基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

A similarity measure for stereo feature matching

An approach to stereo feature matching is presented with the introduction of a similarity measure for evaluating and confirming a stereo match. The contributions of this study are reflected in (1) the development of a similarity measure which evaluates a stereo match based on feature locality and gray-level gradient associated with the feature; and (2) the use of a matching procedure that integrates local and global matching strategies based on matching first those features with the highest similarity measure among the set of all highest similarities found locally under confined search spaces, ensuring that each feature is matched with a high degree of certainty. A left-to-right and right-to-left consistency check is used for each feature to comply with the uniqueness constraint and to confirm if a potential match can be declared a correct match     

基于局部相似性的特征匹配筛选算法

针对传统ORB算法匹配效率低、误匹配率高的问题,提出一种基于局部相似性的特征匹配筛选算法。对传统的非极大值抑制算法进行优化,优化后算法在效率上有明显的提升并且可以保留更多能准确匹配的特征像素点,从源头减少了误匹配的产生。针对传统RANSAC筛选算法迭代慢、对视角变化图像的鲁棒性不足的缺陷,提出一种基于局部相似性的筛选算法,通过特征像素点局部范围内其他特征像素点的相似分布进行筛选。实验结果表明,提出的筛选算法具有更高的效率,同时对视角变化的图像鲁棒性更强。     

一种基于权重矩阵的协同过滤算法的相似度度量方法

协同过滤算法作为目前推荐系统中重要的技术之一,其中相似度度量方法是衡量其效果的重要指标。传统相似度度量方法主要是在用户评分矩阵的基础上对用户的共同评分项进行度量,却忽视了用户评分标准不一致和共同评分项目之外的可用数据。基于上述问题,从用户交叉项目和交叉项目之外的已有权重项目两方面共同考虑,文中融合了修正的Tanimoto系数和相关相似性,提出一种基于权重矩阵的协同过滤相似度度量方法,有效避免了因用户评分标准不一致出现的误差,提高了数据利用率。实验结果表明,该算法有效地提高了推荐的准确性。     

一种新的序列图像匹配定位算法

景象匹配是飞行器导航定位中广泛采用的一项技术,如何提高图像的匹配概率,始终是该项技术中一个值得研究的课题。针对传统的利用单幅实时图像进行匹配时,存在的实时景象图过小、匹配特征不足,从而导致匹配效率过低的问题。文中研究了一种基于归一化灰度相关序列图像匹配算法,利用飞行器飞越匹配区时所得到的序列实时图像,在序列中各单幅图像匹配的基础上,利用一定的规则来综合单幅图像的匹配结果,从而得到最终匹配结果。实验证明,文中方法不仅能显著提高匹配性能,而且有较大的实用性。     

适用于模糊熵差景象匹配算法的后检测技术

研究了有效特征区域的松弛检测方法，对基于模糊熵差的景象匹配算法进行相应后处理．提高了匹配性能。针对模拟图像及实际航片图像，通过迭代计算已知重心点的匹配支持度来实现虚假点的剔除。比较处理前后匹配算法的性能，验证了后处理技术的正确性和有效性。     

一种新的粒子群优化的图像匹配算法

针对粒子群算法在图像匹配中易陷入局部最优、搜索速度慢以及匹配精度不高的问题,提出一种新的粒子群优化的图像匹配算法。首先,以改进的非线性惯性权重对粒子群算法进行优化,以此来平衡粒子在全局和局部的搜索能力;其次,提出添加动态扰动项对速度进行扰动,避免粒子在算法后期速度停滞为零而陷入局部最优。仿真结果表明,该算法提高了粒子的全局搜索能力和收敛精度,有效防止早熟现象,与基于标准的PSO图像匹配算法相比,所提算法具有收敛速度快、鲁棒性好以及匹配精度高的特点。     

一种基于方向链的指纹分类算法

提出一种基于方向场分析的指纹分类方法.以poincare方法定位指纹中心点,以其为起点,在两个相反的方向上对指纹的纹理方向进行追踪,形成两条方向矢量链,简称为方向链.不同类别指纹具有不同形状的方向链,以方向链总角度差和分支角度差作为分类依据,实现指纹的分类.该方法对指纹的平移和旋转具有无关性,计算量小,易于实现.在NIST-4数据库的50幅图像上测试取得了96%的正确率,在FVC2000的DB1和DB2、FVC2002的DB1和DB2 4个库的800×4幅图像上测试分别取得了89.1%、92.8%、92.3%和89.8%的正确率.     

一种新的基于直觉模糊集的作战决策算法

针对现有作战决策算法存在的不足,提出了一种新的基于直觉模糊集的作战决策算法.用直觉模糊值表示可行方案指标的不确定信息,综合考虑了方案满足指标的可能性、不满足的可能性和未知的可能性3个方面的因素,给出了直觉模糊决策矩阵的建立方法和可行方案优劣度排序方法.实例及实际应用证明了算法的有效性与可行性.     

基于模糊阈值的回溯分段弱正交匹配追踪算法

为提高分段弱正交匹配追踪(Stagewise Weak Orthogonal Matching Pursuit,SWOMP)算法的重构质量,改进SWOMP算法的重构性能,提出一种基于模糊阈值的回溯分段弱正交匹配追踪(Backtracking Stagewise Weak Orthogonal Matching Pursuit Al-gorithm based on Fuzzy Threshold,FTB-SWOMP)算法.该算法首先通过采用SWOMP算法初始化选取一些大于门限的原子,在每次迭代过程中引入回溯,采用基于模糊阈值的回溯方式删掉个别错误原子,实现自适应的选取原子来更新支撑集,每次迭代的过程不断更新扩大支撑集,逐步逼近信号的稀疏度.实验结果表明,相同实验条件下,新算法能够以高概率恢复原始一维信号,且重构误差小;对于在二维图像上的应用,新算法仍保证重构时间短的优势,并比原算法具有更好的重构精度.     

基于布隆过滤器的字符串模糊匹配算法的FPGA实现

深度包检测技术通过对数据包内容的深入扫描和检测,能够有效识别出隐藏在数据包有效载荷内的非法数据,但该技术存在功耗非常大的缺点。针对该问题,提出了采用Bloom Filter(布隆过滤器)进行字符串模糊匹配方式,利用Bloom Filter将信息流中大部分正常流量过滤掉,从而减轻了后端的字符串精确匹配的压力,降低了系统功耗,大大提高了处理速度。     

一种新的SAR图像分块匹配算法

当SAR图像噪声过强时,采用归一化积相关算法得到的相关面对比性较差,匹配结果可靠性降低。为解决此问题,给出一种新的SAR图像分块匹配算法。该算法将实时图分块并分别与基准图进行匹配,利用分块图像之间的相关性来找正确匹配点,增强了匹配结果的可靠性。实验证实该算法在实时图有强噪声的情况下依然可以正确匹配。     

A new unsupervised classification algorithm for polarimetric sar images based on fuzzy set theory

In this letter, a new method is proposed for unsupervised classification of terrain types and man-made objects using POLarimetric Synthetic Aperture Radar （POLSAR） data. This technique is a combination of the usage of polarimetric information of SAR images and the unsupervised classification method based on fuzzy set theory. Image quantization and image enhancement are used to preprocess the POLSAR data. Then the polarimetric information and Fuzzy C-Means （FCM） clustering algorithm are used to classify the preprocessed images. The advantages of this algorithm are the automated classification, its high classification accuracy, fast convergence and high stability. The effectiveness of this algorithm is demonstrated by experiments using SIR-C/X-SAR （Spaceborne Imaging Radar-C/X-band Synthetic Aperture Radar） data.     

基于模糊匹配的多级车牌匹配技术

在当前技术中,车牌之间的匹配一般采用的是精确匹配,其不足以满足旅行时间、OD调查等研究的需要。针对此问题,设计了一种基于模糊匹配的多级车牌匹配技术。该方法通过限定车牌经过上下游交叉路口的时间间隔、计算车牌之间的编辑距离进行车牌的模糊匹配,将匹配成功的车牌的旅行时间用四分位数法进行异常数据的剔除,并通过北京市某路段的实测数据进行验证。实验发现多级车牌匹配技术可以很好地提高车牌的匹配率,从而为基于车牌的其他研究提供更有效、可靠的数据。     

A new similarity measure for non-local means filtering of MRI images

In this paper, the application of non-local means (NLM) filtering on MRI images is investigated. An essential component of any NLM-based algorithm is its similarity measure used to compare pixel intensities. Unfortunately, virtually all existing similarity measures used to denoise MRI images have been derived under the assumption of additive white Gaussian noise contamination. Since this assumption is known to fail at low values of signal-to-noise ratio (SNR), alternative formulations of these measures which take into account the correct (Rician) statistics of the noise are required. Accordingly, the main contribution of the present work is to introduce a new similarity measure for NLM filtering of MRI images, which is derived under bona fide statistical assumptions and proves to posses important theoretical advantages over alternative formulations. The utility and viability of the proposed method is demonstrated through a series of numerical experiments using both in silico and in vivo MRI data.     

一种基于等价字符的不完整时间序列相似度算法

针对几种典型相似度算法在求解不完整时间序列相似度问题上准确率低、适应性差的问题,利用差分变换、量化处理、符号化处理、等价字符变换方法并借鉴最长公共子序列、贪婪字符串匹配算法优点,提出了一种适用于不完整时间序列的相似度求解算法。针对等长脉冲缺失时间序列,该算法的相似度结果经加权平均处理,准确率比典型算法提高了10%以上;而对于更具一般性的非等长脉冲缺失时间序列,相似度结果准确率也有明显提高。实验结果表明该算法对不完整时间序列具有较好的数据关联效果,在真实数据环境下具有较强的鲁棒性。     

一种多传感器融合的景像匹配算法

为提高景像匹配算法的匹配概率和匹配精度,以多传感器最大属性数据融合方法为基础,分析了光学与雷达传感器获取图像的特性,提出了使用光学和雷达传感器进行融合相关的新匹配算法,实现了这两种传感器的优势互补,大大加强了景像匹配算法的抗干扰能力,有效提高了匹配概率和匹配精度。仿真证明,该方法比较成功。     

一种基于图像分割的立体匹配算法

针对在立体匹配过程中的低纹理和视差不连续的问题,提出了一种基于图像分割的立体匹配算法。首先采用Mean-Shift算法对彩色图像进行图像分割,并认为分割区域块内的像素视差是平滑的,然后采用较大窗口匹配方法,提取左右彩色图像相似像素点作为种子点,根据区域内的平滑约束条件,利用小窗口匹配方法将种子点向周围区域扩散,最终得到稠密视差图。实验结果表明该算法相比传统的自适应匹配算法,视差不连续区域匹配误差降低10%左右。     

招聘网站职位与简历的双向匹配相似度算法

针对当前热门的网络招聘模式中简历与职位的匹配推荐算法的参考信息属性较少,难以为求职者提供真正准确度高、行之有效的职位信息推荐的现实,进行招聘网站中的企业和个人用户属性信息数据、简历和职位的属性信息匹配度的研究,借助于贝叶斯公式对于简历中的专业信息进行行业分类,在此基础上提出改进的相似度算法,对职位和简历的属性进行相似度算法计算,得到职位与简历之间的匹配度信息,从而做到更为精准有效的职位推荐,最后采用真实网站数据完成了算法检验,效果较好。     

A new detection algorithm (NDA) based on fuzzy cellular neural networks for white blood cell detection.

White blood cell detection is one of the most basic and key steps in the automatic recognition system of white blood cells in microscopic blood images. Its accuracy and stability greatly affect the operating speed and recognition accuracy of the whole system. But there are only a few methods available for cell detection or segmentation due to the complexity of the microscopic images. This paper focuses on this issue. Based on the detailed analysis of the existing two methods--threshold segmentation followed by mathematical morphology (TSMM), and the fuzzy logic method--a new detection algorithm (NDA) based on fuzzy cellular neural networks is proposed. NDA combines the advantages of TSMM and the fuzzy logic method, and overcomes their drawbacks. With NDA, we can detect almost all white blood cells, and the contour of each detected cell is nearly complete. Its adaptability is strong and the running speed is expected to be comparatively high due to the easy hardware implementation of FCN. Experimental results show good performance.