印鉴图像配准与特征提取

本文讨论了印鉴鉴别中的图像配准和特征提取问题.预处理后先用动态阈值法对印鉴图像进行分割,再用启发式搜索法进行配准,继而进行特征提取.     

应用边缘图像SIFT特征配准印鉴图像

为了准确配准印鉴图像,为高仿真印鉴的真伪识别做好准备,提出利用印鉴边缘图像SIFT（Scale Invariant Feature Transform）特征的相似性和空间关系相结合的配准方法。采用邻域搜索法提取待测印鉴与预留印鉴的二值边缘图像,在印鉴边缘图像中提取SIFT特征,并根据相似性匹配。利用印鉴边缘图像SIFT特征匹配点对的空间关系剔除错误匹配,提高配准效率。利用RANSAC方法估计两印鉴的变换模型。分别配准具有不同形状及印文内容的10组真印鉴图像和10组假印鉴图像。将所得结果与其他两种典型的配准方法作比较。以两印鉴配准后不重合边缘点之间的平均距离评价配准的准确性,以最大距离量化配准后出现的最大差异。实验结果表明,该方法可以准确配准待测印鉴与预留印鉴图像,对印鉴形状、笔画结构无任何限制,配准速度比直接利用印鉴二值图像SIFT特征的配准方法提高一倍。     

基于自适应特征提取的印鉴自动识别方法

文章提出了一种基于自适应特征提取和支撑向量机的印鉴自动识别方法。印鉴图像经预处理后,依据印鉴字笔划分布对图像进行自适应的三角分割。自适应分割后的三角格网分布作为图像的主要特征来判别印鉴的真伪。该方具有旋转和平移不变性,因此无需一般印鉴自动识别方法对于印鉴图像位置,方向不一致时所进行的旋转,定位,配准操作。提取的特征用支撑向量机进行判别,以提高该方法的适应性。     

基于统计模式识别的真假印鉴图像模拟分类

介绍一个模拟分类真假印鉴图像的计算机实现系统。在该系统中，标准印鉴和被测印鉴的图像采用二值图像模拟输入，经过对两种二值图像进行配准，获得两者之间的最佳配准关系系数，采用统计模式识别的方法对被测印鉴的直假进行分类。     

基于小波分析和SVM的印鉴图像识别

针对印鉴图像自动识别,提出了一种基于小波大尺度分解特征提取和支撑向量机的印鉴鉴别方法。印鉴图像预处理之后,用一维环投影向量的循环移位来代替二维图像的旋转,实现印鉴的配准。同时,利用小波分解结果,采用小波分解的大尺度向量作为特征向量,排除高频噪音的干扰,并以此进行SVM训练及测试,实现图像鉴别。应用实例表明,该算法具有很强的抗干扰性、识别率高。     

基于Marr小波改进的SIFT算法的遥感影像配准

针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能,提出了一种基于小波的遥感图像配准方法。首先,利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取,然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准,再根据随机采样一致法,对初配准结果进行精配准。为了验证方法的有效性,选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明:该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对,提高了配准精度,同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源,能够有效地提高配准精度,降低配准时间。     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

用于支票印鉴鉴别的图像预处理及配准算法

为了消除支票印鉴自动鉴别系统中由于不同的盖印条件引起的印鉴质量变化,该文提出了一种印鉴图像预处理及配准算法,即首先利用彩色信息将印鉴灰度图从支票背景中分割出来,然后利用基于梯度值的动态阈值实现印鉴图像的二值化。为了消除印鉴中存在的笔划连接和笔划残缺,该文提出了一种笔划填充和骨架校正算法。实验证明该算法具有较强的适应性、可靠性和实用性。     

基于小波分解和互信息测度的图像配准方法

提出了一种利用小波分解和互信息测度的图像配准方法。利用小波分解的近似分量来进行配准可以大大提处理速度。讨论了原图像与其小波分解图像之间的坐标变换问题,证明了该方法的可行性;然后利用图像的互信息测对图像进行配准。与传统方法相比,该方法配准精度高、可靠性好、不需要进行图像分割和特征提取,并能够大大减少算量。     

SIFT算法优化及其在遥感影像配准中的应用

针对传统尺度不变特征转换(scale invariant feature transform,SIFT)方法在处理存在角度偏差的图像配准数据时得到的配准点对数量低以及配准精度不高的问题,提出一种基于多角度归一化互相关法优化的SIFT遥感图像配准方法。以相关性系数为标准确定图像最佳配准位置,进行角度校正;用SIFT算法进行特征提取和特征匹配,并结合随机抽样一致性算法(random sample consensus,RANSAC),剔除错误配准点,以提高配准精度。实验表明,该实验配准方法比单一的SIFT配准方法得到数量更多且精度更高的特征点对,结果显示SIFT配准点对数量平均提高24.5倍,RANSAC算法确定的正确配准点对平均调高86.8倍。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。     

基于小波多尺度分解的印鉴图像配准

论文提出了一种基于小波多尺度分解的印鉴配准方法。用一维环投影向量的循环移位来代替二维图像的旋转。利用小波分解结果,采用大尺度特征向量来进行相关性分析,实现图像配准。其主要优点是算法具有很强的抗干扰性并且具有广泛的适用性。     

融合双注意力与深度神经网络的遥感图像配准北大核心

在多视角遥感图像配准中,部分方法在复杂场景下存在配准精度不高或实时性低等问题,针对以上不足,提出融合双注意力机制的网络中网络作为特征提取器的端到端图像配准算法。算法分为特征提取、特征匹配和参数预测三部分,首先使用网络中网络改进模型对于复杂特征的提取能力,同时引入双注意力机制提升对特征的分辨和定位效果;然后在特征匹配层使用双向的相关运算改善特征匹配精度,匹配层输出的匹配图输入参数预测网络,预测从待配准图像到参考图像的变换参数。实验表明,与传统算法对比,配准精度平均提升10%以上,速度至少提升20%,所提方法有效提升了多视角遥感图像配准的效果。     

基于改进CNN-RANSAC的水下图像特征配准方法

水对光的吸收和散射效应降低了水下图像的质量,水下图像的可视范围受到限制,复杂水下场景下的鲁棒性和精确性问题使得特征提取与匹配成为一项具有挑战性的任务。为了更好地配准水下图像,提出了一种改进CNN-RANSAC的水下图像特征配准方法,首先通过基于深度卷积神经网络的水下图像增强方法对水下图像进行增强预处理,通过水下图像分类数据集迁移学习训练VGGNet-16网络框架,利用修改后的网络框架进行特征提取,生成鲁棒的多尺度特征描述符与特征点,经过特征粗匹配与动态内点选择,使用改进的RANSAC方法剔除误匹配点。在大量水下图像数据集上进行了充分的特征提取和特征匹配实验,与基于SIFT和SURF的配准方法相比,该方法能够检测到更多的特征点,实现了匹配正确率的大幅度提高。     

基于空间注意力与过滤网络的遥感图像配准

针对部分遥感图像配准算法存在特征提取能力不足,存在较多误匹配点的问题,提出了一个算法。在特征提取阶段加入改进的空间注意力机制关注图像的重要区域以及显著特征,增强网络的特征表达能力。匹配阶段提出粗过滤加细过滤双层过滤的方式,提高模型的鲁棒性和配准精度。同时改进了损失函数,提高模型的泛化性和拟合能力。仿真中,与多种先进的方法相比,所提算法能获得更高的配准精度和更低的配准误差,并且针对不同类型的图像也能取得较好的配准效果。     

形变医学图像配准方法设计与仿真

利用目前方法对形变医学图像进行配准时，没有提取形变医学图像特征，存在特征点获取结果与实际结果相差大、医学图像配准效果差和医学图像配准时间长的问题。为此提出基于角点检测与SIFT的形变医学图像配准方法。采用角点检测与SIFT相结合的方法对医学图像的特征点进行提取，在图像特征提取前，优先对尺度空间的极值点进行检测，其次生成角点特征，通过检测结果与最终特征点的方向完成医学图像特征点的提取，提升了医学图像配准精度。将提取的特征输入到构建的深度学习模型中，根据提取特征的训练及损失函数的优化实现形变医学图像配准。实验结果表明，通过对上述方法进行特征点获取结果与实际结果对比测试、医学图像配准效果测试和配准时间测试，验证了上述方法的准确性与有效性。     

异源图像特征点边缘描述与匹配

特征提取是数字图像处理和计算机视觉中的一项重要技术,而利用特征描述算子来构造图像特征点是图像特征提取及配准中的一个关键步骤。SIFT特征点检测算子具有平移、旋转及缩放不变性,在图像配准中应用很广泛。针对基于SIFT特征的64维描述算子的不足进行了改进。通过仿真实验证明,改进后的算法比原算法精度更高,且时间复杂度有所降低。     

基于局部特征聚类匹配的多谱图像配准方法

针对基于局部特征匹配的图像配准和识别算法对于多谱段图像配准性能较差的缺点,提出一种基于局部特征聚类匹配的图像配准方法,该方法针对多谱图像的特点构建优化的局部特征提取算子,根据特征点对的相对主方向统计信息对初始匹配点集重新聚类,求出正确匹配的点对子集以实现配准。实验结果表明,该算法较大地提高了多谱图像配准的正确率和精度。     

一种头部磁共振图像自动配准方法

提出一种基于曲线形状匹配的头部磁共振图像自动配准方法，可实现预分割提取头部轮廓曲线、曲线形状特征提取及匹配和单层匹配结果的校正。实验证明在缺乏成像位置参数时，该方法可快速有效地成功实现头部磁共振图像的配准，特别是颅脑内部包含肿瘤的图像配准。     

一种改进的心脏磁共振图像亚像素匹配方法

心肌灌注磁共振图像系列的配准是心脏分析诊断的重要辅助手段。针对心脏磁共振时间序列图像,提出了一种结合力矩主轴法与互信息法的序列图像亚像素配准新方法。给出了一种由粗配准到精配准的混合配准策略。采用力矩主轴法进行粗配准,避免那些远离全局最优点的局部极值;采用Powell算法和模拟退火算法相结合的搜索策略,以互信息的值作为目标函数,对结果进行优化。使得图像配准精度和速度有极大的提高。