联的局部轮廓曲线切向角度,使用角点与角度信息构造局部有向Harris特征点,推导基于该特征点的仿射估计方程,结合特征点集匹配假设检验与RANSAC鲁棒估计进行匹配。实验结果表明,在其他方法失配的情况下,该方法可有效实现红外与可见光图像的特征点匹配。     

Elastic shape-texture matching for human face recognition

In this paper, a novel, elastic, shape-texture matching method, namely ESTM, for human face recognition is proposed. In our approach, both the shape and the texture information are used to compare two faces without establishing any precise pixel-wise correspondence. The edge map is used to represent the shape of an image, while the texture information is characterized by both the Gabor representations and the gradient direction of each pixel. Combining these features, a shape-texture Hausdorff distance is devised to compute the similarity of two face images. The elastic matching is robust to small, local distortions of the feature points such as those caused by facial expression variations. In addition, the use of the edge map, Gabor representations and the direction of the image gradient can all alleviate the effect of illumination to a certain extent.With different databases, experimental results show that our algorithm can always achieve a better performance than other face recognition algorithms under different conditions, except when an image is under poor and uneven illumination. Experiments based on the Yale database, AR database, ORL database and YaleB database show that our proposed method can achieve recognition rates of 88.7%, 97.7%, 78.3% and 89.5%, respectively.     

融合颜色与光照信息的改进AKAZE图像匹配算法

传统AKAZE算法主要以图像的灰度信息作为输入,忽略了颜色与光照信息,且存在过多的冗余特征点。提出一种融合颜色与光照信息的改进图像匹配算法。在图像原始灰度信息中增加颜色补偿量和光照补偿量,克服传统AKAZE算法未利用颜色和光照信息来区分同名点的缺点。在特征点邻域内计算欧式距离和区域重复率以确定重叠程度较高的相邻特征点,比较相邻特征点的响应强度,将响应强度值较小的特征点作为冗余点并删除。在图像匹配后利用随机一致性算法剔除误匹配点对,通过并行运算对算法进行加速。实验结果表明,该算法可以有效识别同名点并剔除图像中的冗余点,运行效率优于SIFT和SURF等算法。     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量(WSM)的特征匹配方法.该方法首先采用基于网格多密度聚类的特征匹配(FM_GMC)算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变...     

一种改进的变分水平集的图像分割算法

为了解决灰度不均匀现象对医学图像的干扰问题,提出了基于局部极性信息的活 动轮廓模型。通过引入局部图像信息,该模型能有效地分割灰度不均匀图像。在规则化项中增 加的能量惩罚项,使得水平集函数在演化过程中保持为近似的符号距离函数。该算法将图像分 割问题归结为曲线能量泛函的最小化,首先建立包含局部灰度信息（极性信息）和改进的符号 距离函数的曲线演化能量泛函;然后采用变分水平集方法求解能量函数的最小值,得到最终的 分割结果。真实医学图像和人工合成图像的实验结果表明,此方法对灰度不均匀的医学图像有 较高的分割精确度,在图像分割速度上有较大提高。由于利用了局部灰度信息,可以有效地分 割灰度不均匀的医学图像,而改进后的变分水平集可以完全避免重新初始化,使得图像分割效 率大大提高了。     

基于改进的SIFT算法的红外图像配准

电路板红外图像具有分辨率低、对比度低、信噪比低、视觉效果模糊的特点,目前的图像配准算法用于电路板红外图像配准时,运算时间长且匹配准确度低.针对电路板红外图像的特点,梳理了图像配准方面的国内外研究现状,分析了SIFT算法的基本原理,对原有的SIFT算法进行了修改.对特征点的提取方式进行了改进,减少了不必要的特征点;改进了特征点的描述符,降低了特征向量的维数;在特征点匹配的时候加入了分层阈值.对改进的算法进行了一系列的测试,针对三对电路板的红外图像进行配准,实验结果表明,相比于传统的SIFT算法,改进的SIFT算法在进行电路板红外图像配准的时候,匹配的准确率和运算时间得到了很大的提升,为电路板红外图像的配准提供了新的方法.     

Hybrid image matching combining Hausdorff distance with normalized gradient matching

Image matching has been a central problem in computer vision and image processing for decades. Most of the previous approaches to image matching can be categorized into the intensity-based and edge-based comparison. Hausdorff distance has been widely used for comparing point sets or edge maps since it does not require point correspondences. In this paper, we propose a new image similarity measure combining the Hausdorff distance with a normalized gradient consistency score for image matching. The normalized gradient consistency score is designed to compare the normalized image gradient fields between two images to alleviate the illumination variation problem in image matching. By combining the edge-based and intensity-based information for image matching, we are able to achieve robust image matching under different lighting conditions. We show the superior robustness property of the proposed image matching technique through experiments on face recognition under different lighting conditions.     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。     

基于RGB-D融合特征的图像分类

当前经典的图像分类算法大多是基于RGB图像或灰度图像,并没有很好地利用物体或场景的深度信息,针对这个问题,提出了一种基于RGB-D融合特征的图像分类方法。首先,分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征,然后将得到的两种图像特征进行特征融合;其次,使用改进K-means算法对融合特征建立视觉词典,克服了传统K-means算法过度依赖初始点选择的问题,并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码;最后,利用线性SVM进行图像分类。实验结果表明,所提出的算法能有效地提高图像分类的精度。     

Color Medical Imaging Fusion Based on Principle Component Analysis and F-Transform

In last years, various medical image fusion algorithms have been proposed to fuse medical image. But, most of them focus on fusing grayscale images. This paper proposes a qualified algorithm for the fusion of multimodal color medical images. The technique of F-transforms has mainly been employed as a fusion technique for images obtained from equal or different modalities. The restriction of fused color mixing RGB, substitution method is resolved by incorporating F-transform and color mixing RGB. The proposed method significantly outperforms the traditional methods in terms of both visual quality and objective evaluation, with improved contrast and overall intensity. The proposed method provides better visual information than the gray ones and more adaptable to human vision. Additional, PCA is functional on the two-level decomposition to maximize the spatial resolution. Experimental evaluation demonstrates that the proposed algorithm qualitatively outperforms many existing state-of-the-art multimodal image fusion algorithms.