实数型曲线描述子二值化研究

曲线匹配技术在模式识别、计算机视觉和图像理解中具有重要作用。随着移动设备的广泛使用,有必要研究存储空间小、匹配速度快的二值型曲线描述子。针对常见实数型曲线描述子(MSCD、IOMSD、IOCD和TCHP),利用阈值化方法,获得由0、1表示的二值曲线描述子。实验结果表明,在旋转、视角变化和光照变化条件下,提出的曲线二值描述子能够保持实数型描述子的匹配准确性,而占用的内存空间仅为原描述子的1/32或1/16。     

局部二值描述子的研究进展综述

局部二值描述子是局部不变特征中的重要研究对象,广泛应用于计算机视觉与模 式识别中。近年来,以 BRIEF 描述子为代表的局部二值描述子相继出现,对十年来局部二值描 述子的研究成果与发展方向进行综述,旨在为初步研究者与工程应用人员提供参考。首先,对 典型的现代局部二值描述子进行概述;其次,对优化局部二值描述子方法进行分析;最后,对 相关实验评估准则进行讨论,通过总结现阶段存在的问题,给出未来研究的展望。从整体来看, 近年来局部二值描述子经历了显著的发展与进步,许多对于局部二值描述子的研究均在普适性、 鲁棒性和高效性上取得了成果。针对应用场景的不同,部分优化后的描述子也具备了应对实际 问题的能力。这些研究进展为局部二值描述子向高层次发展、多领域拓宽打下了坚实的基础并 提供了更多的思路。局部二值描述子的成功发展标志着计算机视觉技术的进步,但其发展过程 中依然存在一些共性问题与矛盾,有待进一步的深入研究与解决。     

基于隔离子采样的鲁棒图模型点匹配算法*

为解决概率图模型匹配算法对模板点集中的外点敏感的问题,对隔离子进行了采样,并推导出采样次数和模板点集中的外点比例关系,以保证隔离子中的点能最大概率地为内点,使得推理算法中每个点的信息能得到传递。另外,算法中的互匹配解决了传统图模型匹配算法中多对一问题。实验证明,算法相对于原先的JT算法具有很高的鲁棒性和正确率。     

基于环采样的特征组合二值描述子算法

为提高二值描述子的分辨力和鲁棒性,提出一种新的特征组合二值描述子算法。将采样点圆形邻域划分为多个环域,通过比较任一对采样点对应环域的灰度均值获得灰度二值向量,计算采样点圆形邻域内像素点的高斯一阶梯度均值和高斯二阶偏导数均值,获取采样点对的梯度二值向量,将所有采样点对的灰度二值向量和梯度二值向量串联得到特征点的初始描述子,并采用特征筛选策略来降低描述子的维数得到低存储、强区分力的描述子。在Oxford数据集和复杂光照图片上的实验结果表明,该算法在光照变化、模糊变化和JPEG压缩条件下具有较好的鲁棒性。     

RBFD:一种鲁棒的图像局部二值特征描述子

针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.     

局部二值描述子在图像匹配中的应用

鉴于传统的局部描述子,如SIFT、HOG等,计算复杂度高、占用内存大且匹配时间过长,目前研究人员致力于研究二值化的局部描述子。二值描述子采用位存储并以汉明距离作为其匹配准则,在内存占用率和匹配时间上相比传统实值描述子有很大的优势。本文总结了目前在图像匹配中基于像素值和梯度值不同检验子的二值描述子,整理分析他们的优缺点并分析标准测试库结果。     

基于等距环局部二值模式的特征描述子

现有的描述子一般与主方向相关,当图像经过变换时,得到的描述子主方向会有误差,从而导致图像匹配效果不理想。针对上述问题,基于等距环局部二值模式,提出一种二进制描述子构造方法。在构造描述子与描述子匹配过程中分别使用了等距环局部二值采样模式与分组匹配策略,使得构造的描述子具有旋转不变性,解决主方向问题和加速匹配过程。实验结果表明,与BRIEF,BRISK等二进制描述子相比,该方法具有更快的速度及更高的准确率。     

基于ISS特征点和改进描述子的点云配准算法研究

迭代最近点(ICP)配准算法需要两点云处于良好的初始位置,否则在配准时容易陷入局部最优。针对该问题,提出了一种基于内部形状描述子(ISS)特征点与改进描述子的粗配准方法,使得低重叠度或无公共重叠部分的点云获取良好的初始位置。首先,利用ISS特征点提取点云的特征点;其次,基于特征点与其邻域点法向量夹角提出改进的描述子,根据描述子的欧氏距离将点云特征进行匹配;第三,通过单次最优变换进行粗配准;最后,对两点云进行精配准ICP迭代。实验表明,在点云模型完整的情况下,本文方法可为精配准提供良好的初始位置,且粗配准精度比传统点云配准精度高三个量级,配准效率提升23.7%。     

基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.     

挖掘图像补丁特征信息增强二进制描述子独特性

在分析BRISK和FREAK采样模式特点的基础上,提出一种兼具二者优点的采样模式.由于采样点距中心密集程度和采样点平滑范围重叠程度都会影响采样模式的性能,因此将采样模式建立在二者适度值上,以达到采样点对二进制位方差最高、点对之间关联度最低的目的;基于所提采样模式生成的描述子,结合SURF检测子构成了一个完整的特征检测描述方法.对比实验结果证明,文中生成的二进制描述子对特征识别匹配效果最好,提出的特征检测描述方法可应用于实时性要求高、内存紧凑的高质量目标识别.     

点模式匹配——基于谱描述子的算法

为了提高谱匹配算法对噪声和出格点的鲁棒性,提出一种基于谱图理论的结构描述子,并在此基础上结合几何相容性给出了匹配目标函数的定义及相应求解算法.首先给出一种利用特征谱与谱隙序列的统计量构造的结构描述子,以获得定长的特征点属性表示;然后结合邻近关系表示的几何相容性定义了求解匹配问题的目标函数,将匹配问题转化为一对一约束下的优化问题;最后介绍了利用概率松弛对匹配目标函数的求解方法.在模拟数据与真实图像上的比较实验结果均表明该算法具有相对较高的准确性.     

结合SURF特征点与DAISY描述符的图像匹配算法

图像匹配技术是许多计算视觉问题研究的基础,基于图像局部特征的方法是本领域研究的热点。为了解决经典的SURF算法在旋转不变性上表现欠佳的问题,提出了一种结合SURF特征点与DAISY描述符的图像匹配算法。在SURF算法特征点检测的基础上,提出一种适合DAISY描述符的主方向分配方法,并按照该主方向旋转获得新的DAISY描述符。本算法在略微增加运算成本的基础上,增强了经典SURF算法在图像旋转上的匹配能力。实验结果表明,在图像模糊、光照变化、JPEG压缩比变化、视场变化等多种复杂情况下,本算法具有更强的鲁棒性。     

基于LBP值对空间统计特征的纹理描述符

针对基于内容图像检索应用背景下局部二值模式(LBP)描述符缺乏空间描述能力及所需特征矢量维数较长的不足, 提出一种基于LBP值对空间统计特征构建的改进纹理描述符(ILBP)。ILBP描述符首先利用LBP微模式编码方法将原始图像转换为LBP伪灰度图像, 然后再提取出多个关于LBP值对空间分布关系统计值构成描述图像特征的特征矢量。在基于内容的图像检索原型测试平台上完成大量实验。实验结果表明, 与LBP及其各类变种描述符相比, ILBP描述符在进一步增强LBP描述符描述能力的同时大幅度压缩特征矢量维数, 具有更好的查询正确率和查询效率。     

基于SuperPoint的轻量级特征点及描述子提取网络

图像特征点及描述子提取是SLAM、SFM和3D重建等任务的基础,较好的图像特征点及描述子提取算法会对这些任务的进步产生十分重要的作用.本文聚焦于提取特征点和描述子算法中鲁棒性较高、性能较好的SuperPoint网络,对该网络进行了一定程度的改进.针对其计算量和参数较大的问题,首先将普通卷积改成深度可分离卷积,改变卷积层数和下采样方式,之后改进通道剪枝算法,使其可以应用于深度可分离卷积,对网络进行剪枝.实验结果显示,在轻微损失特征点检测和匹配效果的情况下,将网络参数量压缩为原来网络的15％,运算量压缩为原来网络的5％,FPS提升6.64倍,取得了较好的实验效果.     

基于优化采样模式的紧凑而快速的二进制描述子

进一步挖掘图像补丁特征信息,提出了一种鲁棒性更高的二进制描述子. 针对传统的二进制描述子对旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和分解图像补丁对其改进. 首先,通过对最新提出的采样模式特点的分析、测试,发现采样点密度和平滑重叠度对产生的描述子独特性有重要影响;据此,调整这两个影响因子,设计出一种优化的采样模式. 其次,利用像素点灰度值排序方法分解图像补丁,产生多个对应不同灰度段的亚补丁. 最后,将优化的采样模式映射到亚补丁上,随机提取样本点进行灰度值比较测试.所得到的二进制描述子不仅包含了补丁像素的灰度比较信息,而且包含了灰度排序信息. 通过对比实验看到本文的二进制描述子对特征识别匹配效果最好.本文的特征描述方 法可应用于实时性要求高、内存紧凑的高质量目标识别.     

一种基于细节点局部描述子的指纹图像匹配方法

非线性形变现象在指纹图像中十分普遍,严重地制约了指纹识别系统的识别性能。为了克服指纹图像中的全局非线性形变,本文提出了指纹图像匹配"整体对齐,局部匹配;粗糙对齐,精确匹配"的原则。在此基础上,本文设计了一种细节点局部邻域描述子,利用该描述子对齐指纹图像,研究了基于该描述子的指纹图像相似度计算方法。基于FVC2000 DB2、FVC2002 DB1和FVC2004 DB2的一系列实验结果表明,本文提出的算法性能优于同类算法,能够有效抑制非线性形变对指纹图像匹配的影响。     

基于全局二值模式的特征提取方法及其应用

提出一种全局二值模式(GBP)的纹理分析方法,解决局部二值模式(LBP)易受噪声影响的问题.GBP中采用一个大邻域模板的平均值代替LBP中的中心像素,弱化了噪声的影响,但GBP对光照不均的抵抗能力不如LBP.在钢板表面缺陷识别中,由于钢板表面图像既有较大的噪声,又存在着严重的光照不均现象,因此提出GBP与LBP二维直方图结合的方法,该方法结合GBP和LBP的特性.将该方法应用于中厚板和连铸坯表面缺陷的识别,实验结果表明GBP与LBP的结合方法同时具有光照不变性和对噪声不敏感的特性,对裂纹缺陷的识别率达到96%以上.     

基于点分布特征的多元时间序列模式匹配方法

多元时间序列模式匹配的常用方法难以刻画序列的全局形状特征,比如,Euclid方法的鲁棒性不够强;而PCA方法不适合处理小规模多元时间序列.基于点的统计分布提出了一种能够有效刻画多元时间序列形状特征的模式匹配方法.首先,提取多元时间序列样本的局部重要点,作为模式描述的方式;然后,根据重要点的统计分布特点构建特征模式向量,并借助Euclid范数来度量两个特征模式向量之间的相似程度,进而进行多元时间序列模式匹配.采用该方法进行模式匹配,充分利用了序列的全局形状特征.实验结果表明,基于点分布特征的多元时间序列模式匹配能够有效地刻画序列的形状特征,且能处理多种规模的序列数据.     

一种用于点模式匹配的改进型谱方法

利用谱方法进行点模式匹配的主要问题是对点的位置噪声比较敏感。为了提高谱方法对噪声的鲁棒性,该文在表示矩阵的构建过程中采用高斯加权的近邻矩阵对要匹配的点模式进行描述,提出一种新的符号校正方法,利用点的属性信息对根据谱方法得到的匹配度量进行加权。仿真实验表明,在噪声情况下的点模式匹配应用中采用改进的谱方法可以获得较高的正确匹配率。