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。     

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。     

一种基于鲁棒Hausdorff距离的目标匹配算法

在传统的基于边缘位置的Hausdorff距离匹配的基础上,将边缘的梯度信息引入到距离度量当中,构造了一种新的三维距离函数。在此基础上,提出了一种鲁棒的三维Hausdorff距离及其目标匹配算法,采用粗匹配与精匹配相结合的两步匹配策略有效解决了由距离度量维数增加所导致的算法复杂性增大的问题。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离目标匹配算法在鲁棒性上有很大的提高。     

图像匹配的鲁棒型Hausdorff方法

提出基于一种新型Hausdorff距离的鲁棒型图像匹配方法，首先对传统的各种Hausdorff距离所存在的缺陷进行了分析，然后根据这些缺陷提出了“鲁棒型”的Hausdorff距离，这一新的距离考虑了边缘点的位置，边缘点的总数，由有限点组成的伪边缘，出格点和边缘的遮挡等因素，从而使传统的缺陷得到了克服，对合成图像及实际图像的实验结果表,暖气 提出的Hausdorff距离测度比传统的Hausdorff距离测度更为有效。     

一种改进的Camshift/Kalman运动目标跟踪算法

针对目标跟踪中的目标遮挡、丢失等情况,提出了一种改进的基于空间边缘方向直方图的Camshfit/Kalman跟踪算法.首先,利用空间边缘梯度方向作为匹配信息,同时自适应修正每帧中的匹配模板,再使用Kalman滤波器对运动目标的位置进行预测更新,以克服目标遮挡情况及噪声的干扰.实验表明,该算法能够较好处理目标遮挡情况,实现运动目标的高精度跟踪.     

基于Hausdorff距离的图像配准快速算法

在图像配准过程中,传统Hausdorff距离算法的计算量较大。针对该问题,提出一种基于Hausdorff距离的图像配准快速算法。将参考图像和待配准图像进行边缘检测,在待配准图像上任意选取一个模板,通过设定一个变化的阈值对Hausdorff距离算法进行改进,以减少不必要点的计算,实现快速匹配,并根据匹配数据,对图像进行尺度变换及旋转操作,使2幅图像能在空间上配准。实验结果表明,与传统的配准算法相比,该算法的计算复杂度较低。     

基于电子稳像的嵌入式行人检测系统

设计并实现了一种基于电子稳像处理的数字信号处理器(DSP)嵌入式平台的行人检测算法:采用平滑特征轨迹法对输入视频进行电子稳像处理;采用sobel边缘算子提取人体的头肩边缘图像,根据改进Hausdorff相似性度量原理,提出了基于改进Hausdorff距离头、肩边缘模板匹配的行人目标检测算法;通过卡尔曼滤波算法对行人目标进行实时跟踪.实际路口测试结果表明:在TMS320DM8168嵌入式平台上设计与实现的基于改进Hausdorff距离头肩边缘模板匹配的行人检测算法可以对行人实现实时检测和实时跟踪,结合电子稳像算法,可以达到95％的检测率、9帧/s的检测速度,而误检率为4％,能够满足实际使用需求.     

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。     

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.     

一种高性能的遥感图像目标快速筛选算法

提出一种基于双向部分Hausdorff距离的特征点匹配方法，目的是提高从遥感图像中自动筛选感兴趣目标的精度和速度。这种方法通过构造图像多分辨率金字塔，按照一定间隔旋转模型，将双向部分Hausdorff距离作为平移矢量的函数来计算并采用多种加速机制等途径，依次确定平移、旋转和尺度变换参数，较好地解决了图像与模型之间存在平移、旋转、尺度变换时对应关系的求解问题。关于实际遥感图像的大量实验表明，该方法具有计算简便快捷、对边缘位置误差稳健、可工作于遮挡、阴影、复杂背景存在的环境中的优点。     

基于粒子预测的自适应图像匹配目标跟踪算法

在基于自适应图像匹配跟踪算法上研究了让其结合粒子预测及对模板图像更新的综合算法,对非线性、非高斯问题进行了位置预测,针对Hausdorff算法计算量大的问题,采取了更新结合的方法,改变并对自适应图像匹配跟踪算法的匹配跟踪性能进行分析.实验结果表明,纳入粒子预测的自适应跟踪算法既继承了相关跟踪直观实用的特点,有效的克服障碍物的遮挡问题,又具有较高匹配跟踪稳定性.     

Fast similarity metric for real-time template-matching applications

In this study, a visual similarity metric based on precision–recall graphs is presented as an alternative to the widely used Hausdorff distance (HD). Such metric, called maximum cardinality similarity metric, is computed between a reference shape and a test template, each one represented by a set of edge points. We address this problem using a bipartite graph representation of the relationship between the sets. The matching problem is solved using the Hopcroft–Karp algorithm, taking advantage of its low computational complexity. We present a comparison between our results and those obtained from applying the partial Hausdorff distance (PHD) to the same test sets. Similar results were found using both approaches for standard template-matching applications. Nevertheless, the proposed methodology is more accurate at determining the completeness of partial shapes under noise conditions. Furthermore, the processing time required by our methodology is lower than that required to compute the PHD, for a large set of points.     

一种用于辅助导航的快速图像匹配方法

为了提高辅助导航中多传感器图像匹配的精确性和实时性,首先提取图像的边缘特征,并用3-4距离变换(3-4DT)方法对边缘二值图像进行变换,以变换后的边缘距离图像为匹配特征;针对传统Hausdorff距离的局限性提出了一种融合点集重合数的Hausdorff距离,并以之为相似性度量;搜索策略根据人眼视觉系统的机制采用一种由远到近的分层匹配方法,同时使用一种改进的实数编码遗传算法来加快底层图像匹配的速度。实验结果为平均匹配时间为1283m s,平均误差值为1.036,表明匹配方法能满足导航要求。     

Human face recognition based on spatially weighted Hausdorff distance

The edge map of a facial image contains abundant information about its shape and structure, which is useful for face recognition. To compare edge images, Hausdorff distance is an efficient measure that can determine the degree of their resemblance, and does not require a knowledge of correspondence among those points in the two edge maps. In this paper, a new modified Hausdorff distance measure is proposed, which has a better discriminant power. As different facial regions have different degrees of significance for face recognition, a new modified Hausdorff distance is proposed which is weighted according to a weighted function derived from the spatial information of the human face; hence crucial regions are emphasized for face identification. Experimental results show that the distance measure can achieve recognition rates of 80%, 87%, and 91% for the first, the first five, and the first seven likely matched faces, respectively.     

基于Hausdorff距离和改进ASM的人脸跟踪方法*

针对视频图像中人脸定位跟踪的问题,提出了基于Hausdorff距离和改进ASM的跟踪方法.由于Hausdorff距离多模板匹配的复杂性,采用ASM的人脸模型作为模板大大降低了模型维数;并对传统的ASM算法进行了改进,利用DCT进行去相关和能量集中,充分利用特征点附近的二维纹理信息代替传统ASM的一维灰度信息,提高了定位速度和精度.实验证明该方法在视频图像人脸跟踪中是非常有效的.     

基于Hausdorff度量的快速图象匹配算法

借助于计算机形态学的膨胀运算,文章提出了一种基于Hausdorff距离的快速图象匹配算法.Hausdorff距离相似性度量简化为膨胀和累加运算两个步骤,与传统的Hausdorff距离计算方法相比,具有简单、快速的特点.仿真结果验证了所提出算法的有效性.     

Line-based recognition using a multidimensional Hausdorff distance

A line-feature-based approach for model based recognition using a four-dimensional Hausdorff distance is proposed. This approach reduces the problem of finding the rotation, scaling, and translation transformations between a model and an image to the problem of finding a single translation minimizing the Hausdorff distance between two sets of points in a four-dimensional space. The implementation of the proposed algorithm can be naturally extended to higher dimensional spaces to efficiently find correspondences between n-dimensional patterns. The method performance and sensitivity to segmentation problems are quantitatively characterized using an experimental protocol with simulated data. It is shown that the algorithm performs well, is robust to occlusion and outliers, and that it degrades nicely as the segmentation problems increase. Experiments with real images are also presented     

一种快速实用的车牌字符识别方法

提出了一种新的车牌字符识别算法.该方法先对车牌中的单个字符进行预处理,然后采用Hausdorff距离模板匹配方法识别,对于特定位置的特殊字符,再进行校正识别.实验表明,该方法有效可行。     

基于向量长度的Hausdorff距离图像匹配方法

针对采用Hausdorff距离描述两组点集之间相似程度时对孤立点噪声敏感的问题,提出一种基于向量长度的Hausdorff距离图像匹配方法。考虑图像中像素点之间的相互关系,连接图像中一个像素点和其他点构成一个向量长度集合,每个像素点对应一个向量长度集合,进行图像匹配时,计算模板图像中每个像素点的向量长度集合与待匹配图像中像素点向量长度集合的改进Hausdorff距离,从而得到匹配的量化结果。实验表明,新方法处理噪声图像具有较好的鲁棒性。