结合归一化差分高斯特征的图像匹配技术研究

图像匹配技术是目前国际上航空摄影测量、光学和雷达跟踪、飞行器巡航制导、导弹投射系统的末制导寻的等领域发展迅速前沿、尖端技术之一。近年来,SIFT算法以其优秀的匹配性能在图像匹配领域受到广泛的关注。鉴于传统SIFT及改进算法计算复杂,难于实际应用的问题,提出结合归一化差分高斯特征的图像自动匹配技术,提取对于复杂影响鲁棒的归一化差分高斯特征,通过在特征点处建立主方向趋势特征向量,减少传统特征向量的冗余,解决不同条件下获取的目标或场景的图像匹配问题.大量实验表明,本匹配算法能够适应图像的旋转、缩放、平移等变化,并且对于噪声、光照变化影响鲁棒;同时计算速度快,具有较好的工程实用价值。     

基于SIFT特征的SAR图像飞机目标匹配分类方法研究

随着合成孔径雷达成像技术的发展,SAR图像的数据处理和图像分类识别工作成为近年来研究的热点。由于SAR图像固有的特征,使得SAR图像的匹配分类不能直接使用光学遥感图像自动匹配。针对SAR图像自身的特性,提出了基于图像特征中保持不变的特性,作为两幅图像的参考信息进行配准。该方法在图像中选取了表示某些特征的参考点,提取图像的特征,利用特征计算空间变换参数。采用基于SIFT特征匹配的分类方法对飞机目标进行分类,仿真结果表明,在对3种类型的飞机进行分类的情况下,本文方法取得了较好的匹配结果,证明了算法的有效性。     

基于SIFT特征匹配的电力设备图像变化参数识别

在变电站视频监视系统中,可通过视频巡检来及时发现某些异常状态,以免产生故障。图像的某些参数的改变是判别图像状态改变的重要依据,提出了一种基于SIFT,OTSU和RANSAC相结合的特征匹配的电力设备图像变化参数识别算法。先对样本资料图像和监测图像进行SIFT特征匹配,与OTSU相结合消除干扰匹配特征点,再通过RANSAC随机抽样一致性算法消除错误匹配特征点,根据匹配结果识别电力设备图像变化角度和缩放比例这2个重要参数。仿真实验表明,此算法简单易行,精度高,可用于电力铁塔倾斜角度和指针式仪表指针旋转角度的识别,也可用于视频巡检中缩放系数的识别。     

基于遗传算法的抗几何攻击图像水印方案

现有的大部分鲁棒图像水印算法很难抵抗几何攻击,其原因是同步信息被破坏。因此只要在提取水印前使同步信息得到恢复,水印即可成功提取。本文采用仿射不变特征点匹配方法估计图像所经历的几何变换参数,其中特征点匹配通过遗传算法实现。水印嵌入过程是自适应的,且实现了盲提取。实验表明,本文提出的方法对多数攻击,尤其对几何攻击有很好的鲁棒性。     

基于多摄像头的目标连续跟踪

针对广域视频监控系统中运动目标的跟踪问题,提出了一种基于多摄像头的目标连续跟踪方法。摄像头前端通过网络连接将各自监控场景的背景图像和运动目标的特征数据传输给中心计算机服务器。中心服务器通过背景图像的SWFT（Scale Invariant Feature Transform）特征匹配检测出摄像头视域FOV（Field of View）之间的重叠区,并根据相匹配的SIFT关键点（Keypoints）计算地平面单应性变换矩阵（Homography Transformation Matrix）,以建立重叠摄像头之间的视点对应关系。为了对应多个摄像头中的同一个目标,中心服务器在重叠摄像头之间使用运动目标的质心坐标单应性映射和SIFT特征进行匹配,在非重叠摄像头之间仅使用SIFT特征进行匹配。实验结果表明,该方法在广域监控场景中能实现鲁棒的多摄像头间目标连续跟踪。     

基于图像结构与改进Brief检测算子的目标匹配算法

为了解决当前特征点匹配算法在前景遮挡、背景复杂的干扰下,存在匹配能力不足的问题,提出了基于改进Brief的目标鲁棒匹配算法。首先,对存在匹配干扰的图像展开分析,通过基于不变矩的特征点检测方法,改进breif特征点检测。然后扩大滤波范围来处理目标积分图像,通过基于特征点主方向的旋转矩阵,构建Brief特征描述算子; 最后结合欧式距离和KNN,进行匹配运算,并编程实现算法,实验测试结果显示：与当前传统特征点匹配算法相比,在特征遮挡严重、背景极复杂的干扰下,本文算法拥有较强的匹配精度与鲁棒性。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。     

改进的尺度不变特征转换精确图像匹配在电力设备目标定位中的应用

针对电力设备目标定位问题,研究了基于改进的尺度不变特征转换(scale invariant feature transform,SIFT)精确图像配准的定位方法。首先用改进的SIFT特征描述子提取图像中的特征点,降低了特征向量描述子的维数,大大提高了算法的速度;然后采用欧氏距离对特征点进行初始匹配,由于初始匹配过程中存在误匹配,采用改进的随机取样一致性(random sample consensus,RANSAC)算法对阈值进行自动调整,消除了错误匹配;最后,以电力系统中的刀闸、变压器为例,采用旋转、缩放、光照变化及加噪声图像验证了该算法。实验结果表明:改进后的算法不仅继承了SIFT算法的鲁棒性,而且提高了算法的速度和匹配精度,可以较好地应用于电力设备目标定位中。     

基于图像识别的移动机器人自动完成充电北大核心

移动机器人正在慢慢普及到我们的生活当中,而移动机器人在移动过程中消耗电能,当电能耗尽时需要人工为移动机器人进行充电,提出一种基于图像识别的方法,让机器人自动完成充电。移动机器人通过对图像的纹理分析和对兴趣点的快速匹配SIFT算法完成移动机器人识别电源插座,实现自动充电。本文的方法充分考虑到由于移动机器人的灵活多变性对所采集到的图像造成的影响,如图像旋转,图像周围有遮挡物体等,用纹理分析与SIFT算法识别插座,当所采集的图像与机器人本身记忆的图像达到一定匹配度时,移动机器人将完成自动充电。     

CAD与CAPP集成研究回转体类零件特征识别

本文研究了回转体轴类,轴套类零件的特征识别。对这类零件常用的特征单元进行了定义,描述了这类零件的特征模型:介绍了它的识别方法和特征参数定义方法。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

基于SIFT的电力设备红外/可见光图像配准方法

提出了一种红外与可见光图像的配准方法,该方法将SIFT(Scale Invariant Feature Transform)特征应用于两者自动配准的特征匹配,SIFT特征对旋转、尺度缩放、亮度变化保持不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定性。实验表明,该方法具有稳定、可靠、快速等特点。     

一种基于改进SIFT的图像检索算法

为了实现高准确率要求的数字出版物中引用图片的侵权审查,提出了一种基于改进SIFT算法的图像检索算法。该改进算法首创性地提出了在特征提取过程中加入图像SIFT特征点的邻域颜色特征,并设计了双匹配的特征点匹配策略,增强了特征点匹配的可靠性,提升了图像检索的性能。该改进算法被分为3个步骤来实现：基于灰度和HSV彩色空间的双尺度空间的生成,结合传统SIFT特征点描述子和特征点颜色特征向量的新特征点描述子的生成,特征点搜索与双匹配。实验结果表明,与原始的SIFT算法相比,本文改进算法的检索精度更高,并且检索速度没有明显下降。     

基于多层特征融合CNN的变压器PRPD图谱识别

智能化的分类算法在局部放电模式识别中应用良好,但是需要人工提取特征,因而存在特征丢失和识别效率低的问题。文中对传统的卷积神经网络进行多层特征融合的改进,并用于局部放电模式识别,以预处理后的PRPD图谱为输入,自动提取图谱特征,并进行深层和浅层的特征融合以防止特征丢失,最后输出分类结果。此外文中算法还对传统CNN的池化策略进行改进,使用最大二均值池化,进一步保留了图谱的有效特征。实验结果表明,相比于传统的人工提取统计特征再输入分类器的模式,特征融合CNN的识别正确率更高,耗时更少。     

一种融合间接注意力的自适应特征提取方法

针对基于ViT模型的细粒度图像识别算法存在特征提取不全面、参数选取不具普适性等问题,提出一种融合间接注意力的自适应特征提取方法（Adaptive Feature Extraction with Indirect Attention,AFEIA）。首先,对于目标对象的特征提取,采用改进后的自然断点分类算法将特征分为最相关、次相关、不相关三种,对不同的输入样本可以自适应地提取最具辨别性特征,保证了特征提取的准确性;然后,利用注意力权重矩阵,获取被忽略特征中与目标对象间接相关的特征,以获取各对象之间细微的差异,保证了特征提取的全面性。实验表明,使用AFEIA方法的ViT模型在两个细粒度数据集CUB-200-2011、Stanford Dogs上分别达到91.6%、91.5%的预测准确率,通过可视化方法和消融实验,验证了AFEIA方法的有效性。     

一种基于图像特征点的图像匹配算法

图像匹配技术被广泛用于人脸识别、全景图像生成等领域.该文利用变比不变特征点 (Scale Invariance Feature Transform-SIFT)提取方法提取特征点,并对SIFT方法提取出的特征点用最近邻算法 (Nearest Neighbor-NN)进行匹配,在搜索最近邻特征点和次近邻特征点时使用了在K-D树搜索算法基础上进行改进的搜索算法BBF(Best Bin First)算法.实验证明该匹配算法具有匹配精度高,鲁棒性好的特点.     

基于SVM和归一化技术的音视频特征融合身份识别

针对噪声环境下人脸识别率和说话人识别率低的问题,在研究特征层融合的基础上,结合归一化技术和SVM理论,提出了一种融合人脸和语音的多生物特征识别模型。首先采用离散余弦变换和局部保持投影算法提取人脸特征及SVM方法提取语音特征,在特征层进行融合得到融合特征后,计算测试身份与模板间的距离,为了减少计算量和提高识别性能,对匹配距离进行归一化处理,最后输入到SVM进行识别。仿真结果表明,在噪声环境下,当信噪比降低时,融合识别率要明显高于单个系统的识别率,达到了身份识别的目的。