一种新的快速图像匹配算法

目前图像匹配的方法主要有两类:一种是基于灰度的图像匹配,这种方法匹配概率高,但速度较慢;另一类是基于特征的图像匹配,这种方法匹配速度快,但匹配概率不高。文章正是针对基于灰度的图像匹配速度较慢的弊端,首先给出了“图像迹”的定义,然后通过计算图像的迹差,求累计误差的最小值进行图像匹配。通过试验验证,这种方法在保持高的匹配概率的前提下,大大地提高了匹配速率,这种方法只有和差运算,可用DSP等硬件做到实时匹配。     

一种基于PBIL算法的快速图像匹配方法

为了解决图像匹配过程中计算速度慢和匹配精度不高的缺陷,提出了一种基于群体增量学习算法的匹配方法。PBIL算法是一种基于概率分析的进化算法。它集成了基于函数优化的遗传搜索和竞争学习两种策略,将进化过程视为学习过程,通过竞争学习所获得知识来修正生成概率,进而指导后代的生成。在实验中,将其与传统序贯相似性检测算法(SSDA)和遗传算法进行了比较。结果表明基于该算法的图像匹配具有运算速度快、匹配精确等优点,且收敛过程非常稳定。     

一种快速图像匹配算法的设计与实现

文章在分析了多分辨率塔形结构算法(MPSA)和基于遗传算法的图像匹配方法的基础上,有机地结合了这两种方法的优点提出了一种新的快速匹配算法,并与传统的基于遗传算法的图像匹配方法做了比较,试验表明算法大幅度降低了匹配时间。目前,该算法已在全自动金丝球焊机的图像识别系统中得到实际应用。     

一种基于SIFT特征的快速图像匹配算法

经典的SIFT算法具有良好的尺度、旋转、光强不变特性而广泛应用于图像匹配。图像特征点较少时,匹配过程使用穷举法查找最近邻匹配点;当图像特征点较多时采用KD-Tree结构,而其检索过程存在"回溯"现象,这两种方法的匹配效率都不高。为了提高特征点的匹配速度,提出改进的SP-Tree结构解决"回溯"问题。在结点集分割时设置参数合理确定左右超平面位置,引入平衡因子作为结点分割方法选择的依据,采用近似最近邻搜索算法加快特征点匹配速度。给出算法的详细实现过程,并应用两幅图像进行验证。实验结果表明:SIFT特征向量采用改进SP-Tree结构在损失少部分匹配点的同时,提高了SIFT特征点的整体匹配速度,适合于图像特征的实时匹配过程。     

一种高效的图像匹配算法

兼顾算法的精度和效率两个方面,基于图像特征的图像匹配算法,逐渐成为众多学者研究的热点.文中提出了将多分辨率和极线约束与相关法相结合的图像匹配方法.该方法采用金字塔分层和极线约束来弥补相关匹配带来运算量大的不足,克服了图像匹配中精度低和速度慢的缺点.通过实验验证该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度.     

灰度图像匹配的快速算法

提出了一种基于小波变换和投影特征的图像匹配的快速算法．先在若干级小波变换的低频图上利用投影特征、序贯相似性算法等手段得到一个可能的匹配点的集合,然后对该集合上的点在原图上作匹配运算,得出准确匹配位置．该算法大大提高了运算速度,同时又保持了匹配的精度,可以满足实时性的要求。     

一种新的基于对称色彩空域特征的图像匹配方法

在目前的基于内容的图像检索中，颜色是使用最广泛的进行图像特征匹配的特征之一．在基于颜色的图像特征匹配方法中引入空域信息对于确保匹配准确率是十分必要的．颜色特征的优点在于对尺度、旋转的不变性，而引入空域信息后，会消除这种好的性质．因而需要解决如何在引入空域信息的同时，兼顾不变性的问题．提出一种基于对称色彩空域特征的图像匹配方法．该方法在保留了颜色特征不变性的基础上。通过引入对称的空域信息。既提高了图像特征匹配的准确性。又消除了图像变形对图像特征匹配的影响．最后的试验表明我们的算法在一定程度上解决了图像变形，特别是对称变形对图像匹配的影响．     

一种基于Laplacian矩阵的图像匹配算法

文章提出了一种基于Laplacian矩阵的图像特征匹配算法。首先分别构造两幅图像特征点集的Laplacian矩阵,并对这两个矩阵进行奇异值分解(SVD),然后利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵,最后根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文所提出的算法具有较高的匹配精度。     

一种改进的SSDA图像匹配算法

介绍了一种快速的块匹配算法——SSDA算法,分析了现有SSDA算法的缺点:算法本身没有抗干扰性能、计算过程中没有利用图像自身的特点。针对现有算法的缺点提出改进,仿真结果表明改进算法在抗噪性能、计算速度上都比原算法有所提高。     

一种基于快速鲁棒特征的图像匹配算法

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种基于快速鲁棒特征(SURF)的图像配准算法。SURF算法作为一种新的特征提取算法,在独特性、鲁棒性等方面均超过了其它方法,并在计算效率上具有明显的优势。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定特征点的主方向,并确定特征描述子,再根据Hessian矩阵迹的正负性和最近邻与次近邻比值的方法相结合获取匹配点,并用改进的RANSAC算法剔除伪匹配点以确保匹配的有效性。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。     

一种改进的彩色图像匹配算法

首先比较了彩色图像不同匹配策略下视差的精确率,并采用了匹配效果较好的策略。同时针对彩色图像的特点,加入色差梯度的约束条件,使用SAD算法实现了彩色图像的匹配,最后通过对比试验进行了验证。试验结果表明该方法有更高的匹配精确性和正确率。     

快速边缘匹配算法研究

为了提高景像匹配算法的匹配效率,在分析几种常用边缘检测算法抗灰度畸变能力的基础上,利用侧抑制竞争法提取图像边缘特征,并结合SSDA算法的基本思想,提出了一种基于制导图边缘特征的快速景像匹配算法。仿真实验结果表明,该算法在保证匹配精度的基础上有效地缩短了匹配时间,提高了匹配效率。     

基于灰色遗传算法的快速图像匹配方法研究

针对图像匹配速度慢,抗干扰能力差的问题,将灰色关联理论与遗传算法相结合,提出了一种鲁棒性强的快速图像匹配方法——GGA（Grey Genetic Algorithm）法。该方法首先确定问题的参数空间,通过对参数空间编码和种群初始化得到待匹配的多个初始位置,然后利用模板图和当前搜索子图的直方图信息,分别构建参考序列和比较序列,并以两序列间的灰色关联度为适应度函数。在此基础上,初始群体经过选择、交叉和变异等操作逐代进化到搜索空间的优化区域,并逼近最佳匹配位置。实验结果显示,GGA法充分利用了灰色关联理论的小样本特性和遗传算法的计算并行性,在保证一定匹配精度的情况下,实时性和鲁棒性明显提高。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。     

基于有意义区域的颜色检索算法

颜色直方图方法是基于内容的图像检索系统中最常用的一种技术,然而,经典的颜色直方图方法存在诸多缺陷,例如不能表示图像中颜色的空间分布信息。为此, 提出了一种基于有意义区域的颜色检索算法,即首先计算图像的颜色聚合度,据此确定图像分割方法,对聚合度较高的图像利用区域生长方法进行分割,对聚合度较低的图像进行简单的分块,提取各区域的颜色特征并动态加权求和进行检索。该方法不仅保持了经典直方图简单方便的特点,而且有效地将空间信息集成到直方图中。在CBIR原型系统（DMIR）上的实验表明,该算法明显优于经典颜色直方图。     

一种快速颜色传输算法

图像间的颜色传输是将一幅图像的颜色特征传输给另一幅图像,使目标图像具有与参考图像相似的色彩。提出一种自动的、快速颜色传输算法。在HSV空间模糊聚类生成代表不同色调特征的样本区域;通过计算各样本区域的特征向量间的距离,建立样本区域之间的匹配关系;利用图像在ιαβ 空间的基本统计信息进行局部颜色传输;最后利用隶属度因子融合局部传输效果。对有效色调值进行加权聚类,大大降低聚类样本数量,在取得较好的颜色传输效果的同时,显著地提高了传输速度。     

一种快速的加权矢量图像匹配方法

为了解决工业生产中产品的快速定位,提出了一种快速的图像匹配方法。首先运用Surf算法提取出图像的特征点,然后运用形状上下文特征进行匹配,得到图像的大致位置,最后依据特征点描述子及其位置特征,通过加权矢量匹配的方式得到图像的精确位置,实现产品的快速定位。该算法稳定性高,计算速度快。实验结果表明,该算法能满足实时的工业生产要求。     

Tongue image matching using color content

This paper addresses the problem of color image matching in medical diagnosis. The color matching of tongue images in different color spaces with different metrics have been investigated and is reported in this article. Two new metrics namely, sorted metric and probabilistic combined metric, are proposed. Existing distance measurements in coordinate space do not satisfy the reflexivity axiom. That means, they are not the valid metrics. To overcome this limitation, the sorted metric in coordinate space is proposed in coordinate space. To improve the matching performance, a probabilistic combined metric is proposed based on the theory of combining classifier. These metrics are applied for the matching of tongue color images and the results are encouraging.