基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法.首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐...     

基于区域特征合并的分水岭图像分割

传统分水岭变换图像分割方法容易造成过度分割,不利于后期的图像分析与处理。采用一种分水岭变换结合区域特征合并的方法,首先将原始图像进行形态学变换,获取梯度图像;再进行分水岭变换,并将运算后的结果进行基于区域纹理、灰度一致性及区域平滑性等特征的区域合并;最终获取分割结果。实验结果表明,与传统分水岭变换方法相比,该方法能够有效降低因噪声、明暗纹理产生的过分割现象,方法可行、有效。     

基于修正分水岭算法和时域跟踪的视频自动分割

提出一种修正分水岭算法,用于视频自动分割,包括台分割和时域跟踪两方面。该算法可以有效跟踪快速运动的特体,并检测出新物体的出现和原物体的消失。此外分水岭变换和快速运动估计的应用大大减少了计算工作量,提高了效率。模拟结果表明,这一技术对于图像中包含有快速运动物体,或有物体的出现或消失的视频序列可以有效进行分割。     

一种基于纹理特征的遥感影像分水岭分割算法

针对分水岭分割的过分割问题,提出了一种基于纹理特征的高分辨率遥感影像分水岭分割算法。该算法对基于灰度共生矩阵不同特征值得到的纹理影像分别进行降水分水岭变换,进而将两个分割结果进行叠加,最后采用一种新颖的结合纹理特征的区域合并方法完成影像分割。实验表明,文中算法能够准确定位对象的边缘,有效克服过分割及欠分割现象,具有更高的分割精度与稳定性。     

自适应尺度还原的抗旋转全息水印技术

针对旋转攻击与尺度变化攻击,提出一种 基于尺度不变特征变换(SIFT)的可自适应还原尺度变化的抗旋转水印。首先,将水印图像进 行离散余弦变换(DCT),与参考光生成全息水印图像;然后通 过DCT嵌入载体图像Y通道;最后在提取水印时,通过SIFT自适应 还原尺度变化,结构相似性指数(SSIM)校正旋转角度后提取水印信息。 实验表明,本算法在有效抵抗常见攻击的同时,有较强的水印数据信息保真能力,且在同样 的旋转校正精度时,有高效的 运算效率,解决了现阶段抗旋转攻击水印技术只适用于相同尺度下的角度矫正问题。水印提 取时需要原图参与,属于明水印 的一种,因此可以有效用于版权方的版权保护。     

基于Gabor滤波器组的多特征尺度不变特征提取方法

提出了一种多特征尺度不变特征提取方法,简称GIFT(Gabor scale-Invariant Feature Transform).该方法首先利用2D Gabor滤波器组模拟生物视觉感知计算模型进行特征点检测,符合生物视觉感知特性,得到具物理直观性、稳健的特征点.其次采用基于Gabor核函数的特征尺度选择方法对所检测的特征点选择多个特征尺度,得到高可区分性的多特征描述子.最后,通过设计面向多特征尺度的特征匹配策略,提高特征匹配的可靠性.基于标准数据集的对比实验结果表明,GIFT方法在特征匹配率和稳健性上均优于SIFT.     

基于SIFT算法的圆心快速精确定位技术研究

针对SIFT算法在圆心检测应用中的特点,分析了SIFT算法中存在的冗余步骤,提出对其进行简化改进:估计圆心所在的金字塔层,删减金字塔中多余的层数建立,并且通过提高滤除低对比度特征点阈值的办法减少背景特征点的生成,去掉了特征点辅方向分配和建立辅方向特征点这一步骤.分别对计算机模拟牛成的标准圆和实际的PCB定位标志图像做了圆心检测实验,实验表明,SIFT算法改进后在没有降低其定位精度及对图像的模糊、光照、仿射等变换适应性的情况下,大大缩短了检测时间,提高了检测效率.     

基于多尺度特征提取的运动目标定位研究

从尺度不变特征变换算法的实时性与鲁棒性分析入手,针对其在特征点匹配精度和匹配效率两方面不足,提出一种基于运动目标的多尺度特征提取算法.该算法通过设计出一种基于尺度因子变化的高斯核模板尺寸自适应调整以及时间轴帧图像双向配准的办法,成功地修正了运动目标图像配准的实时性与鲁棒性的不足.实验证明,多尺度特征提取算法能够有效而快...     

多尺度特征融合全卷积神经网络脑肿瘤MR图像分割

针对传统以及基于深度学习的脑肿瘤MR图像分割方法存在精度低、特征信息丢失等问题,提出一种多尺度特征融合全卷积神经网络的脑肿瘤MR图像分割算法.该算法首先对脑肿瘤MR图像的4种模态进行归一化处理;将得到的结果通过多尺度特征融合全卷积神经网络(MFF-FCN).该网络是在全卷积神经网络的基础上,引入5×5、7×7大小的卷积...     

基于改进光流场和尺度不变特征变换的非刚性医学图像配准

该文对传统的变分光流模型进行了改进,结合尺度不变特征变换(SIFT)特征点提取提出一种新颖的非刚性医学图像配准算法。该算法模型使用亮度守恒与梯度守恒假设相结合的数据项,很好地解决了对医学图像中局部病灶异常、亮度不均匀等区域的处理问题;通过采用自适应的各向异性正则项,解决了传统光流模型中的过平滑所导致的图像严重模糊和重要细节丢失的问题;通过结合SIFT特征点提取,并采用多分辨率分层细化、内部不动点迭代以及由粗到细的变形技术求解策略,很好地解决了传统光流场模型无法对大形变医学图像以及细节进行配准的问题。实验证明：该文的模型和算法可以很好地实现对医学图像的非刚性配准。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

基于K-均值聚类和分水岭算法的PCB彩色图像分割

针对光学检测印刷电路板(PCB)时需要进行图像分割的问题,提出一种结合K-均值聚类算法的分水岭算法,用于PCB彩色图像分割,即首先将PCB彩色图像聚类,分成不同的颜色区域,按照不同区域进行分水岭分割,最后,将分割线透明的加在原始图像上,完成分割。实验表明,本文提出的算法可以分割PCB彩色图像,并且分割效果好。     

Contourlet-SIFT特征匹配算法

基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特征,对特征及其邻域进行Contourlet变换,由各方向子带分解系数的均值和标准差构建全局纹理描述向量,根据向量间欧氏距离的大小进行特征点排序,选取距离较小的前1%的特征再进行SIFT最近邻比值匹配。实验结果表明该算法对亮度差异大、相似区域多的图像的匹配性能优于SIFT,在保证尺度、旋转、视角等不变性与SIFT相当的同时,匹配速度大为提升。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

基于特征配准的ISAR图像方位定标方法

逆合成孔径雷达(ISAR)成像利用目标相对雷达视线的姿态变化形成的合成孔径获得方位高分辨,成像方位为多普勒轴,通常需要估计目标的有效转动速度以实现ISAR图像的方位定标从而体现目标真实尺寸。现有算法通常利用信号的运动参数估计和图像整体配准。该文提出利用子孔径ISAR图像的特征提取和配对,根据特征点坐标估计目标的有效转角速度。首先利用尺度不变特征变换(SIFT)和快速鲁棒特征(SURF)对两幅ISAR图像进行特征点提取;然后分别采用最短欧氏距离和随机采样一致性(RANSAC)进行特征点的匹配和失配点的剔除;最后根据配对特征点的坐标和能量估算有效转角速度,实现ISAR图像方位定标。仿真数据和实测数据验证了该算法的精确性和稳健性。     

基于形态学尺度空间和梯度修正的分水岭分割

分水岭是一种有效的图像分割方法,但存在过分割现象,为此提出了一种基于形态学尺度空间和梯度修正的分水岭图像分割方法,该方法利用形态学混合开闭重建尺度空间和梯度修正技术,在平滑原始图像的同时保留了重要的区域轮廓而去除了易造成过分割的区域细节和噪声,克服了传统的形态学开闭尺度空间在平滑细节和噪声时,部分重要区域轮廓也被平滑及不满足尺度因果性的问题。对平滑后的图像采用梯度修正分水岭变换,保持了尺度和分割区域数目间的因果性,进一步消除了标准分水岭的过分割现象。仿真实验表明,该方法能有效地消除过分割现象,分割的区域数目满足尺度因果性,且具有较高的区域轮廓定位能力。     

一种基于SIFT的仿射不变特征提取新方法

图像局部特征提取是图像理解及机器视觉领域一个非常关键的问题,其中SIFT特征因具有良好的显著性和鲁棒性而得到广泛应用。但是,SIFT采用DOG检测子,定位的特征区域为各向同尺度变化的圆形区域,故其只具有尺度不变性,并不具备仿射不变性。此外,SIFT采用128维特征向量表示,当在图像特征点较多情况下进行匹配实验时,存在存储空间大、匹配耗时多等缺点。针对这两个问题,本文提出一种新的仿射不变特征提取方法,即HA-DR-SIFT(Hessian Affine-Dimensionality Reduction-SIFT)。首先,用Hessian-Affine 检测子代替DOG检测子,使提取的椭圆图像区域满足仿射不变性需求;其次,用PCA或NLPCA方法对128维特征向量进行降维处理,提高后续运算效率。实验表明,新方法不仅具有良好的仿射不变性,而且在匹配时间和存储空间上优于SIFT算子。      

基于改进SIFT算法的视频序列图像配准

针对尺度不变特征SIFT配准算法中匹配阶段的距离比阈值参数不具有普遍适用性,并且误配点没有得到有效剔除的问题,分别提出了参数自适应和相邻平行性约束的相应改进方法。距离比阈值的参数自适应使得阈值能够对不同的图像进行调整,相邻平行性的约束则进一步减少了误配的特征点对,最终得到更加精确的图像变换关系。将改进后的SIFT算法应用于视频序列图像的配准,实验表明改进算法的性能得到有效提高。