基于改进SURF特征与模糊推理的复杂图片中的文字识别

鉴于现有文字匹配算法在位置、方向和亮度变化上缺乏足够的鲁棒性，根据汉字结构的特殊性，本文采用改进的SURF算法--SSURF来提取文字特征。首先，计算所有训练样本的SSURF描述符，并将同一类别样本的描述符互相匹配，然后计算匹配次数超过1/2的关键点的匹配率，最后用训练样本SSURF描述符的均值和SSURF描述符与均值的最大欧氏距离来建立类数据库。在识别过程中，计算待识别文字的所有关键点，并将关键点的最大模糊匹配度作为该点的模糊匹配度，最后基于模糊推理实现文字识别。实验结果表明，本文算法识别性能更好。     

基于扩展的SURF描述符的彩色图像配准技术*

目前大多数图像配准算法都需要先将彩色图像转换为灰度图像再进行图像配准,色彩信息的丢失可能引起图像的误匹配。本文在SURF算法的基础上,提出了构建颜色描述向量扩展SURF描述符,形成ESURF描述符,再进行图像配准的方法。该算法能够充分利用彩色图像的色彩信息,相比大多数算法基于灰度图像的配准方法有更高的鲁棒性,同时继承了SURF算法良好的性能。描述符性能测试和图像配准测试证明：ESURF算法比灰度图像SURF算法在图像尺度变化、旋转、模糊、视角变化、特别是光照变化方面有更高的鲁棒性。     

结合SURF描述符和广义近邻图的图像配准算法

针对传统互信息配准方法计算量较大且未利用图像空间信息的缺点,提出了一种结合SURF描述符和广义近邻图的图像配准算法。该算法用SURF从图像中提取尺度空间特征点并获得特征点描述子,然后用广义近邻图来估计Rényi熵与互信息。该算法结合了SURF描述子的鲁棒性和广义近邻图估计Rényi熵的高效性。实验结果表明,对于真实遥感图像,该算法在配准准确度、鲁棒性和速度上都明显优于几种传统配准方法。     

基于模糊匹配的多视点图像配准方法

针对空间多视点图像的特点,提出基于模糊匹配的多视点图像配准方法.该方法采用由粗到细的原则研究空间多视点图像间的配准.在图像分割的基础上,考虑到不同视点图像间信息的不确定性,选择具有鲁棒性的区域面积、主颜色和亮度二阶矩等作为连通区域描绘子,并对其模糊化.引入模糊蕴涵计算不同视点图像每个连通区域间的模糊匹配度,从而推理出连通区域间的最佳匹配.最后通过反馈修正连通区域间关键特征点的匹配关系,实现具有自适应性的不同视点图像间的精确配准.实验验证文中方法的有效性.     

SURF算法的降维研究

SURF(Speed-up robust features)算法进行图像特征点匹配时需要循环遍历待匹配图像所有特征点,计算特征点之间的SURF64描述距离,耗时大。本文对SURF算法进行了16维与4维的降维研究。实验结果表明,16维SURF算法性能与64维SURF算法基本相当,但能大幅度降低运算时间;4维运算性能降低较大,不能用于特征点匹配,但4维SUFR描述算法可以扩展到图像的各个像素点,用于ICP算法及图像的稠密匹配。     

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式（DoH）检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。     

基于改进SURF的图像匹配算法

针对传统SURF的图像匹配算法存在计算数据复杂、耗时长、匹配正确率不佳等问题,提出一种基于改进SURF的图像匹配算法.首先,用传统SURF算法来提取待匹配图像的特征点,再通过圆形区域代替矩形区域将SURF的64维度描述符降到20维度;采用KNN,来双向匹配待匹配图像的特征点,得到双向的初始特征点匹配对集;最后,通过RANSAC算法对初始匹配对集进行双向剔除错误的匹配对.实验的结果表明,本文算法减少了特征点检测时间,提高了匹配正确率,还有较好的鲁棒性.     

融合水平梯度与局部信息强度的掌纹识别算法

掌纹纹线特征是掌纹最有效的特征.由于在采集掌纹时不可避免地会产生尺度不一致、细微的旋转或平移等问题,使得准确地提取以及描述纹线特征成为掌纹识别的一大难点.针对这一问题,提出了一种融合水平梯度与局部信息强度的掌纹识别算法(Horizontal Gradient-Local Information Intensity,HG-LII).首先,使用不同的均值滤波模板消除细小、不规则、不稳定的掌纹纹线特征,对处理后的图像使用水平梯度算子得到水平方向的梯度图像,并进行二值化;其次使用分块思想计算掌纹纹线的信息强度,并将其作为特征向量;最后采用卡方距离进行匹配,判断掌纹所属类别.在PolyU掌纹库上的实验结果表明,该算法识别率达到99.89％,与传统的提取纹线算法相比,识别率有明显的提高,表明了该算法的有效性.     

基于颜色不变量和SURF的彩色图像拼接

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。     

基于指导滤波与二值图像组互相关匹配的3D掌纹识别

提出了一种鲁棒的掌纹识别方法。在特征提取阶段,使用指导图像滤波去除噪声,然后基于Gabor变换提取鲁棒的掌纹方向特征,并使用一组二值图像表示每幅3D掌纹图像;在匹配阶段,采用了基于二值图像组互相关运算的匹配算法。该方法能够充分利用图像组中的特征配准图像来得到准确的匹配分数。HK-PolyU 2D+3Dpalmprint database数据库上的实验表明,该方法能够有效提高掌纹识别算法的识别率。     

Score level fusion of voting strategy of geometric hashing and SURF for an efficient palmprint-based identification

This paper proposes an efficient indexing scheme for palmprint-based identification system. The proposed system uses geometric hashing of SURF key-points to index the palmprint into hash table and makes score level fusion of voting strategy based on geometric hashing and SURF score to identify the live palmprint. All ordered pairs of SURF key-points of the palmprint are scaled and mapped to a predefined coordinate system and all other points are similarity transformed. The new location after transformation serves as the index of the hash table. During identification, all ordered pairs of key-points of live palmprint are scaled and mapped to the coordinate system while remaining points are similarity transformed. A vote is casted to all images in the corresponding bins. Images having votes more than certain threshold are considered as candidate images of the live palmprint. SURF features of the live palmprint and the candidate images are compared for matching. Matching scores which are based on SURF key-points and vote of the corresponding candidate image are fused using weighted sum rule. The candidate image with the highest fused score is considered as the best match. The system is tested on IITK, CASIA and PolyU datasets. It has been observed that penetration rate of the proposed system is less than 30% for 0% bin miss rate (BMR) and has the identification accuracy of more than 97% for all three datasets. Further, the system is evaluated for robustness on downscaled and rotated. It has been found that the identification accuracy of the system for top best match is more than 90% for images downscaled up to 49% and accuracy is more than 85% when images are rotated at any angle.     

Orientation selection using modified FCM for competitive code-based palmprint recognition

Coding-based methods are among the most promising palmprint recognition methods because of their small feature size, fast matching speed and high verification accuracy. The competitive coding scheme, one representative coding-based method, first convolves the palmprint image with a bank of Gabor filters with different orientations and then encodes the dominant orientation into its bitwise representation. Despite the effectiveness of competitive coding, few investigations have been given to study the influence of the number of Gabor filters and the orientation of each Gabor filter. In this paper, based on the statistical orientation distribution and the orientation separation characteristics, we propose a modified fuzzy C-means cluster algorithm to determine the orientation of each Gabor filter. Since the statistical orientation distribution is based on a set of real palmprint images, the proposed method is more suitable for palmprint recognition. Experimental results indicate that the proposed method achieves higher verification accuracy while compared with that of the original competitive coding scheme and several state-of-the-art methods, such as ordinal measure and RLOC. Considering both the computational complexity and the verification accuracy, competitive code with six orientations would be the optimal choice for palmprint recognition.     

改进的SLTP方法在掌纹识别中的应用

对掌纹识别进行研究,提出了基于改进的软直方图局部三值模式（SLTP）的掌纹识别方法。该方法先对掌纹训练样本进行能量函数的构造,然后用梯度下降法对能量函数进行优化,得到最佳的模糊隶属度函数,进而对掌纹的特征进行提取,最后用Chi概率统计的相似度度量方法进行匹配识别。在PolyU掌纹数据库和IITD掌纹数据库中进行实验验证,结果表明,在相同的训练样本下,改进的SLTP方法相比于SLTP方法,识别率得到提高。从而证明了该方法的有效性。     

基于SURF特征匹配的图像拼接算法

提出了一种了基于SURF（speed up robust features）特征匹配的图像拼接算法。SURF方法是一种快速且鲁棒性较好的特征提取算法,用该算法提取图像特征后,使用改进BBF（best bin first）的快速匹配算法来寻找图像间的匹配点;用LM算法对单应性矩阵进行优化时,本文提出使用梯度误差函数增强对光照变化的鲁棒性;最后采用多分辨率融合方法进行图像融合,有效地消除了拼接痕迹,并保持较高的分辨率。实验结果验证了该算法的高效性,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的效果。     

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。