基于亮度序的均值标准差描述子

在已有均值标准差曲线描述子(MSCD)的基础上,引入亮度序划分思想,提出一种基于亮度序的均值标准差描述子(IOMSD).与传统描述子构造时采用固定位置进行子区域划分不同,文中依据局部区域内各像素点的亮度大小关系划分子区域.该方法能克服图像形变带来的边界误差,且对线性光照和单调光照变化具有不变性.实验结果表明,IOMSD对旋转、视角变化及光照变化图像具有鲁棒性,尤其在形变稳定性上优于已有的MSCD算法.     

多重约束条件下的LBD描述子与直线段匹配

目的 针对直线描述子匹配算法缺乏有效的几何约束,且易受弱纹理、尺度变化的影响,提出一种结合多重约束条件的LBD描述子的直线段匹配算法（LBDs）。方法 该算法以LSD算法提取的直线段作为匹配基元,利用SIFT匹配得到的同名点构建同名三角网约束确定候选直线;参考影像上以目标直线段为中心轴建立该直线段的矩形支撑域;根据目标直线段端点及其支撑域四角点在搜索影像上的核线约束建立候选直线段的对应支撑域;利用仿射变换统一目标直线段及候选直线段支撑域的大小;将直线段支撑域分解为大小相等的条形带,通过计算每个条形带的描述符得到该直线段的描述子,依次完成目标直线段与候选直线段LBD描述子的构建;分别计算目标直线段与每个候选直线段描述子向量间的欧氏距离,将满足最近邻距离比准则的候选直线段作为匹配结果;最后选取角度约束对匹配结果检核,确定同名直线。结果 实验选取网上公开的3组分别存在角度、旋转、尺度变换的近景影像对作为实验数据,采用LBDs分别对其进行直线段匹配实验,并与其他直线段匹配算法进行对比分析,实验结果表明,LBDs获取同名直线数目约为其他算法的1.061.41倍,匹配正确率也提高了2.411.6个百分点,从匹配效率上来看,LBDs更为耗时,但兼顾该算法匹配获得同名直线数目、匹配正确率及运行时间,LBDs的鲁棒性更强,匹配结果的准确性与可靠性较高。结论 结合多重约束条件构建的LBD描述子对于存在角度、旋转和尺度变化的影像进行直线匹配过程中具有稳定性。     

基于子块均值的快速块匹配算法

根据积分图像对匹配误差函数进行变形,提出了一种新的局部匹配误差函数——基于子块均值的匹配误差函数。实验表明,基于子块均值的匹配误差函数与完全匹配误差函数相比具有相当的运动估算质量和更快的运动估算速度,与基于子抽样的匹配误差函数相比同时具有更优的运动估算质量和速度。子块划分的恒常性,也保证了基于子块均值的匹配误差函数对于不同的匹配图像所消耗的时间大致相同,非常适合于实时视频压缩等应用。     

球面调和描述子在图像形状匹配中的应用

球面调和分析是球面信号分析的重要工具, 本文采用球面调和描述子对图像进行形状匹配. 首先把平面图像映射到球面上, 然后计算球面图像的球面调和描述子, 最后通过球面调和描述子得到平面图像的相似性. 实验结果表明, 球面调和描述子可以较好地匹配图像的形状相似性, 并且具有旋转和比例不变性.     

Harris相关与特征匹配

基于图像梯度提出一种图像特征,称为Harris相关.应用Harris相关特征,构造图像特征描述子,包括特征点描述子、直线描述子和曲线描述子.这些描述子的构造较简单,对图像旋转与图像亮度的线性变化具有不变性.直线与曲线描述子的构造方法为直线和曲线的匹配提供一种思路.实验表明,应用Harris相关构造的特征点描述子对图像变化表现出较好性能,直线与曲线描述子在实际图像中取得较好的匹配结果.     

基于联合特征块学习的特征直线描述方法

特征直线描述是特征直线匹配过程的关键和基础。为了改善手工设计方法在复杂场景下存在区分性弱、鲁棒性差的缺陷,提出了一种基于联合特征块学习的特征直线描述方法。首先,在原有的小型直线数据集上重新构造直线块,即通过联合每幅图像中直线支撑区域内像素的亮度与梯度获得固定大小的直线块。其次,将获得的直线块输入预先训练的L2-Net,使用微调策略和三元组损失函数训练网络。最后,输出紧凑且强区分性的特征直线描述子。特征匹配任务的实验结果证明,所提出的基于联合特征块学习的特征直线描述方法与最先进的手工直线描述符相比,更具有优越性和有效性。     

实数型曲线描述子二值化研究

曲线匹配技术在模式识别、计算机视觉和图像理解中具有重要作用。随着移动设备的广泛使用,有必要研究存储空间小、匹配速度快的二值型曲线描述子。针对常见实数型曲线描述子(MSCD、IOMSD、IOCD和TCHP),利用阈值化方法,获得由0、1表示的二值曲线描述子。实验结果表明,在旋转、视角变化和光照变化条件下,提出的曲线二值描述子能够保持实数型描述子的匹配准确性,而占用的内存空间仅为原描述子的1/32或1/16。     

多摄像机之间基于区域SIFT描述子的目标匹配

提出了一种多摄像机之间的目标匹配方法,摄像机可以带有云台.该方法是基于区域的方法,但是区域的特征以SIFT描述子而不是通常的颜色来描述,同时目标的检测使用减背景技术,目标跟踪则选用粒子滤波.该文的匹配方法不需要摄像机之间的合作,也不要求目标物体处于同一地平面.文中方法的主要特点还表现在:(1)无几何约束的需求,同一目标物体的背景完全切换后,也可以进行匹配;(2)可以匹配各种类型的目标物体;(3)摄像机在目标跟踪期间可以简单运动(通过云台);(4)适合分布式计算,但也可以集中式处理;(5)容忍亮度的变化.实验结果证明作者的方法是有效的.     

基于卷积神经网络的直线描述方法研究

为提高直线特征匹配的可靠性,提出一种基于卷积神经网络(CNN)学习的直线特征描述方法.构建用于网络学习的大规模直线数据集,该数据集包含约20.8万对匹配直线对,每条直线用其周围的局部图像块表征.将图像块输入CNN,利用HardNet网络结构提取特征,使用三元组损失函数进行训练,输出强鲁棒性的直线特征描述子.实验结果表明...     

采用旋转匹配的二进制局部描述子

针对二进制描述子主方向计算误差影响图像匹配正确性的问题,提出了一种旋转不变的二进制描述子构造和匹配方法。在以特征点为中心的同心圆周上等间隔选取采样点,按照旋转不变的模式选取采样点对进行灰度值比较,将比较结果连接成二进制串,作为区域的描述子。匹配时比较描述子在所有旋转模式中的汉明距离,取最小值作为描述子的距离,实现不依赖于主方向的旋转不变性。配合多尺度特征检测方法,将采样模式进行缩放,并对图像进行亚像素插值,实现尺度不变性。描述子匹配的实验结果表明,本文方法在旋转,尺度和光照变换下的匹配效果比当前依赖主方向的二进制描述子方法具有更高的鲁棒性。     

基于LBP算子及伪Zernike的景象匹配算法

针对目前景象匹配算法耗时长、匹配率低等缺陷,提出基于改进的局部二进制模式（LBP）及伪Zernike矩的景象匹配算法。采用伪Zemike矩提取特征点邻域的方向和尺度信息,利用改进后的LBP算子提取邻域的纹理信息。对尺度、方向信息进行主成分分析并二值化,与纹理信息组成混合矩构成特征点邻域的特征描述子。实验结果表明,该算法的计算复杂度比其他典型算法低,匹配时间为0．05S,基本满足实时性。给出各种情况下的匹配效果图,并将匹配率逐一对比,该算法的匹配率在标准情况下为100％,旋转变化下为64．52％,亮度变化下为53．84％,均高于其他算法,而在尺度变化下的匹配率与其他典型算法基本持平。     

点模式匹配——基于谱描述子的算法

为了提高谱匹配算法对噪声和出格点的鲁棒性,提出一种基于谱图理论的结构描述子,并在此基础上结合几何相容性给出了匹配目标函数的定义及相应求解算法.首先给出一种利用特征谱与谱隙序列的统计量构造的结构描述子,以获得定长的特征点属性表示;然后结合邻近关系表示的几何相容性定义了求解匹配问题的目标函数,将匹配问题转化为一对一约束下的优化问题;最后介绍了利用概率松弛对匹配目标函数的求解方法.在模拟数据与真实图像上的比较实验结果均表明该算法具有相对较高的准确性.     

结合SURF特征点与DAISY描述符的图像匹配算法

图像匹配技术是许多计算视觉问题研究的基础,基于图像局部特征的方法是本领域研究的热点。为了解决经典的SURF算法在旋转不变性上表现欠佳的问题,提出了一种结合SURF特征点与DAISY描述符的图像匹配算法。在SURF算法特征点检测的基础上,提出一种适合DAISY描述符的主方向分配方法,并按照该主方向旋转获得新的DAISY描述符。本算法在略微增加运算成本的基础上,增强了经典SURF算法在图像旋转上的匹配能力。实验结果表明,在图像模糊、光照变化、JPEG压缩比变化、视场变化等多种复杂情况下,本算法具有更强的鲁棒性。     

一种基于细节点局部描述子的指纹图像匹配方法

非线性形变现象在指纹图像中十分普遍,严重地制约了指纹识别系统的识别性能。为了克服指纹图像中的全局非线性形变,本文提出了指纹图像匹配"整体对齐,局部匹配;粗糙对齐,精确匹配"的原则。在此基础上,本文设计了一种细节点局部邻域描述子,利用该描述子对齐指纹图像,研究了基于该描述子的指纹图像相似度计算方法。基于FVC2000 DB2、FVC2002 DB1和FVC2004 DB2的一系列实验结果表明,本文提出的算法性能优于同类算法,能够有效抑制非线性形变对指纹图像匹配的影响。     

基于SIFT特征描述子的立体匹配算法

目前,立体匹配是计算机视觉领域最活跃的研究课题之一。为了克服传统的局部特征匹配算法对噪声和图像灰度的非线性变换敏感的缺点,本文提出了一种新的基于SIFT(Scale Invariant Feature Transform)特征描述子的立体匹配算法。该算法利用图像梯度信息,构造基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。实验结果表明,该方法匹配精度高,对图像灰度的非线性变换比较鲁棒,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。     

改进的Fourier-Mellin描述子在图像匹配中的应用

Fourier-Mellin描述子被广泛应用于数字图像匹配中,但由于频谱混叠等噪声及误差的存在,不能保证变化后得到的相关值分布形式是一个标准的二维脉冲函数。本文在此基础上引入带核函数的加权距离公式,先用小波变换在频域中提取出稳定的特征点形成特征向量;然后利用核函数对特征向量进行修正,使之形成标准的二维脉冲函数,以便计算出正确的匹配参数,从而达到两幅图像的匹配。实验结果表明了新算法的有效性和可靠性。