基于奇异值特征的目标识别复合算法

提出了一种基于灰度模板匹配与奇异值分解相结合的目标识别复合算法,并在目标搜索过程中采用了先粗匹配后细匹配的匹配方法,使得匹配速度和精确性大幅度提高;同时算法中消除了光线、目标大小变化等对模板匹配的影响;最后通过实验验证了该算法的实用性,取得了比较理想的实验效果。     

模板匹配的恒常性特征及频域实现

构造了对空域几何变化具有强鲁棒性的频域模板匹配算法，使模板匹配成为具有几何恒常性特征的原型匹配。傅立叶变换提取信号的平移不变性；用原点自相关函数值R(0)进行能量归一化处理，消除信号幅度比例的影响；通过对数变换将空域尺度变化转化为可在频域中消除的平移变化；引入能量分布函数，消除来自空间旋转对匹配的影响，从原理上保证了频域模板匹配算法对空域几何干扰的恒常性。实验表明，该算法能够有效消除来自空域的几何变化对模板匹配过程的干扰。     

基于遗传算法的图象不变矩匹配

研究模板和图象间的有效匹配，利用不变矩特征作为检测模板和图象中物体轮廓相似度的测度，同时把遗传算法引入图象匹配识别，并针对简单遗传算法在应用过程中出现收敛过早和早熟现象的问题，采用了一种 改进型遗传算法。该算法和不变矩相结合能有效检测出具有平移、旋转 和尺度变化的物体，该方法可以应用于实际图象匹配和识别中。     

基于卡尔曼滤波与感知哈希技术的模板匹配跟踪算法

为解决传统模板匹配跟踪算法计算复杂度高且在目标形变、光照变化、遮挡等情况下容易发生跟踪漂移的问题,本文提出一种融合卡尔曼滤波、图像感知哈希与模板匹配的跟踪算法。本算法采用感知哈希技术提取目标的哈希值作为模板进行匹配,采用卡尔曼滤波预测下一帧中候选目标的搜索区域,然后,结合模板的哈希序值和目标位置变化信息设计新的匹配准则进行模板匹配,最后根据匹配结果,采用自适应模板更新策略和跟踪策略对目标进行跟踪。试验结果表明,本算法在目标形变、光照变化以及遮挡情况下具有一定的鲁棒性,且能满足实时跟踪的要求。     

基于对数极坐标变换和仿射变换的目标识别定位方法

由于传统的模板相关匹配算法在目标图像发生较大旋转和放大时，定位结果可能会发生偏差，因此为了取得精度更高的目标识别结果，提出了一种基于对数极坐标变换粗匹配，结合仿射变换精匹配的目标图像识别定位方法，以用于在视场中自动搜索相对于模板图像有平移、旋转和尺度变化的目标图像。实验结果表明，该算法不仅定位精度高，而且相对于传统的模板匹配算法有更强的鲁棒性。     

图形匹配问题

1 引言图形匹配问题要求判断两个图形是否相同或相似,并对两图形的相似程度进行度量,返回一个图形之间的相似度值。一般说来,图形匹配可以认为是基于模板的匹配,可定义如下:对于给定的图形,从模式(模板)集中找出一个最为相似的模板作为给定图形的参考模板。图形匹配方法要求对于平移、旋转、比例改变     

基于动态特征模板匹配的ARToolKit三维注册

针对ARTool Kit三维注册易受光照、遮挡以及旋转变化的影响,提出一种基于动态特征模板匹配的ARTool Kit三维注册方法。通过对摄像头摄入的一帧视频二值化处理后形成的模板图片采用ORB算法检测特征点;然后采用动态特征模板匹配技术进行特征模板匹配;最后计算出三维注册矩阵来将虚拟信息叠加到现实世界中。将Open GL生成的虚拟信息叠加仿真实验,并将该方法与ARTool Kit注册方法对比。仿真结果表明,复杂环境条件下动态模板匹配算法具有较高的实时性和标识物识别率,且基于动态特征模板匹配的ARTool Kit注册具有良好的稳定性和鲁棒性。     

基于旋转编码模板匹配的烟支计数识别

根据烟支的几何特征构造烟支模板,采用一种旋转编码方案将此二维模板映射成为整数集上的一个整数．利用旋转编码描述烟支的属性,通过属性变换得到每组属性的标准编码值．在模板匹配过程中,对模板覆盖下的图像部分作同样的旋转编码及属性变换,得到每组属性的实际编码值．各组属性的标准编码值和实际编码值间的差异将作为制定烟支识别条件的主要依据．实验表明,该方法可解决连通烟支或残缺烟支的计数识别问题,计数精度达到应用需求．     

基于方向码的模板匹配方法

提出了一种新的基于方向码的模板匹配方法.算法由两步构成:在匹配的第1步,利用方向码直方图选择匹配候选点并粗略估算出旋转角度;在匹配的第2步,针对匹配候选点,利用模板和子图间方向码的差值进行匹配.实验证明提出的算法在真实图像具有旋转变化时仍是稳定的,这是因为匹配是基于由像素梯度信息计算出的方向码进行,而不是直接根据灰度值进行.     

??????????????????????

构造了对空域几何变化具有强鲁棒性的频域模板匹配算法,使模板匹配成为具有几何恒常性特征的原型匹配.傅立叶变换提取信号的平移不变性;用原点自相关函数值R(0)进行能量归一化处理,消除信号幅度比例的影响;通过对数变换将空域尺度变化转化为可在频域中消除的平移变化;引入能量分布函数,消除来自空间旋转对匹配的影响,从原理上保证了频域模板匹配算法对空域几何干扰的恒常性.实验表明,该算法能够有效消除来自空域的几何变化对模板匹配过程的干扰.     

基于奇异值分解结合Harris的快速匹配方法研究

针对室内环境下视觉图像匹配速度慢、精度低等问题,提出一种基于奇异值分解结合Harris的快速匹配新方法.随机采集两组相邻的视觉图像作为研究对象,利用奇异值分解(SVD)对视觉图像进行压缩与重构.利用Harris角点检测算法对重构后的视觉图像进行特征角点的检测,然后结合归一化互相关(NCC)算法对视觉图像的特征角点进行一次粗匹配,最后采用随机抽样一致性(RANSAC)方法对粗匹配结果进行校正,实现特征点对的精匹配.实验表明:与传统的归一化互相关模板匹配算法相比,该算法不仅将视觉图像在室内环境下的误匹配率降低至2.35％,而且图像匹配的速率提升了3倍.     

一种基于奇异值分解的图像匹配算法

图像匹配技术在计算机视觉、遥感和医学图像分析等领域有着广泛的应用背景.针对传统的相关匹配算法计算量大、对图像旋转敏感等问题,提出一种新的基于奇异值分解的图像匹配算法.首先在待匹配图像中分别提取带主方向的角点作为特征点,通过计算特征点间经旋转补偿的归一化互相关值建立特征点相似度矩阵,然后利用奇异值分解算法生成特征点匹配矩阵并获得特征点间的一一对应关系.在复杂自然图像上的实验结果表明,算法能够匹配任意角度旋转的图像,对局部遮挡、光照变化、随机噪声等具有较强的健壮性,并具有较快的计算速度和较高的匹配精度.此外,该算法易于和其他匹配技术进行融合并获得性能提升,其与SIFT描述子结合的匹配实验结果表明,该算法具有良好的扩展性和实用性.     

基于Zernike矩的区域匹配方法

在基于区域的立体匹配中,由于遮掩、区域变形及光照条件会对匹配算法造成很大的影响,而传统的顺序性约束、唯一性约束、外极线约束和邻域约束并不能很好地解决这些问题,而近几年提出的相对位置约束虽能解决其中大部分问题,但对于区域的遮掩情况依然效果不佳。为此提出了一种新的基于Zernike矩的区域匹配算法,该算法在相对位置约束的基础上,采用中心距离和Zernike矩构造了新的费用函数,并提出根据匹配区域之间中心距离的大小来动态评判费用函数的权重系数值,从而提高了算法的性能。实验结果表明,该算法优于原方法,且对于区域的遮掩和变形情况都具备更好的识别性能,是一种行之有效的区域匹配算法。     

用于视频镜头突变切换检测的二次差分法和像素点匹配二次差分法

镜头切换检测是视频检索研究领域中一项基本的、重要的技术．对于数字视频镜头突变切换的检测，一般有模板匹配法、直方图法等基本算法，但这些算法在实际检测中通常达不到较高的检测精度．为此，提出了一种新的用以消除视频运动对镜头切换检测影响的检测算法，即二次差分法，和一种新的计算两帧图象帧间差的算法，即像素点匹配法，实验结果表明，二次差分法较之直接帧间差算法，明显地提高了镜头突变切换检测的检测精度，像素点匹配法较之现有基本帧间差算法总体地提高了检测精度，而像素点匹配二次差分法达到了最好的检测精度，它能够实现在无虚检或只有很小虚检的条件下，对镜头突变切换的无漏检检测．     

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

基于超像素匹配的图像协同显著性检测

为了快速有效地完成多图像的协同显著性检测,提出了一种基于超像素匹配的检测模型。首先针对一般单个超像素特征匹配效果较差的问题,提出一种基于Hausdorff距离的邻域超像素集匹配算法来进行图像间超像素的精确匹配;然后构建图像内和图像间的双层元胞自动机模型,进行多幅图像之间的显著性传播,从而有效地检测出协同显著性。在公开的测试数据集上的实验结果表明,所提算法的检测精度和检测效率优于目前的主流算法,且具有较强的鲁棒性。     

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。     

无方向的三角形匹配指纹识别

目的 指纹匹配是自动指纹识别系统研究的核心内容之一,匹配算法的好坏直接影响识别系统的效能。目前,大多数点模式匹配算法都依赖于指纹方向场的求取,由于输入的指纹图像存在平移、旋转和尺度变化,因此同一个手指在不同时间获得的指纹图像的方向场是不同的,这不仅增加了计算量,也影响了指纹识别的精度。针对上述问题,提出了无方向的三角形匹配算法。方法 提出的三角形匹配算法是以平面中任意点与一个确定的三角形之间的位置结构稳定性为理论基础的。首先,分别在待识指纹图像和模板指纹图像中确定基准三角形;其次,将各个特征点与基准三角形三个顶点的距离组成有序三数组;最后,利用数组的相等程度对指纹相似度进行匹配判断。结果 采用国际标准测试库FVC2004进行综合性能比对实验,实验结果表明,与其他几种匹配算法相比,本文方法在识别精度上提高了27.97%~33.81%,在比对时间上降低了3%~5%,在不同旋转角度下误匹配率平均降低了约86.63%,对噪声、平移、旋转和形变有足够的适应能力,具有较高的容错能力和鲁棒性。结论 无方向的三角形匹配算法是一种全局模式的算法,该算法不受指纹图像方向及其位置的影响,实现过程简单,识别精度高,平均比对时间少,适用于处理不同类型的图像数据。     

双目视觉下基于区域生长的三维人脸重建算法

为解决传统立体匹配算法匹配低纹理人脸图像时极易产生误匹配的问题,提出一种基于区域生长的人脸立体匹配算法。该算法利用级联回归树算法提取的人脸特征点将人脸划分为不同区域以分别限制各区域的视差搜索范围,从而避免在全局范围上查找匹配点;同时利用人脸的局部形状特性,采用局部曲面拟合的方式筛除误匹配种子点并生成大量可靠种子点用于区域生长;最后,分别在实验室环境采集的人脸图像和FRGC v2.0人脸数据库上进行定性和定量实验。实验结果表明,与传统算法相比,所提算法能够重建出更加准确的三维人脸模型。经点云配准后与人脸点云真实值的均方根误差在2 mm以内,且不同光照、姿态、表情下人脸图像的重建表明所改进的立体匹配算法具有较好的鲁棒性。