余弦约束法则耦合改进RANSAC策略的图像匹配算法

目的提高当前图像匹配算法的匹配精度与鲁棒性。方法引入Forstner算子,精确提取图像特征点;采用一阶Haar小波来生成特征点主方向,并通过求取Haar小波响应来生成特征描述子;利用特征向量构建余弦约束模型,联合特征向量的距离度量方法构成双重匹配约束,从而完成特征点之间的匹配;引入投票机制对RANSAC方法进行改进,制定多重筛选方法对伪匹配点进行剔除,完成图像匹配。结果与目前图像匹配方法相比,文中提出的算法具有更强的鲁棒性与匹配精度,在特征总数为200个时,所提算法的匹配正确数量达到196个。结论所提匹配技术具有较好的匹配正确率,对包装印刷产品的识别以及信息安全检测等领域具有较好的应用价值。     

高斯曲率耦合相关性制约规则的图像匹配算法

目的针对当前较多图像匹配算法在匹配过程中因忽略了特征点之间的相关性而导致算法存在匹配正确度和鲁棒性不佳等不足,设计一种高斯曲率模型耦合相关性制约规则的图像匹配算法。方法首先,利用高斯滤波后图像的一阶矩阵和Hessian矩阵来构造高斯曲率模型,对Hessian算子进行改进,以充分检测图像的特征点。然后,通过求取扇形区域内的Haar小波响应获取特征点的主方向,并根据特征点邻域中像素点的灰度平均值计算特征向量,从而形成特征描述子,完成对特征点的描述。利用特征点集的均值与协方差矩阵来构造相关性模型,对特征点的相关度完成度量,从而定义相关性制约规则,对特征点的相似度进行判断,完成特征点的匹配。最后,利用RANSAC算法提纯匹配特征点,完成图像的匹配。结果仿真实验表明,与当前图像匹配算法相比较,文中算法不仅匹配正确度较高,且具有较强的鲁棒性,在旋转角度为50°时,其正确匹配精度仍可达到87%以上。结论所提算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

改进的FAST算子耦合投影约束法则的图像匹配算法

目的针对当前较多图像匹配算法主要通过对特征点的相似性进行度量来优化匹配特征点,忽略了特征点之间的投影相关性,导致算法的鲁棒性下降、匹配错误度较高的问题,文中提出了基于改进FAST算子耦合投影约束法则的图像匹配算法。方法首先,利用FAST算子提取图像特征点,并通过Harris算子去除FAST算子中的伪特征点,充分获取稳定特征点。然后,利用圆域内像素点的高斯曲率值,对特征点进行描述。最后,利用归一化互相关系数(Normailizedcorrelationcoefficient,NCC)对特征点进行匹配。并通过特征点之间的投影关系函数计算特征点的投影值,并根据投影值建立投影约束法则,以去除错误配点,优化匹配精度。结果实验数据显示,与当前图像匹配技术相比,所提算法具有更好地鲁棒性与匹配精度,在多种几何攻击下,所提算法的正确匹配率仍可维持在90%以上。结论所提算法在各类几何变换下仍具有良好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

基于信息特征耦合夹角一致性规则的图像匹配算法

目的针对当前基于灰度特征的图像匹配算法在遇到匹配图像存在较大的光照变换时,会引起较多的误匹配和漏匹配等问题,提出一种基于信息特征耦合夹角一致性规则的图像匹配算法。方法首先,利用Forstner算子来检测图像的特征点,接着用Hessian矩阵最大特征值与其最小的特征值做比值计算,优化Forstner算子的检测特征点。然后,以特征点为原点,构建极坐标系,将特征点的邻域进行分割。再利用信息熵模型求取每个分割块中的信息特征,以生成特征描述子。最后,利用特征描述子构造距离模型,搜索指定特征点的最近邻特征点和次近邻特征点,并通过距离比值方法完成特征点的匹配。通过匹配特征点之间形成的夹角,建立夹角一致性规则,对匹配特征点的可靠性进行度量,剔除错误匹配特征点,从而完成图像匹配。结果实验结果显示,与当前图像匹配算法相比,所提图像匹配算法图像在旋转角度10?~100?范围内,识别率为94.6%~88%,平均识别时间为5.48 s,具有更高的匹配精度与鲁棒性。结论所提算法具有较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

一种改进的快速归一化积相关图像匹配算法

归一化积相关算法是一种经典的图像匹配算法,具有操作简单、匹配概率高等优点,其不足之处主要在于计算量大,难以满足实时性要求。为此,本文首先提出了一种减少归一化积相关算法计算量的方法,通过从基准图像中构造出两个搜索矩阵,来简化实时图像的搜索路径,使其只需沿一个方向平移就可以完成匹配,并且可以很容易地通过相邻两个基准子图之间的迭代来避免图像能量的重复计算;接着将该方法与BPC算法的思想相结合提出本文的快速匹配算法,从两个方面来减少传统算法的计算量,进一步提高了算法的运算速度;最后通过实验仿真验证了本文算法的优越性。     

基于自适应步长选择的NCC图像匹配算法

在基于灰度相关的图像匹配算法中,归一化互相关(NCC)匹配算法是常用的匹配算法,但算法复杂、匹配时间长是制约其应用的主要原因。本文提出一种基于自适应步长选择的 NCC 匹配算法,根据归一化互相关系数自适应地选择搜索步长,加快了匹配速度;改进归一化互相关系数算子,增加了步长选择阈值的区分度,提高了自适应选取步长的精确度,实现了匹配时间和匹配精度的合理分配。实验表明,该算法在保证匹配精度的同时,匹配时间缩短为传统NCC算法的10%~50%。     

声呐图像背景灰度分布特性分析及模型研究

在图像声呐滤波、分割以及目标识别中,像素灰度分布特性及其模型的选择与建立具有非常重要的作用。针对当前声呐图像背景灰度分布模型研究尚不够深入的现状,分别采用威布尔分布和瑞利分布模型对声呐图像背景区域像素点灰度分布进行了仿真验证。结果表明,威布尔分布较瑞利分布来说能够更好地逼近图像声呐灰度分布曲线,且具有较强的自适应性。但在某些情况下,可采用瑞利分布替代威布尔分布,以提高运算效率。     

The Enhanced Digital Image Correlation Technique for Feature Tracking During Drying of Wood

Abstract: The enhanced digital image correlation (EDIC) technique is proposed as an improvement of the digital image correlation (DIC) technique in that it utilises monogenic filtering as a prefilter for extracting intrinsic local phase information from the low‐contrast images and normalized cross‐correlation (NCC) as a feature‐tracking algorithm. The monogenic filtering separates local structural information that is the local phase of an image, which is invariant with respect to the local energy of the image. Therefore, it improves the image, permitting the DIC technique to produce stable and accurate measurements of deformation for a heterogeneous and hygroscopic material like wood during drying.