基于矩阵的极大独立点集生成算法

本文研究了基于矩阵的生成极大独立点集的理论，提出了两个实用的生成算法，平移变换法和向量和法。     

基于Pearson相关系数的图像误匹配点剔除算法

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点.当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分...     

一种基于膜系统的全局智能优化算法

针对全局数值优化问题,本文提出了一种基于膜计算理论的启发式全局优化算法.受细胞内液体分子做无规则运动的启发,该算法构建了液体分子沿任意和某一方向运动的机制,实现了算法全局探索和局部开发的能力.8个benchmark测试优化函数的仿真结果表明,所提算法具有保持解的多样性和跳出局部极值的全局寻优能力.     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于蚁群算法的测试集优化

电路集成度和复杂度的不断增加使电路故障诊断变得愈加困难.其中,测试集优化问题是电路故障诊断的关键问题之一.本文以新颖的蚁群算法为基础,较好地解决了测试集的优化问题,并通过实验证明了该算法的良好性能.     

一种基于ORB检测的特征点匹配算法

针对传统的SURF局部特征匹配算法实时性不高的问题,充分利用ORB特征点检测算法简单高效的优势,提出了一种新的特征点匹配算法。首先,针对原始ORB特征匹配算法出现大量误匹配对的问题,采用基于K最近邻的特征点描述后,对前后两帧特征点进行双向匹配,再通过顺序抽样一致性算法进一步提纯。实验结果表明,经过本文算法提纯后匹配对准确度提升到99.9%,平均耗时0.46 s,处理速度约是SURF特征匹配算法的5倍,SIFT特征匹配算法的25倍,能够满足实时运用的需求。     

一种基于Core点及特征点的指纹匹配算法

提出了一种基于Core点和特征点的指纹匹配算法,建立了用Core点确定参考点的数学模型,根据该模型确定了指纹的匹配范围,通过引入特征点到参考点的脊线条数因子n以提高匹配的精度.并以Visual C++6.0建立了该指纹识别算法的实验平台,对提出的指纹匹配算法进行了实验研究,实验结果表明该算法复杂度较低,匹配精度较高.     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于蚁群优化的地磁场匹配改进算法

针对现有地磁场匹配算法对载体沿直线前进假设的不足,提出可适用于非直线形路径的地磁场匹配改进方法。将匹配定位视作多级优化问题,采用多级蚁群优化算法。在运算的每一级利用距离度量,路径序列比对采用相似性度量的方式,实现蚁群算法的两重适应度函数计算,并通过实验仿真讨论了权值参数与测量序列长度对路径匹配结果的影响。仿真结果表明,该方法可以仅利用磁测数据,以适当的计算量,有效实现任意形状路径的匹配。     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

Dominant point matching algorithm

A novel dominant point matching algorithm is designed and developed for occluded object recognition. The developed algorithm is capable of grouping all scattered dominant points on an object boundary, due to occlusion, into a single representation for recognition. A set of handtools is selected to evaluate the performance of the algorithm and the results are encouraging.<>     

Gradient of reference difference based matching algorithm for image feature point

During matching on feature point, gray correlation matching technology is utilized to extract multi-peaks as a coarse matching set. A pair of given corresponding reference points within the left and right images is used to calculate gradients of reference difference between the reference points and each feature point within the multi-peaks set. The unique correspondence is determined by criterion of minimal gradients of reference difference. The obtained correspondence is taken as a new pair of reference points to update the reference points continuously until all feature points in the left (or right) image being matched with the right (or left) image. The gradients of reference difference can be calculated easily by means of pre-setting a pair of obvious feature points in the left and right images as a pair of corresponding reference points. Besides,the efficiency of matching can be improved greatly by taking the obtained matching point as a new pair of reference points, and by updating the reference point continuously. It is proved that the proposed algorithm is valid and reliable by 3D reconstruction on two pairs of actual natural images with abundant and weak texture, respectively.     

虚拟计算环境下面向应用的基于信任的资源匹配模型

为了解决虚拟计算环境中的资源合理调度问题,提出了一种基于信任的资源匹配模型--“资源滑动窗口”模型。首先对资源的静态属性进行分类,然后依据基于时间窗的贝叶斯信任模型对资源节点进行评价,同时考虑资源的负载,动态划分其实时性能。最后综合评估静态和动态属性,确定调度资源分配。该模型为不同任务和属性的资源调度策略奠定了基础,实现了“合适的资源服务于合适的任务”的目的。仿真实验表明所提的模型相对传统的调度算法,具有更高的系统任务执行成功率和资源利用率。     

基于相对点矩的SAR图像匹配算法

为了解决景象匹配导航系统中图像存在旋转误差以及遮档问题,提出了一种基于相对点矩的SAR图像匹配算法.Harris角点提取算于结合亚像素精确定位算法可以获得高精度的特征点坐标,而Hu不变矩具有平移、旋转、缩放(RTS)不变性,结合两者优点,本文首次提出了相对点矩的概念.相对点矩同样具有RTS不变性,可以实现任意旋转角度下...     

一种优化的特征点匹配算法

为提高三维重建的性能,提出一种优化特征点匹配算法.首先,通过组合算法对特征点进行初匹配;其次,通过随机抽样一致算法剔除误匹配获得目标的精确匹配点,并将精确匹配点通过区域生长算法,经多次迭代实现稠密匹配;最后,经过二次剔除误匹配点得到精确稠密匹配结果.同时,搜索窗的大小通过局部二值模式来自适应调整,提高区域生长后新增种子点的精度,从而更有利于三维重建.实验证明该方法能提高匹配效率和精度.     

基于点模式匹配的芯片缺陷检测算法研究

针对高速与高精度场景下芯片缺陷检测实时性和准确性难以同时保证的问题,提出一种基于方位环境特征的点模式匹配定位算法(Azimuth Environment Feature Vector-Based Point Pattern Matching Localization Algorithm,AEF-PPMLA),提升检测的实时性、准确性和易用性。该算法含两个部分:方位环境特征向量计算方法(Azimuthal Environment Feature Vector Calculator Method,AEF-VCM)和相似度计算方法 (Matching Degree Calculator Method,MDCM)。AEF-VCM对芯片的方位环境特征进行向量描述,减少点匹配的计算量,提高检测的实时性; MDCM采用卡方检验算法来度量特征向量的相似度,提高检测的准确度。实验部分验证算法的定位精度、耗时以及缺陷识别的准确率,结果表明所提出的AEF-PPMLA能够快速准确定位芯片并识别引脚缺陷,满足高质量生产需要。     

基于Kalman预测和点模式匹配的多目标跟踪

针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。