基于改进哈希算法的图像相似度计算

图像的相似度计算是图像检索中的一个关键性问题,在网络搜索引擎和计算机视觉等领域有着广泛的应用。传统的哈希算法采用离散余弦变换、主成分分析等方法处理图像,存在着方块效应和鲁棒性差等问题,为了解决传统算法的不足,文中提出一种基于奇异值分解(SVD)和离散小波变换(DWT)相结合的感知哈希算法进行图像相似度计算。通过奇异值分解对图像进行降噪处理,这样保证降噪后的图像在后期处理时对结果干扰减少,然后通过离散小波变换得到图片中的低频部分用于计算哈希值,保留图像的主体信息,最后通过计算哈希值的汉明距离来测评图片的相似度。实验结果表明,与现有的图像相似度计算方法相比,文中提出的算法性能好,鲁棒性高。     

基于纹理增强的ORB特征点提取与匹配算法

针对传统的ORB算法在面对纹理变化较大或纹理不明显的场景时特征提取能力的不足,提出了一种基于纹理增强和颜色增强的ORB特征点提取与匹配算法。首先,通过设计纹理增强预处理方法,分析了图像纹理特征的统计信息,以改善图像的纹理信息表达;其次,在经过纹理和颜色增强处理的图像上应用ORB算法执行特征点提取,从而获得更为突出和多样的纹理特征点;最后,为进一步提高特征点匹配的准确性,引入了一种综合考虑纹理相似度和尺度一致性的匹配策略。实验结果显示,与传统的ORB算法相比,基于纹理增强的ORB算法在特征点提取和匹配的准确性和鲁棒性上均得到了显著的提升。     

多特征结合相似度优化的三维工程模型检索算法

为提高三维模型的检索准确度,针对工程三角网格模型提出了一种基于随机点间距离和法向夹角余弦联合分布及二进制粒子群优化的检索算法。在模型表面构造若干随机点并计算各点之间的距离和法向夹角余弦,然后以距离和余弦为坐标轴建立距离一余弦二维网格,统计各网格中的随机点数量,得到三维模型的距离-余弦联合形状分布矩阵,用分布矩阵之间的L_2距离表示模型之间的相似度。为了体现形状分布矩阵中各元素对模型相似度影响的差异性,采用一种基于二进制粒子群优化的方法对相似度计算过程进行了改进。实验结果表明,本算法可有效提高工程三角网格模型检索的准确性。     

基于双因子混合加权相似度的协同过滤推荐算法

针对在数据稀疏和冷启动情况下,使用协同过滤推荐算法中传统相似度算法产生相似度不准确的问题,本文将传统相似算法中修正余弦相似度算法与基于用户属性的相似度算法加权混合,引入双因子作为权重,双因子用sigmoid函数定义,以阈值与读者借阅量的差值为变量,当读者借阅量大于(小于)阈值时,数据不稀疏(稀疏),修正余弦相似度算法权重自动增加(降低),基于用户属性相似度算法的权重自动降低(增加)。这种自动调整2种相似度算法权重的方法,既考虑了传统相似算法的优点,又避免其缺点。通过实验证明,改进后的算法提高了相似度计算的准确性,提高了推荐精度,在一定程度上解决了数据稀疏和冷启动下产生的相似度不准确问题。     

基于编辑距离的词序敏感相似度度量方法

为改善余弦相似度不能反映词袋模型中词项间顺序差异的缺点,提出了一种基于编辑距离的文档相似度度量方法.首先分析了基于 tf - idf 的词袋模型和余弦相似度计算方法所存在的问题; 其次利用Jaccard系数和编辑距离描述两个字符串的公共子串中词语之间的顺序差异,并提出了一种词序敏感相似度计算方法; 最后利用实验数据对算法的有效性进行了验证,结果显示本文方法在Top1、Top3上的F1指标比原始的余弦相似度方法分别提高了0.082 5、 0.112 6,表明本文方法能够有效地提升信息检索系统的性能,具有很好的应用价值.     

一种基于本体相似度的Web服务匹配算法

服务匹配也被认为是基于本体概念的相似度计算。针对本体结构中概念之间的IS-A关系,通过对语义相似度相关算法的研究,提出了一种结合信息论模型和语义距离模型的相似度算法,并在此基础上上构建了二层服务匹配模型,从而实现了对服务的有效区分和匹配。     

基于项目层次相似性的推荐算法

针对协同过滤算法推荐效果依赖于相似度度量方法的问题,提出了一种基于项目层次结构相似度的推荐算法REHIS(recommendation hierarchical similarity)。首先利用关联规则挖掘和KNN(K nearest neighbor)算法完善项目层次结构,然后利用TopK算法计算项目之间的相似度,最后利用基于项目的协同过滤算法框架预测用户评分。为解决协同过滤算法扩展性差的问题,还把TopK算法推广到余弦距离和皮尔逊相关系数等常见的相似度度量方法。实验结果表明,与传统的协同过滤算法相比,REHIS能够获得更优的均方根误差,TopK算法可以减少最近邻项目的查找时间。     

XML Schema匹配中的元素相似性度量算法研究

为了实现XML Schema自动匹配,解决XML数据共享问题,提出一种基于语义和结构的模式自动匹配算法。首先采用基于单词网络(wordnet)的语义匹配算法及字符串结构匹配(n-grams)算法计算来自两个模式树中节点对名称相似度,然后获取包含此节点对的各自路径集,再通过计算对应路径集中每对路径的最大相似度获得此节点对的结构相似度。实验分析表明此方法具有较好的查全率和查准率。     

CNN特征与BOF相融合的水下目标识别算法

为了改善作为低级表示的尺度不变特征变换(scale invariant feature transform, SIFT)匹配常出现的没有足够特征来防止假匹配的问题,提出在传统方法“词袋”(bag of features, BOF)算法中融合具有较好语义分割能力的卷积神经网络(convolution neural network, CNN)特征来提高识别率的方法。利用ImageCLEF网站的LifeCLEF鱼类视频,制作目标图像数据库。在caffe平台的Alexnet模型进行卷积神经网络的训练,提取图像库和查询图像的特征。利用训练好的CNN特征在Matlab软件进行识别试验验证,计算汉明距离来验证匹配效果。改变参数值来观察不同汉明距离阈值对水下目标识别结果的影响。自制图像库的试验表明,融合深度学习的特征可以有效提高BOF算法的水下目标识别率,对汉明距离阈值的选择需要根据实际情况选择合适的参数。     

基于汉明距离统计的隐写分析算法

针对LSB匹配隐写算法会改变自然图像LSB(最低有效位)序列相关性的特点,提出了"汉明距离统计"方法。在合理假设的情况下,分别对随机序列和自然图像LSB序列的汉明距离统计分布进行推导和实验,构造了能够度量二者相关性本质差异的统计量,并据此设计了适用于LSB匹配的隐写分析算法。实验结果表明算法具有较好的检测性能。     

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。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

基于ASIFT改进算法的无人机图像特征匹配方法研究

无人机图像纹理丰富、特征显著,在机器视觉三维重建及机器人导航中应用广泛,但其视角变化大,且易倾斜。传统的尺度不变特征变换(SIFT)算法和Affine SIFT(ASIFT)算法等图像特征匹配算法误差较大,难以满足应用要求。针对该问题,提出了一种基于ASIFT的改进算法。首先用ASIFT算法模拟图形畸变,然后利用SIFT算法中的k d树算法对最邻近特征点进行快速搜索匹配,最后加入随机抽样一致算法,得到匹配对的参数模型,同时对不符合模型的误差匹配对进行剔除。实验结果表明,该算法可以优化匹配效果,提高匹配速度。     

自动上料机器人视觉识别系统

为了满足自动上料机器人对视觉识别与定位算法高效性、高实时性的要求,提出了预检测+精检测的两步检测法.在预检测阶段,采用Bresenham圆对已提取的安全套边界点集进行曲率分类,根据边界曲率趋势筛选出特定的边界点集并求出矩形掩膜区域.在精检测阶段,在矩形掩膜区域内生成ORB特征算子检测和BRISK描述子.采用最近邻域算法进行模板匹配,利用RANSAC算法剔除误匹配.结果表明,本算法比单纯的ORB+BRISK、BRISK等算法快5~8倍;同时继承了ORB与BRISK算法的旋转不变形和尺度不变性,提升了安全套形变时顶部的识别与定位精度.     

近景影像特征点匹配方法比较研究

近景摄影测量因其拍摄方式灵活,影像之间的相对几何变形大,常导致同名点匹配失败.本文采用SIFT、SURF、FAST+BRIEF和ORB 4种计算机视觉算法,对不同场景和摄影条件下的近景像对进行特征点检测与描述,结合BFMatch和FlannMatch两种方法对特征点实施匹配.实验表明,所用算法的计算耗时越长,匹配结果越好.SIFT、SURF适合于高精度连接点的自动生成,而FAST+BRIEF和ORB可用于相对几何变形小的立体影像密集点匹配.     

基于图像力场理论的ORB特征优化方法

针对现有的移动机器人视觉图像ORB特征受图像尺度、光照和旋转影响比较大的问题,提出了一种基于图像力场理论转换的优化ORB算法.通过计算图像熵值确定图像金字塔尺度,构建稳定的ORB特征,以此解决ORB特征点的尺度不变性.采用ORB特征点的引力方向作为特征点描述子的主方向,优化ORB算法的旋转不变性.利用PROSAC算法剔除冗余ORB特征点.结果表明,本文方法在一定程度上提高了ORB特征点描述子的准确度和匹配正确率.     

SIFT特征在图像配准过程中的应用研究

针对现有基于特征的图像配准方法所存在的特征提取的多样性和相似度计算的复杂性等问题,提出了一种基于SIFT特征的图像配准方法．首先利用SIFT算法提取出图像的特征点,用欧式距离比进行特征匹配,然后利用图像位置的先验条件,采用RANSAC算法去除误匹配,最后计算出待配准图像和基准图像间的变换关系参数．实验结果证明了该算法的有效性．     

一种改进KNN的无人机图像快速拼接方法

为了更好解决基于K近邻算法特征匹配速度问题,采用图像像素点经纬度数据加快特征点匹配的无人机图像拼接方法。利用拍摄图片信息里的地理坐标,计算影像像素点经纬度数据,然后计算出两张图像重合部分,利用重合部分特征点经纬度数据大致相同这一特点提高K近邻算法匹配速度,改进后的算法在匹配准确度比传统算法提高了43%左右,最后选用最佳缝合线法对图像进行拼接,获得了质量较好的全景图。     

WiFi指纹定位中改进的加权k近邻算法

针对WiFi指纹定位中传统的信号欧氏距离不能很好地反映各位置点间物理距离的问题,提出了改进的加权k近邻定位算法。首先,在信号距离的计算中引入接收信号强度的方差;然后,根据接收信号强度和物理距离之间的非线性关系引入加权系数,设计了一种信号加权欧氏距离;最后,利用信号加权欧氏距离进行指纹匹配和位置估计,改进了加权k近邻算法。在真实环境下的实验结果表明,信号加权欧氏距离能够更准确地衡量各点之间的物理距离并选择更合理的最近邻参考点。与现有的加权k近邻算法相比,改进的加权k近邻算法能够明显地提高WiFi指纹定位的精度。