基于图分割与Hausdorff距离的多分辨率影像匹配

针对具有复杂场景的航拍图像提出了一种基于图分割理论与Hausdorff距离的多分辨率影像匹配方法。在高斯金字塔图像模型中,低分辨率的图像通过图分割方法,充分考虑图像中的局部和全局的信息,提取到稳定和完整的图像区域边界,并以区域边界作为待匹配的曲线。再通过计算曲线的统计特性作为图像间待匹配特征,并由信号相关的度量方法粗估计出图像间全局仿射变换参数。利用粗估计的参数在高分辨率层次上进一步通过基于Hausdorff距离的匹配方法搜索到精确的变换参数。实验结果表明,该方法在较大变形和强噪音干扰的情况下对复杂场景的图像也能有效地完成匹配。     

基于形状上下文描述子的步态识别

首先提取出行人二值轮廓序列,用分通道的灰度差和变化局部区域阈值进一步去除阴影、增强轮廓.用形状上下文描述子求取轮廓边缘采样点集的直方图分布,以此作为人体轮廓特征.用改进的Hausdorff距离算法定量轮廓间的相似度,窗口滑动搜索策略计算关键姿态轮廓集合问的匹配距离,最终实现步态分类和识别.在小型CA-SIA室外步态数据库和大型Soton室内库上进行实验,方法的正确识别率分别可达到91.25%和86.97%,与现有方法相比识别率均有提高.实验结果还表明人体轮廓采样点数取200点时识别率最高.     

基于改进Hausdorff距离的人脸匹配方法

提出了一种基于改进Hausdorff距离的人脸相似度匹配的方法,该方法首先将人脸划分为脸型、双眼、鼻、嘴等几个特征点集,分别计算各部分的改进Hausdorff距离,然后进行加权计算相似度。利用该方法,在ASM（主动形状模型）定位人脸的基础上进行了人脸检索。实验表明,利用人脸相似度计算方法对人脸特征库进行搜索,达到了较好的效果。同时结合ASM自动人脸检测,本方法可以全自动完成人脸匹配,应用于人脸识别及数字娱乐等领域。     

基于H-EMD 的形状上下文特征形状匹配方法

为了快速有效利用推土机距离(EMD)模型计算直方图间的交叉相似度,提出一种基于直方图的EMD(H-EMD)模型.将原始模型对应的线性规划问题中变量数目进行约减,降低了直方图相似度计算的复杂度.利用H-EMD模型计算形状上下文特征间的相似度,进而对基于形状上下文形状匹配方法进行改进.通过对不同的数据仿真结果进行比较,H-EMD模型在匹配时间上更具优势,同时,改进的形状匹配方法能有效实现形状识别和检索.     

离散形状的特征区域匹配识别

本文用形心到外轮廓的距离序列表示形状,从而将二维的形状分析问题转化成较简单的一维波形曲线的分析问题,对于这种波形曲线的识别,提出了一种特征区域的局部匹配识别算法.实验证明,本文方法具有较高的识别率,且该算法是平移、旋转和比例变化不变的.     

一种改进的Hausdorff距离模板匹配算法

检测和提取图像中的目标图像是图像处理和模式识别等领域里非常活跃的问题.因为Hausdorff距离对于目标遮挡、图像噪声和图像晃动等情况具有较好的鲁棒性,因此使用Hausdorff距离进行图像匹配是较常用的方法之一.为了降低此算法的计算复杂度,提高匹配效率,提出了一种能够从待匹配图像中高效匹配出模板图像的改进算法.将文中提出的改进算法分别应用到一幅图像和视频序列图像中,实验结果证明了该算法的高效性.     

高维图象数据库中一种新的多分辨率特征匹配算法

在基于内容的图象检索中,采用多分辨率数据结构的的特征匹配算法(MRSA)可以大大提高图象的搜索速度.但是MRSA算法的性能受数据库中图象的存储顺序影响很大,而且对于近邻搜索,MRSA算法的推广能力不强.该文提出一种基于排序思想的多分辨率的特征匹配算法,可以使算法在性能上不受图象存储顺序的影响.相比较MRSA算法,新算法在不同分辨率上的具有更少的图象访问量,而且事先不需要确定值,当值较大时其性能将优于MRSA算法.     

基于形状上下文识别算法的车牌识别研究

研究图像文字准确识别问题.由于目标图像形状复杂,蜕化后的车牌文字发生形变、残缺等,影响图像识别的精确性.为了实现自动文字识别和判断,提高准确率,提出了一种利用形状上下文特征的车牌文字快速识别算法.首先利用将车牌图形进行定位和二值化处理,然后提取文字的轮廓,对轮廓上的点求取形状上下文特征.采用Contrario算法,形状自身的统计特性来设置判别阈值,实现车牌文字识别的完全自动化处理.进行仿真的结果显示,新提出的方法能准确的将车牌字符与标准字符进行比对并进行识别,特别在图像蜕化和发生形变的时候,能保持识别的准确率,证明识别方法可以方便的拓展到其他类型的文字处理系统中,可为图像文字识别提供有效手段.     

基于改进Hausdorff距离的分层景象匹配算法

为克服传统的相似性度量容易受到噪声、遮挡和成像机理等因素影响的缺点,结合人的认知过程,提出了一种分层的模板匹配算法.首先利用了统计指标来对候选匹配区域进行预标记,其次通过对Hausdorff相似性度量的改进来提高其对遮挡、异源图像匹配的鲁棒性.实验结果证明了该方法能够有效地减少搜索区域大小,提高了遮挡情况下的匹配精度,验证了算法的有效性.     

一种基于区域特征的景象匹配算法研究

景象匹配技术是飞行器匹配定位辅助导航系统的核心,如何提高其正确匹配率一直是研究的热点与难点。提出一种基于区域特征的景象匹配算法。首先,提取基准景象和实时景象的稳定极值区域,并计算出区域的灰度、形状、纹理以及起伏程度特性作为相似性度量的主要因素构造相似性度量函数;然后,计算区域对的Hausdorff距离,决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率,对导航系统的定位具有实用价值。     

一种基于Splat图元的形状匹配改进算法

为了在形变仿真中以较低的时间和空间复杂度获取高质量的仿真效果，同时兼顾系统的稳定性，提出一种改进的形状匹配算法。该算法采用Splat图元代替形状匹配形变算法中的点图元，通过调节参数动态控制采样密度，自动调节Splat图元半径的大小，用最少的Splat图元无缝覆盖物体表面，保障后期渲染效果，并使用形状匹配算法完成形变计算。仿真结果表明，对于相同复杂度的几何模型，与基于点图元的形状匹配经典算法相比，改进算法的存储空间减少约50%，计算效率提高近2倍，且算法稳定性更高。     

一种基于Hausdorff距离的图像匹配算法

在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难。文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量。仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快。     

基于分支特征点的景象匹配算法

由于传统Hausdorff距离算法对减少非零均值高斯噪声的干扰不明显,且匹配精度不能满足惯导的要求,因而提出了一种改进的算法分支点的加权Hausdorff离（Weiighted Hausdorff Distance,WHD）算法,并给出了权值的求取公式。方法能有效匹配被非高斯噪声污染的图像,提高景象匹配的精度和速度,增强算法的鲁棒性。并对提出的WHD算法与部分的平均距离算法（PMHD）分别作仿真实验进行比较,证明了前者算法的实用性和有效性。     

基于Hausdorff距离的2D形状匹配改进算法

在计算机视觉检测中,常常需要将两幅图象在空间上配准,以便进行后续的检测过程,该文提出将Ｈａｕｓｄｏｒｆｆ距离作为物体轮廓相似性的测度,并用遗传算法进行最佳形状匹配的快速搜索,根据遗传搜索的结果再进行一次线性搜索,从而提高解的精度,实验结果证明了该方法能快速,精确地对两幅２Ｄ形状进行匹配。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

一种综合的多分辨率医学图像配准方法

基于多分辩率的图像配准是提高配准算法效率的重要方法。论文提出一种基于多分辩率、多相似度函数以及多优化方法的图像配准框架,并提出新的具体解决方案,用于医学图像配准,并与已有的基于互信息的方法进行分析比较,实验结果显示,使用平均Hausdorff距离和互信息作为相似度度量的新方案在时间和精度的综合评价上有优势。     

一种基于改进地貌形状上下文的形状匹配方法

在基于地貌形状上下文的形状匹配方法中,计算地貌空间测地距离消耗时间较高,对应形状特征提取过程的效率较低.针对这一问题,本文提出了一种基于地貌模糊形状上下文的快速形状匹配方法.在形状特征提取过程中,通过引入最短路径算法对轮廓采样点间的测地距离进行快速计算.在此基础上结合对数极坐标模糊直方图构造地貌模糊形状上下文,其能够更好地描述轮廓点分布情况进而有效提升形状描述符的表达能力.考虑到轮廓点集顺序已知,进一步引入动态规划分析不同地貌空间下形状片段间的对应关系,以获取准确的形状匹配结果.通过对不同的数据集进行实验仿真分析,验证了本文方法能够有效地提升运算效率并取得较好形状检索精度.     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

基于测地距离的形体分布算法

使用D2方法计算形体分布[1]算法时采用欧几里德距离计算,欧几里德距离是拓扑无关的。这里我们讨论一种使用测地距离来表示两点距离[21～24]。这种测地距离方法能表达出模型的拓扑关系,它和采用欧几里德距离可能各有不同的应用。     

生成距离图的同心圆窗口矩匹配快速算法

针对半导体封装等工业应用对图像模板匹配的速度要求很高的特点,进行了快速模板匹配算法的研究.同心圆窗口矩匹配是一种速度较快的算法,是将模板分成一系列的同心圆环,然后通过比较模板和待检测图像上对应圆环的零阶矩确定可能匹配点.但由于确定各像素点属于哪一个圆环需要进行复杂的乘积运算,耗费了大量时间.为此,提出了一种生成距离图的改进算法,即匹配前对模板进行预处理,生成距离图,即各像元存储的是距离图像中心（圆心）的半径值.这样,确定像素属于哪一个圆环,只需要经过对各像素的索引值的简单比较,就可以确定.经过实验验证,改进算法可以大大提高模板匹配的速度,满足半导体封装等自动化作业的需求.