鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

掌纹轮廓特征点提取新方法

基于Harris角点检测方法的基本原理,提出了一种轮廓特征点提取的新方法。为了满足提取掌纹轮廓特征点的要求,根据掌纹中所要提取的轮廓特征点所在区域的生理特征(凸凹形区域),对Harris角点检测方法进行了改进,对算法进行了推导和讨论,并进行了实验研究。实验结果表明,用该方法提取的掌纹轮廓特征点能够方便地对掌纹进行定位,为实现掌纹自动识别算法打下了基础。     

基于非接触采集下的鲁棒掌纹识别

为了扩大掌纹识别的应用范围,使非接触式掌纹识别系统在复杂背景和光照变化的条件下都能使用,提出了一种适用于非接触采集下的鲁棒掌纹识别算法.该算法使用肤色阈值的方法把手掌从复杂的背景中分割出来,采用一种新颖的指根点检测算法找到指根点,用指根点来定位掌纹ROI,使用对光照具有良好鲁棒性的LBP算法提取掌纹特征,并用Chi平方统计法进行分类.实验使用的数据库是在不同光照和复杂背景下采集的,当等错率为3.098 6%时,正确识别率达到97.833 7%.实验结果表明,该方法能够扩大掌纹识别的应用范围,使非接触掌纹识别系统在复杂背景和可变光照的条件下达到较理想的识别效果.     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

基于移动摄像头的掌纹识别研究

搭建了基于移动摄像头的在线掌纹识别系统,该系统利用提出的自适应掌纹感兴趣区域(Region Of Interest,ROI)提取算法提取掌纹ROI图像,同时采用有限Radon变换(Modified Finite Radon Transform,MFRAT)算法提取掌纹ROI图像的主纹线特征图像,并采用一种基于方向最近邻域(Direction and Nearest Neighbor,DNN)搜索的迭代最近(Iterative Closest Points,ICP)算法对掌纹特征图像进行配准,该配准方法分为粗配准与精配准两个过程。实验表明,该系统能有效克服背景、光照和掌纹ROI图像的旋转平移对掌纹识别精度的影响,同时也具有较高的识别效率。     

抗几何攻击的图像水印算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的抗几何攻击的自适应鲁棒水印算法.首先利用SIFT算法从载体图像中提取稳定的特征点;然后根据特征尺度和方向自适应来确定每个局部特征区域大小和方向;最后从中选择具有较大特征尺度互不重叠的特征区域,并利用量化小波系数的方法将水印嵌入到每个局部特征区域内.仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力.     

迁移学习融合双HOG特征的目标跟踪

目标跟踪是计算机视觉的关键技术之一,应用于模式识别、自动控制等领域. 深度学习的跟踪算法具有良好的性能,但在快速运动情况下,低层HOG特征易受影响,跟踪性能较弱. 提出一种结合线下训练深度特征的鲁棒跟踪方法. 通过线下训练VGG模型,线上构造双HOG特征并进行最优选择,将线下训练提取的特征迁移到线上,与最优HOG特征响应融合. 首先,线下逐层训练VGG网络,卷积层负责提取卷积特征. 然后,在线提取当前帧目标区域的HOG特征,并分解为HOG1和HOG2,对其进行滤波处理,选择最优特征. 最后,融合卷积特征响应和HOG最优特征响应得到特征响应图,预测目标的新位置. 在OTB-2013、OTB-2015基准数据集上与其他6个算法对比. 结果表明,该方法在处理快速运动、背景混乱、形变等跟踪方面具有良好的性能.     

一种基于多重单应引导的特征点匹配算法研究

针对复杂地形低空遥感影像特征匹配难的问题,提出了一种多重单应引导的特征点匹配算法.算法首先提取影像中的SIFT特征点并进行NN粗匹配,再经ransac算法鲁棒估计单应矩阵,并给定视差阈值,由单应矩阵进行引导匹配,直到数目稳定为止,对剩余特征点重复以上匹配过程,直到ransac估计超限为止,最后对单应估计的匹配对进一步由ransac算法鲁棒估计基础矩阵对应的内点,利用LM算法对内点求解最优基础矩阵获得更精确的匹配点.实验证明,采用文章算法进行特征点匹配,可以有效提高匹配点数量和可靠性,为快速生成高分辨率数字地面模型提供一种新的技术途径.     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建。在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法。在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的。     

用改进的Rao-Blackwellized粒子滤波器实现移动机器人同时定位和地图创建

将进化策略应用于Rao-Blackwellized粒子滤波器,并结合自适应重新采样方案实现了室内移动机器人同时定位和地图创建.在仅有单目视觉和里程计的基础上,建立了鲁棒的感知模型,通过有效的尺度不变特征变换方法提取环境特征,并采用Unscented卡尔曼滤波更新特征,特征点的匹配采用基于KD-Tree的高维特征点快速匹配算法.在实际Pioneer 3移动机器人上进行的实验结果表明,本文提出的方法是可行的.     

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SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。     

基于HSV和CLAHE的复制粘贴篡改检测算法

针对现有的局部特征提取算法,如尺度不变特征变换、加速稳健特征等对面积较小的篡改区域和平滑区域无法准确提取特征点进行复制粘贴篡改检测的问题,提出了一种基于色调、饱和度、明度（HSV）颜色空间和限制对比度自适应直方图均衡化（CLAHE）的2阶段篡改检测方法.第1阶段,将待检测图像从红、绿、蓝颜色空间转换到（HSV）颜色空间进行加速稳健特征提取;第2阶段,针对平滑区域的篡改,通过CLAHE算法对图像进行特征增强之后,再采用加速稳健特征进行特征提取;然后利用广义2近邻算法进行特征匹配,并利用随机抽样一致性算法剔除错误的匹配点;最后通过形态学操作实现篡改区域的标示定位.实验结果表明,该算法能抵抗小面积区域和具有非显著视觉特征的平滑区域复制粘贴篡改,并对旋转、缩放等后处理攻击具有一定的鲁棒性.     

一种改进SURF算法的图像配准

SURF(speed-up robust features,即加速健壮特征)算法是一种尺度不变、旋转不变且性能较好的算法,但其稳定性和时间复杂度不足,不稳定的特征点被检测出来,会导致多余的计算。为此,提出用信息量扩展SURF检测算子和分特征集匹配方法,提高算法性能和配准速度,即先检测周围Hessian值最大的特征点,再用SURF算法计算特征点的信息量,然后根据尺度分解特征集成亚集,再根据亚集匹配,最后根据RANSAC和最小二乘法配准。实验结果证明,改进算法的配准性能与SURF算法相当,配准速度比SURF算法更快。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

抗畸变高效的视频拼接算法

针对视频拼接存在的边缘失真和融合效率问题,提出一种新的抗畸变高效的实时视频拼接算法。通过建立非线性抗畸变模型,对视频图像存在的非线性畸变进行校正,改善图像边缘过渡的平滑性;采用SURF配准算法兼顾配准的精度和效率;使用二维标记模板降低融合过程的冗余计算,进行快速图像融合。该算法提升了传统方法的视频拼接质量与融合效率。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

结合SURF与SVM的高分遥感影像车辆提取技术

从高分遥感影像中提取车辆信息,对民用和军事领域具有重要意义。为提高车辆信息提取的精度和效率,提出SURF特征和支持向量机(SVM)相结合的方法,对感兴趣区域的车辆进行提取。通过边缘信息消除冗余图像,利用半搜索策略滑动窗口,以提高车辆识别精度,减少计算量。对深圳南山区0.25 m分辨率的遥感影像进行车辆提取测试,测试结果表明:车辆提取的错误率低于20%;车辆提取时间控制在分钟级,本算法具有一定的工程适用性。     

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。