利用薄板样条函数实现非刚图像匹配算法

提出了一种利用薄板样条函数实现非刚性图像匹配的新方法，该方法是将图像表示成由特征点构成的特征点集，利用薄板样条（TPS）能够将形变清楚为仿射分量和非仿射分量的独特性质，应用TPS函数来表征特征点集之间的非刚性映射，然后采用确定性退火技术，迭代求解点集之间的匹配矩阵和映射参数，与其它的非刚性匹配算法相比，该算法不仅保证了图像特征点之间的一一对应的双向约束，同时避免了陷入局部极小，而且具有较强的鲁棒性，实验结果证实了所提算法的有效性和鲁棒性。     

基于形状描述算子的仿射点匹配算法

针对仿射点匹配问题,首先通过建立点模式之间仿射映射关系,运用虚拟对应点估计待匹配点集的仿射参量,然后运用形状描述算子进行点集间匹配关系的求解,通过上述步骤的反复迭代最终求得点匹配问题的最优解集。算法较好地解决了仿射变换下的点集匹配问题,即使在较强的噪声和出格点干扰情况下,仍能获得较高的正确匹配率。实验证明了算法的有效性和鲁棒性。     

基于特征的无人机航测影像非刚性配准方法

无人机航测影像配准是实景三维建模的关键步骤,其在变化检测、图像拼接融合及目标识别方面具有重要的作用。基于此,对已有的航测影像配准方法进行优化,将薄板样条配准模型运用到航测影像配准中,得出一种基于特征的非刚性配准方法。首先利用Canny算法对待配准航测影像进行边缘检测;然后在此基础上采用SURF算法完成特征点提取,基于距离测度完成特征匹配;其次,使用RANSAC算法由局部到整体剔除错误的匹配点对;最后基于精确地匹配点对,利用薄板样条函数构建配准模型,实现航测影像整体和局部上的精准变换。实验结果表明,文章改进的方法在进行无人机航测影像配准时能取得更好的配准精度。     

融合SIFT的B样条红外图像非刚性配准

手持式广角镜头红外热像仪所拍摄的不同时刻红外图像具有刚性形变和非刚性形变,传统图像配准算法很难同时矫正刚性形变与非刚性形变,针对该问题,提出一种融合SIFT的B样条配准算法。首先在待配准图像中建立控制网格,其次运用SIFT算法寻找待配准与基准图像间的匹配点对,剔除错误匹配点对并计算出待配准图像与基准图像间的刚性变换参数,接着对控制点进行刚性变换,最后以局部强度和为测度函数,运用B样条非刚性配准算法对广角镜头引起图像的非线性进行矫正。对比实验结果表明,本文算法具有很高配准精度,能够满足实际工程精度要求。     

基于区域SIFT特征的凝胶图像间蛋白点匹配算法

针对传统匹配算法对旋转和扭曲图像匹配效果不佳的问题,提出一种基于蛋白点区域SIFT(Sale Invariant Feature Transform)特征的凝胶图像间蛋白点匹配算法.首先,提取蛋白点区域SIFT特征;然后,根据SIFT特征实现蛋白点粗匹配,并采用RANSAC (Random Sample Consensu)方法剔除误匹配特征点;最后,通过计算粗匹配点集之间的TPS(Thin Plate Spline)变换关系,采用几何相关法完成蛋白点间的精匹配.通过对国际凝胶图和Bio-Rad公司测试图等不同图源的凝胶图像进行蛋白点匹配实验,结果表明,该算法具有较高的匹配精度,其匹配误差小于2.2％,对旋转和扭曲图像同样具有良好的鲁棒性.     

基于粒子滤波框架联合仿射和外貌模型的目标跟踪

针对视频序列中目标的跟踪问题,提出了一种基于粒子滤波框架的联合仿射和外貌模型的目标跟踪算法.该算法首先提取图像帧之间的相关特征点,通过求解Sylvester方程得到仿射参数,然后将仿射参数嵌入到基于仿射群的粒子滤波框架中进行平滑估计.利用基于仿射群的一阶自回归过程模拟状态的变化,联合仿射特征点模型和外貌模型进行似然估计,得到粒子的最佳平均状态,进而对目标实施跟踪.实验结果表明,在目标经历姿势和尺度变化、遮挡以及复杂背景等情况下,提出的算法能够有效地跟踪目标,较之其他相关算法具有很强的鲁棒性.     

基于空间变换迭代的SIFT特征图像匹配算法

SIFT（Scale Invariant Feature Transform）特征由于具有旋转、平移和尺度不变性在图像匹配中得到了广泛的应用。但直接运用SIFT特征进行匹配,存在两个问题:易受匹配参数的影响,出现较多的错漏匹配现象;只适用于相似变换情况下的图像匹配,对于高维的仿射变换情况则难以奏效,而在实际图像匹配中这种情况更为常见。针对以上问题,提出了一种空间变换迭代的SIFT特征图像匹配方法。把SIFT特征点集匹配转化为SIFT特征向量与点集的几何分布信息相关的函数最优化求解问题,通过在确定性退火框架下,迭代求解空间仿射变换与点集匹配对应关系,最终得到最优的SIFT特征点匹配关系。仿真实验表明:在较大仿射变换情况下该方法仍能实现图像SIFT特征点集的正确匹配。     

一种基于手形特征点匹配的身份认证方法

该文提出了一种基于手形的身份认证方法。该方法首先通过对手形图像的处理,将手形表示为由一系列有序点构成的特征点集,然后应用基于确定性退火技术的点匹配算法对两个手形的特征点集进行匹配,得到用于认证的两个匹配参数:平均匹配误差和匹配率,最后设计适当的分类器,对匹配结果进行分类判决,实现身份认证。考虑到在手形认证的研究中都是小样本情况,因此首次将建立在统计学习理论(SLT)基础之上的支持向量机(SVM)应用于手形的认证中,得到的结果是令人满意的。实验证明,与现有的手形认证方法相比,该文的方法不仅提高了认证的准确性,而且增强了认证的鲁棒性。     

基于加权形状上下文的图匹配方法

针对目前图像发生较大形变时特征点无法精确匹配的问题,提出整数约束下基于加权形状上下文的图匹配方法。利用图理论来描述图像特征间的结构信息,将图像特征匹配转化为图匹配问题。基于相似性度量矩阵构造思想,引入形状上下文特征,以图间所有可能的匹配点对作为分配图的顶点,利用图像点集内和点集间的加权形状上下文统计特征作为相似性度量函数构造图的边的权值,采用整数约束下的迭代求解算法求解图匹配问题。真实图像特征点集的匹配实验验证了本文算法的有效性。     

基于邻域结构和高斯混合模型的非刚性点集配准算法

非刚性点集配准算法在实际应用中要求对噪声、遮挡或异常点具有很好的鲁棒性。该文采用高斯混合模型并结合点的邻域结构信息实现非刚性点集配准。使用高斯混合模型表示模型点集,通过高斯径向基函数构建变换模型。并根据点的邻域结构信息决定高斯混合模型中每个高斯组成部分所占的比例。在EM算法的期望步(E-step)阶段求解点的对应关系,在最大化步(M-step)阶段求解异常点比例系数和变换的闭合形式解,直至算法收敛得到最优解。通过在合成数据和实际的视网膜图像上的实验,与目前几种先进的点集配准方法进行了比较,证明该算法具有较好的配准效果和鲁棒性。     

有向非刚体形变局部不变特征描述符

当前局部不变特征描述符主要针对刚体形变的图像匹配问题,但非刚体形变图像匹配的需求普遍存在且应用日趋广泛.非刚体形变的复杂性会导致同名特征点的局部支撑区域难以保持结构特性的相似性.构造更具针对性的局部不变特征描述符成为解决非刚体形变图像匹配问题的关键.针对如何准确地确定局部特征的主方向并划分局部支撑区域,提出了一种有向非刚体形变局部不变特征描述符及其构建方法.首先根据特征点的二阶矩阵估计其椭圆邻域并指示主方向,然后对局部支撑区域进行同性化处理,以消除各向异性形变的差异,最后把局部支撑区域加权嵌入到三维空间,用热核信号的形变不变性进行特征点局部支撑区域描述.对比实验结果表明,在非刚性形变和光度变化情况下,本文描述符的匹配正确率高于SIFT(Scale Invariant Feature Transform)和GIH(Geodesic Intensity Histogram)描述符,且保持了较好的旋转不变性.     

一种基于ASIFT的图像配准算法

ASIFT算法能实现全仿射不变性,适用范围广,但匹配效率较低,鲁棒性不够好,匹配有重复特征的图像时出现误配。对ASIFT算法进行改进,与SURF算法的优点结合,通过采用性能更好的Hessian矩阵来检测特征点,计算Haar小波响应值构建特征描述向量,并提出一种新的特征匹配策略,对特征描述向量进行分段匹配。实验结果证明,改进后的算法比ASIFT算法鲁棒性得到增强,匹配效率和精度均有所提高。     

基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法

目前经典的基于微分同胚非刚体变换的标记点匹配算法虽然克服了以往非微分同胚变换方法不能处理大形变非刚体变换的问题,但是普遍存在时空复杂度较高,算法收敛速度较慢以及匹配精确性和变换光滑性不能兼顾等问题.针对这些问题,本文提出了一种新的基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法,该方法利用拉格朗日坐标系下的恒定动量矢量以及时间依赖的多尺度再生核来构造速度矢量场,然后采用基于规则化控制参数的确定性退火机制来搜索最优动量矢量,从而得到最终的微分同胚变换形变场.最后实验验证了本文所提新算法能使匹配的精确性和变换的光滑性达到较好的平衡兼顾,而且也较大程度地降低了算法的时间复杂度以及空间复杂度.     

基于局部灰度梯度特征点的快速人耳身份鉴别

针对旋转失真的人耳图像难以识别的问题,提出一种新的人耳身份鉴别算法。首先将一幅人耳图像等分为若干个子图像,将每个子图像等分为若干个子区域;然后利用每个子图像中灰度梯度最大的子区域位置信息构筑人耳图像特征矩阵,将特征矩阵在空间上直接对准进行人耳匹配。在北京科技大学(USTB)的人耳图像库遍历的实验结果表明,通过与分块快速傅立叶变换(FFT)和分块均值标准差的人耳特征提取方法比较,提出的算法对具有±30°旋转的人耳库达到98.89%的正确识别率(CRR),说明算法对旋转失真的人耳图像具有很强的适应性,而且系统响应时间仅为21.33ms,是一种具有高实用性的有效身份鉴别方法。     

KAZE结合感知哈希的图像匹配算法

针对目前图像特征匹配中存在不同程度误匹配的问题,提出了一种KAZE结合感知哈希的图像匹配算法。首先采用KAZE算法提取图像特征点并匹配,然后使用感知哈希算法筛选提纯初始匹配对,最后运用随机抽样一致(RANSAC)算法再次筛选,得到最终的匹配结果。在Mikolajczyk标准图像集上的实验结果表明,该算法在图像发生旋转缩放、光照变换、模糊以及JPEG压缩等变化下均能够保持较高的匹配正确率,具有良好的可靠性和鲁棒性。     

基于SIFT算法的异源遥感影像自动匹配研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

基于近似距离序的重复模式图像匹配算法

由于重复模式图像局部信息的歧义性,即使在视角变化很小的情况下,仅通过比较局部描述子之间的相似性得到的匹配结果往往并不可靠。为了解决这个问题,该文根据特征点空间的分布特性,给出了一种新颖的几何相容性表示方法近似距离序;结合利用局部描述子获得的匹配代价,定义了一种混合形式的目标函数,将匹配问题转化为一对一约束下的优化问题;最后,通过概率松弛法求解目标函数的极大值,获得特征点之间的对应关系。在不同类型图像上的比较实验表明,所提出的方法能够有效地解决重复模式图像匹配问题。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。