扫描电镜立体图象对特征点匹配算法

本文研究了在扫描电镜中基于双目成象原理获取立体图象对以计算断口号表面三维参数的过程中，立体对图象的对应特征点的匹配问题，提出了基于不变矩度量的扫描电镜立体对图象的对应特征点模板匹配算法，经实际匹配验证，结果令人满意。     

基于改进的阶次规正不变矩小目标识别新方法

提出了一种基于改进的阶次规正不变矩卫星图像小目标识别方法。首先将卫星图像分割成子块,以图像灰度方差描述子块图像特征,应用所提出的子块合并理论进行分类,减少了卫星图像识别的计算量,大大降低了误判率。提出了改进的阶次规正不变矩理论,并将其应用于小目标物体识别中。以改进的阶次规正不变矩特征作为检测模板和待识别小目标图像相似度的测度,有效区分了小目标物体间的较小差别并解决了由噪声所造成的不封闭性问题;同时将GA理论引入图像匹配识别中。实验结果表明：所提方法识别率可达96．67％,该方法的提出对于图像自动识别具有非常重要的现实意义。     

一种融合多特征的UAV快速目标识别

针对UAV（Unmanned Aerial Vehicle）侦察图像快速目标识别问题,提出一种融合多特征的UAV快速目标识别算法。该算法结合图像的不变矩特征和SIFT特征,用不变矩特征构造适应度函数并利用遗传算法的全局搜索能力,在侦察图像中进行搜索,快速提取出可能包含目标的感兴趣区域（Region Of Interest,ROI）。采用尺度不变特征变换算法（Scale Invariant Feature Transform,SIFT）在ROI区域中进行匹配识别,从而精确确定目标的位置。仿真结果表明：该算法的鲁棒性较强,能有效识别特定目标并显著减少识别时间。     

序列图像的目标识别算法改进

提出一种改进的动态模板匹配算法,将仿射不变矩作为提取目标时的不变特征,同时采用一种改进的canny算法对目标进行边缘检测,以去除伪边缘,利用长方形模板代替方形模板,提高算法的实时性。实验结果表明,该算法的识别率高于传统动态模板匹配算法,同时可以有效降低计算量。     

序列图像的目标识别算法改进

提出一种改进的动态模板匹配算法,将仿射不变矩作为提取目标时的不变特征,同时采用一种改进的canny算法对目标进行边缘检测,以去除伪边缘,利用长方形模板代替方形模板,提高算法的实时性。实验结果表明,该算法的识别率高于传统动态模板匹配算法,同时可以有效降低计算量。     

基于SURF的UAV快速目标识别算法

针对UAV（Unmanned Aerial Vehicle）侦察目标识别中的实时性和鲁棒性的要求,提出一种基于SURF（Speeded Up Robust Features）的快速目标识别算法。对UAV侦察图像进行预处理,采用不变矩构造遗传算法的适应度函数,利用遗传算法的全局搜索能力快速地提取可能包含目标的ROI（Region Of Interesting）区域。在ROI区域和模板图像中提取SURF特征点,采用最近邻的匹配算法搜索匹配对,从而精确确定目标的位置。仿真结果显示,该算法可以明显地提高目标识别的实时性并具有相当的鲁棒性。     

基于模板匹配和神经网络的乐谱图象符头基元检测与识别

符头基元的检测与识别是光学乐谱识别技术的核心与关键之一.本文提出一种改进的模板匹配结合神经网络仲裁的方法,对乐谱图象中的符头基元进行检测和识别.在模板匹配阶段,利用乐谱的先验知识对符头的搜索范围进行有效限定,减少了匹配过程中搜索的"盲目性".匹配完成后,提取图象中的垂直直线,对相互连接的候选符头和垂直直线进行编码,通过BP神经网对编码样本的训练,实现音符构成规则的智能学习,最后由神经网络完成符头基元的仲裁确认.实验数据表明,与原有的模板匹配方法比较,该方法的整体识别性能体现出了明显的优势,具有较高的实用价值.     

特征点和不变矩结合的遥感图像飞机目标识别

传统的飞机目标识别算法一般是通过目标分割,然后提取不变特征进行训练来完成目标的识别。但是,对于实际情况比较复杂的遥感图像飞机目标,至今没有一种适合多种机型的分割和识别算法。针对现有识别算法的不足,本研究提出一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的遥感图像飞机目标识别算法。方法：首先,对预处理后的遥感图像和模板图像进行小波变换,在低分辨率图像下采用圆投影特征进行粗匹配,确定候选目标;粗匹配结束后,提取高分辨率图像的多尺度Harris-laplace角点,并画出Delaunay三角网,同时提取出颜色不变矩和Zernike不变矩;然后使用欧氏距离作为这三种特征的相似性度量,并和样本图像进行加权匹配;最后选取欧式距离最小的图像作为最终的识别目标。结果：实验表明,本文算法飞机检测精度比现有算法高2.2%,飞机识别精度比现有算法高1.4%-10.4%。该算法能从遥感图像中精确识别出十大飞机目标,并对背景、噪声、视角变化等多种干扰具有良好的鲁棒性。结论：提出了一种基于特征点空间分布、颜色不变矩和Zernike不变矩相结合的飞机识别算法,该算法使用了图像的多种信息,包括特征点和不变矩,有效地克服了使用单一特征无法描述多种信息的不足。实验结果表明,本文采用基于特征点和不变矩的飞机识别算法比其他算法具有更强的抗干扰能力和识别精度。     

基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

轮廓矩不变量及其在物体形状识别中的应用

为了有效地刻画物体的形状特征，在基于区域的Hu矩不变量的基础上，构造了一种基于物体轮廓曲线的新的矩不变量，即轮廓矩不变量。该不变量不仅独立于物体本身的颜色和灰度级，而且具有平移、旋转和尺度不变性，因此可将轮廓矩不变量应用于物体形状的识别，为了能快速地进行物体形状识别，还讨论了小波边缘检测和轮廓的获取问题及其算法。实验表明，基于这种轮廓矩的识别算法具有很好的识别率。     

基于机群系统的无人机地标匹配算法的设计与实现

针对常规遗传算法易陷入局部最优的缺陷，采用分布式并行遗传算法研究了图像匹配问题，完成了一种基于机群系统的无人机地标匹配算法的设计与实现。实验结果表明，此算法具有更高的精度和速度，取得了满意的结果。     

光照鲁棒的抗模糊新组合不变矩图像匹配方法

基于特征的传统图像匹配方法对环境光照变化和模糊噪声适应性较差,针对该问题文中提出了一种新组合不变矩。在Hu不变矩的基础上,重新组合构造出三个新组合不变矩并将其应用到图像匹配中。实验结果表明,这种新组合不变矩具有很好的光照鲁棒性和模糊不变性,能够有效地解决受光照变化和模糊噪声共同影响造成的匹配率下降问题;在保证高精度的前提下,匹配效率大大提高。该不变矩作为图像特征的描述形式进行图像匹配是有效可行的,具有良好的参考价值。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

快速相关跟踪算法的研究与实现

利用七阶不变矩对图像进行相关匹配,可以有效抑制几何失真的影响;在匹配的过程中对输入图像进行3层金字塔分解,在每一层上利用高效、并行的遗传算法进行匹配,搜索最优匹配点;实验结果表明该算法能够实时计算运动目标的位置,并且在目标发生缩放、旋转、光照等变化时仍能够长时间稳定跟踪目标.     

一种基于Krawtchouk矩的水印算法

提出一种基于Krawtchouk矩的水印算法,通过修改一些原始Krawtchouk矩并重构图像以获得水印图像.基于Krawtchouk矩与几何矩的关系,提出采用具有平移、比例缩放和旋转不变性的几何不变矩来检测水印.实验表明,与用Krawtchouk不变矩检测相比,该算法对于大角度旋转和图像平移的几何攻击具有更好的鲁棒性.     

基于图像不变矩和神经网络的零件位姿自动识别

零件位置的自动识别是智能三坐标测量机检测系统中极为关键的技术.根据零件可能的放置方式形成零件的多幅虚拟图像,利用CCD摄像机采集零件的实际图像.将图像不变矩理论应用于图像匹配技术中,以虚拟图像的矩不变量及其对应模式进行BP神经网络的训练,将训练好的网络作为分类器,根据实际采集图像的矩不变量进行零件姿态的识别;由采集图像的不变矩计算零件在像平面内的位置和方向,并经坐标转换得到零件在机器坐标系中的位置和方向.实验结果表明本文零件位置自动识别方法是智能且高效的.     

Estimating myocardial motion by 4D image warping

A method for spatio-temporally smooth and consistent estimation of cardiac motion from MR cine sequences is proposed. Myocardial motion is estimated within a four-dimensional (4D) registration framework, in which all three-dimensional (3D) images obtained at different cardiac phases are simultaneously registered. This facilitates spatio-temporally consistent estimation of motion as opposed to other registration-based algorithms which estimate the motion by sequentially registering one frame to another. To facilitate image matching, an attribute vector (AV) is constructed for each point in the image, and is intended to serve as a “morphological signature” of that point. The AV includes intensity, boundary, and geometric moment invariants (GMIs). Hierarchical registration of two image sequences is achieved by using the most distinctive points for initial registration of two sequences and gradually adding less-distinctive points to refine the registration. Experimental results on real data demonstrate good performance of the proposed method for cardiac image registration and motion estimation. The motion estimation is validated via comparisons with motion estimates obtained from MR images with myocardial tagging.     

图像矩特征匹配的快速算法(英文)

针对图像匹配过程中矩特征计算量大的问题,从矩特征求解特点出发,提出了一种快速的矩特征匹配算法.该算法利用匹配过程中相邻待匹配子图间的相关性,通过设置十个和表,使得每个待匹配子图低阶矩的计算只需很少的几次加乘运算,大大降低了矩特征的计算复杂度,缩短了匹配耗时.同时,由于所提算法矩特征的计算是基于图像灰度值的精确计算,且匹配过程采用遍历搜索策略,因此其匹配精度与传统遍历搜索的匹配精度相当.仿真结果验证了所提算法的有效性.