基于测地距离的形体分布算法

使用D2方法计算形体分布[1]算法时采用欧几里德距离计算,欧几里德距离是拓扑无关的。这里我们讨论一种使用测地距离来表示两点距离[21～24]。这种测地距离方法能表达出模型的拓扑关系,它和采用欧几里德距离可能各有不同的应用。     

近似测地距离度量下的图像抗噪分割方法

对含有噪声的图像进行有效分割是图像处理中的难点问题之一.为解决欧氏距离带来的空间局限性,对含有噪声的图像进行有效分割,提出一种基于近似测地距离和边界加权的重心Voronoi图划分(CVT)能量模型的图像抗噪分割方法.首先利用图像梯度的大小和方向建立一种近似测地距离计算模型,降低了算法的时间复杂度;然后采用该测地距离测度定义边界加权的CVT能量模型,并极小化能量模型实现数字图像的抗噪分割.实验结果表明,该方法可以有效地对含有噪声的数字图像进行抗噪分割.     

Relaxing the Triangle Inequality in Pattern Matching

Any notion of closeness in pattern matching should have the property that if A is close to B, and B is close to C, then A is close to C. Traditionally, this property is attained because of the triangle inequality (d(A, C) d(A, B) + d(B, C), where d represents a notion of distance). However, the full power of the triangle inequality is not needed for this property to hold. Instead, a relaxed triangle inequality suffices, of the form d(A, C) c(d(A, B) + d(B, C)), where c is a constant that is not too large. In this paper, we show that one of the measures used for distances between shapes in (an experimental version of) IBM's QBIC¹ ("Query by Image Content") system (Niblack et al., 1993) satisfies a relaxed triangle inequality, although it does not satisfy the triangle inequality.     

形状匹配综述

本文对形状匹配的方法进行了回顾.介绍了一些形状表示方法,其中主要是形状简化的方法.形状匹配的方法可以分为基于各种变换不变量的形状匹配方法和基于局部特征的形状匹配方法,并根据这一分类介绍了很多有代表性的匹配方法.     

图像匹配研究进展

图像匹配是计算机视觉和图像处理中一个很重要的研究内容。该文分析了图像匹配中的难点问题及其关键技术,将匹配算法分为四类,综述了具有代表性的传统匹配算法及其改进以及近年来出现的新思路和新方法,探讨了图像匹配中有待进一步研究的问题。     

基于测地距离的支持向量机分类算法

When dealing with pattern recognition problems one encounters different types of prior knowledge. It is important to incorporate such knowledge into classification method at hand. A very common type of prior knowledge is many data sets are on some kinds of manifolds. Distance based classification methods can make use of this by a modified distance measure called geodesic distance. We introduce a new kind of kernels for support vector machines which incorporate geodesic distance and therefore are applicable in cases such transformation invariance is known. Experiments results show that the performance of our method is comparable to that of other state-of-the-art method.     

Geodesic Distance for Support Vector Machines

When dealing with pattern recognition problems one encounters different types of prior knowledge. It is important to incorporate such knowledge into classification method at hand. A very common type of prior knowledge is many data sets are on some kinds of manifolds. Distance based classification methods can make use of this by a modified distance measure called geodesic distance. We introduce a new kind of kernels for support vector machines which incorporate geodesic distance and therefore are applicable in cases such transformation invariance is known. Experiments results show that the performance of our method is comparable to that of other state-of-the-art method.     

基于形状轮廓特征的金字塔匹配算法

形状检索在计算机视觉中一直是一个具有挑战性的问题，其中对形状特征直方图距离的测量是评价形状检索算法优劣的一个重要因素。针对轮廓特征的直方图距离测量，算法引进一种在图像分类领域中应用广泛的金字塔匹配算法。不同于其他传统的直方图度量算法，金字塔匹配算法将形状的轮廓分成若干块，给每一块分配相应的权重，然后分别统计块中的特征，再计算特征的加权和进行相似度的测量。通过在不同形状数据集下实验，该方法能够有效地进行形状匹配和检索，且能得到较好的形状匹配精度。     

融合高斯混合模型的测地线脑肿瘤分割方法

脑肿瘤分割是计算机辅助脑病诊断的基础。为提高脑肿瘤分割精度,提出一种融合高斯混合模型的测地线脑肿瘤分割方法。根据相邻2个像素点间互相到达时间构造离散且带有权重的网格图,通过高斯混合模型估计每个像素点属于目标物体的罚度,并融合高斯混合模型的概率密度差异表示区域属性与边缘属性构成能量函数,利用快速最短路径算法求解前景与背景间的测地线距离,并根据该距离最小化能量函数,得到脑肿瘤的分割结果。利用10组脑部核磁共振图像数据对算法进行评估,结果表明,该算法分割结果与金标准的重叠率在0.60~0.85之间,可有效避免局部最优解的情况,对非匀质区域具有较好的分割效果。     

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。     

一种基于Hausdorff距离的图像匹配算法

在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难。文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量。仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快。     

改进的多分辨率形状匹配算法研究

形状匹配算法虽然在基于内容的视频检索中应用广泛，但由于视频数据量非常大，匹配非常耗时，因此形状匹配算法通常会成为实时视频检索的瓶颈，为了快速准确地进行形状匹配和检索，提出了一种改进的多分辨率Hausdorff距离变换算法，该算法是通过对后向匹配算法进行优化来使匹配速度大大加速，可用干进行实时车型比较和识别。实验结果表明，该改进算法在车型识别上具有速度快和准确性高的优点，尤其在模板图像比较大的情况下，此改进算法优势明显。     

对称不变形状上下文特征提取与匹配

形状上下文是一种广泛应用的图像形状特征提取与匹配算法,针对其特征不具有对 称不变性,无法对互相对称的相似图像建立匹配的问题,提出了一种具有对称不变性的改进形状 上下文特征提取与匹配算法。在形状边缘采样点上计算形状上下文中的角度关系描述时,令该点 的梯度方向为极坐标系的0°,并比较特征0 到π 与π 到2π 两个角度区间内其他边缘点的数量大 小,根据比较结果,调整极坐标系中角度增加的方向,从而使特征具备对称不变性。在迭代变形 与计算形状上下文时,仅在第一次迭代中使用改进的形状上下文特征,从而使匹配更加稳定。仿 真实验证明,该算法能够有效地在互相对称的相似图像间建立匹配,提高检索精度。     

基于测地线距离的广义高斯型Laplacian 特征映射

传统的Laplacian 特征映射是基于欧氏距离的近邻数据点的保持,近邻的高维数据点映射到内在低维空间后仍为近邻点,高维数据点的近邻选取最终将影响全局低维坐标.将测地线距离和广义高斯函数融合到传统的Laplacian 特征映射算法中,首先提出了一种基于测地线距离的广义高斯型Laplacian 特征映射算法(geodesicdistance-based generalized Gaussian LE,简称GGLE),该算法在用不同的广义高斯函数度量高维数据点间的相似度时,获得的全局低维坐标呈现出不同的聚类特性;然后,利用这种特性进一步提出了它的集成判别算法,该集成判别算法的主要优点是:近邻参数K 固定,邻接图和测地线距离矩阵都只构造一次.在木纹数据集上的识别实验结果表明,这是一种有效的基于流形的集成判别算法.     

一种精确匹配的全景图自动拼接算法

本文提出一种全景图像自动拼接算法,能够实现特征点对的精确筛选和匹配,以及输入图像的自动排序和拼接。首先提取输入图像的尺度不变特征变换SIFT特征点,并采用k-d树搜索得到图像之间所有初始特征匹配对;利用欧氏距离比值和中值滤波器对初始特征点对进行筛选后,再应用随机抽样一致算法RANSAC得到图像间精确匹配的特征点对;计算出图像之间的单应性矩阵,在此基础上完成对输入图像的自动排序和配准,最终拼接合成全景图像。实验结果表明,该算法能获得比结合欧氏距离比值的RANSAC算法更高的配准精度,全景图拼接效果较好,具有良好的鲁棒性。     

基于改进的加权Hausdorff距离的图像匹配*

提出了一种改进的加权Hausdorff距离,并将其应用于字符图像的匹配.该方法根据字符图像的结构特征对字符不同区域设置不同的权重.实践表明该方法改善了图像匹配效果.     

Diffeomorphisms Groups and Pattern Matching in Image Analysis

In a previous paper, it was proposed to see the deformations of a common pattern as the action of an infinite dimensional group. We show in this paper that this approac h can be applied numerically for pattern matching in image analysis of digital images. Using Lie group ideas, we construct a distance between deformations defined through a metric given the cost of infinitesimal deformations. Then we propose a numerical scheme to solve a variational problem involving this distance and leading to a sub-optimal gradient pattern matching. Its links with fluid models are established.     

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。     

基于测地距离的超像素分析算法

超像素分析指的是将数字图像细分为多个超像素的过程,旨在简化或改变图像的表示形式,使得图像更容易理解和分析.文章提出了一种基于测地距离的超像素分析算法,该算法采用引入代价函数的Fast Marching算法来计算像素点间的测地距离.将目标图像大致均匀地划分成k个初始长方形区域,在每个区域内选取局部密度最大的像素点作为种子...     

A feature space for edgels in images with landmarks

In many current medical applications of image analysis, objects are detected and delimited by boundary curves or surfaces. Yet the most effective multivariate statistics available pertain to labeled points (landmarks) only. In the finite-dimensional feature space that landmarks support, each case of a data set is equivalent to a deformation map deriving it from the average form. This paper introduces a new extension of the finite-dimensional spline-based approach for incorporating edge information. In this implementation edgels are restricted to landmark loci: they are interpreted as pairs of landmarks at infinitesimal separation in a specific direction. The effect of changing edge direction is a singular perturbation of the thin-plate spline for the landmarks alone. An appropriate normalization yields a basis for image deformations corresponding to changes of edge direction without landmark movement; this basis complements the basis of landmark deformations ignoring edge information. We derive explicit formulas for these edge warps, evaluate the quadratic form expressing bending energies of their formal combinations, and show the resulting spectrum of edge features in typical scenes. These expressions will aid all investigations into medical images that entail comparisons of anatomical scene analyses to a normative or typical form.