一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。      

带有未知匹配的图像线特征三维重建方法的研究*

为了解决传统三维重建过程中线特征匹配速度慢、建模与匹配过程脱节的问题,提出了基于相关系数的图像线特征匹配的方法,运用此方法对同一物体的三幅图像进行了特征匹配和三维重建。建立了目标物体的三维模型,达到了对物体线特征匹配与三维重建同步进行的目的。通过对所得实验数据分析,可以证明此算法对于物体的三维重建是有效的。     

图像三维重建中的特征点匹配方法研究

针对传统三维重建中点特征匹配算法的局限性,提出了基于相关系数的图像点特征匹配方法,实现了对图像点特征匹配与三维重建同步进行的目的。基于同一物体的两幅图像,给出了其特征匹配和三维重建的算法,并通过实验数据分析了此算法的有效性。     

面向高维图像特征匹配的多次随机子向量量化哈希算法

为了解决高维图像特征的高效匹配问题,提出一种新的基于多次随机子向量量化哈希(MRSVQH)的索引算法.该算法根据随机选择的若干子向量的L2范数对特征向量进行量化,并根据量化值对特征向量进行散列,构建出哈希索引结构;为了提高搜索精度,类似的哈希索引结构被多次构建.搜索时仅考察与查询向量有相同哈希值的特征向量集合,缩减了搜索范围.实验数据表明,与经典的BBF和LSH算法相比,MRSVQH算法在图像特征的最近邻搜索精度和搜索速度方面都有较大的性能提升,在图像匹配和图像检索的应用中具有优势.     

基于支持向量域描述的图像集匹配

提出一种基于支持向量域描述的图像集匹配方法.该方法首先通过支持向量机学习,将每个图像集合映射到高维特征空间,使用支持向量域对图像集合建模,建立的模型使用一个包含大部分样本的最小闭球表示.然后引入基于支持向量域之间距离的相似性度量,将集合的匹配转换为成对的支持向量域之间的距离计算.最后在基于集合的人脸和对象识别任务中分别进行测试,文中方法的识别率在ETH80、HondaUCSD和YouTube数据库上分别达到96.37%、100%和95.32%,优于其他方法.     

基于HEVC屏幕图像编码的哈希表的优化算法

仿2维匹配算法对屏幕图像中的非连续色调区域有很好的压缩性能,但该算法中哈希表的空间开销较大,不利于硬件实现。为了减小哈希表的空间,通过对原算法优化提出了一种3字节计算哈希值方法,将源数据看作是一个由以YUV三元组为元素组成的数据集合,然后以YUV三元组为单位计算哈希值,这样不但减少了哈希值的计算量,而且使哈希表的存储空间得到很大的节省。实验结果表明,3字节计算哈希值方法使哈希表的存储空间减少为原算法的1/3,所测试屏幕图像的BD-rate性能也有所提高。     

基于网格多密度的古建筑图像特征匹配方法

古建筑图像三维重建中图像特征可靠匹配是影响重建效果的一个关键问题.为提高古建筑图像特征的匹配性能,提出了一种基于网格多密度聚类的特征匹配方法.该方法首先采用SIFT算子获取图像特征点;其次对图像进行网格划分,依据网格单元特征点密度确定图像锚单元、邻居单元、边界单元;然后依据局部区域密度相似性确定图像簇;最后对相似簇中的特征点依据最近邻距离比准则进行匹配.在中国古代建筑三维重建数据集和141幅山西晋祠古建筑图像上进行了实验,验证了算法的有效性.     

基于图像运动的三维重建及虚拟化应用

提出了一种稳定、快速地获取摄像机视频运动图像的三维重建方法,并对该运动图像做适当的虚拟化处理以展示重建效果。采用基于尺度不变特征点匹配的摄像机标定进行三维重建。尺度不变特征对于视频图像中的特征具有优秀敏锐的匹配能力,极大地放宽了摄像机标定对于设备上的限制,拓宽了实时三维重建的适用范围。通过对系统的一系列优化,不但提升了三维重建的精度,减少了错误匹配对摄像机标定的影响,而且进一步提升了处理速度。通过在三维重建的基础之上进行虚拟化处理,展示了本系统的三维重建效果。实验结果表明,该系统适用范围广,处理速度较快,重建精度高,实现了基于视频运动图像的三维重建。     

融合多层卷积神经网络特征的快速图像检索方法

基于卷积神经网络在图像特征表示方面的良好表现,以及深度哈希可以满足大规模图像检索对检索时间的要求,提出了一种结合卷积神经网络和深度哈希的图像检索方法.针对当前典型图像检索方法仅仅使用全连接层作为图像特征进行检索时,存在有些样本的检索准确率为零的问题,提出融合神经网络不同层的信息作为图像的特征表示;针对直接使用图像特征进行检索时响应时间过长的问题,使用深度哈希的方法将图像特征映射为二进制的哈希码,这样哈希码中既包含底层的边缘信息又包含高层的语义信息;同时,提出了一种相似性度量函数进行相似性匹配.实验结果表明,与已有的图像检索方法相比,该方法在检索准确率上有一定程度的提高.     

乒乓球的三维运动轨迹重建

主要基于图像序列对乒乓球的运动轨迹进行三维重建,并对乒乓球运动形态进行分析.首先对采集的图像进行立体校正,利用颜色识别和改进的霍夫圆检测算法提取出序列图像中乒乓球的圆心坐标;然后根据前后帧图像的特征点坐标差值在时间序列上匹配特征点;最后,利用三角测量法对匹配的特征点进行三维重建,并计算出乒乓球不同时刻的速度和加速度,实现了动态物体的三维运动重建.实验结果表明该三维运动重建方法提高了特征提取的准确性,有效地实现了时间序列上的匹配,获得了物体的三维运动数据.     

一种快速的三维扫描数据自动配准方法

研究了两幅和多幅深度图像的自动配准问题.在配准两幅深度图像时,结合二维纹理图像配准深度图像,具体过程是:首先,从扫描数据中提取纹理图像,特别地,针对不包含纹理图像的扫描数据提出了一种根据深度图像直接生成纹理图像的方法;然后,基于SIFT(scale-invariant feature transform)特征提取纹理图像中的兴趣像素,并通过预过滤和交叉检验兴趣像素等方法从中找出匹配像素对的候选集;之后,使用RANSAC(random sample consensus)算法,根据三维几何信息的约束找出候选集中正确的匹配像素对和相对应的匹配顶点对,并根据这些匹配顶点对计算出两幅深度图像间的刚体置换矩阵;最后,使用改进的ICP(iterative closest point)算法优化这一结果.在配准多幅深度图像时,提出了一种快速构建模型图的方法,可以避免对任意两幅深度图像作配准,提高了配准速度.该方法已成功应用于多种文物的三维逼真建模.     

基于谱图理论的特征匹配方法研究和改进

图像匹配问题是计算机视觉领域的一个基本问题,广泛地应用于很多领域,如:模式识别,自动导航,医学诊断,计算机视觉,图像三维重构等领域。将所研究的问题转化为数学问题,再利用数学工具解决这一问题,成为当今研究的一种重要手段。在这里,将图像匹配中的图像转化为数学-图论中的图,利用谱图理论解决图像匹配问题,从而形成了一类比较流行而新颖的方法,针对这一方法进行了较为系统的探究并做出了改进。     

基于联合图频谱特征分析的异源图像匹配方法

针对光线强度过高或过低情况下的异源图像匹配问题,提出一种基于联合图频谱特征分析的异源图像匹配方 法。首先,采用K 近邻法则计算可见光图像与红外图像中角点的结构关系并构建联合图;接着,基于拉普拉斯分解计算联合图 中邻接矩阵的特征值从而得到邻接矩阵的特征向量,并通过三维重构构建特征函数对;第三,提出一种基于SU SAN -M SER - SU R F最大稳定极值区域检测器,检测特征函数对的极值位置;最后,通过对最大稳定极值区域进行归一化后匹配,可以得到 异源图像的精确匹配结果。实验结果表明,提出的基于联合图频谱特征分析的匹配方法能够解决光强过高或过低情况下的异 源图像匹配问题并取得较优异的匹配率。     

图像点模式匹配的一种凸包序列的图谱方法

利用点集的凸包具有仿射不变性和局部可控性,针对图谱方法难以精确匹配旋转角度较大图像的问题,提出了图像点模式匹配的一种凸包序列的图谱方法,使得匹配在图像旋转角度较大的情形下仍具有稳定性。构建图像特征点集新的图模型（凸包）,利用改进的图谱方法对凸包进行匹配,并减小原始特征点集,迭代上述过程,通过构造凸包序列,自特征点集的外围到内部逐步匹配,得到较精确的匹配对。实现基于凸包序列的图谱方法的图像点模式匹配。实验结果表明,该方法不但能精确匹配旋转角度较小的图像,而且对于旋转角度大的图像以及多光谱图像匹配精度也较高。     

基于双目视觉的三维人脸重建方法

提出了一种基于双目视觉的三维重建方法,无须昂贵设备和通用模型。从校正后的图像中提取有效人脸重建区域以降低整体耗时。改进了Realtime局部立体匹配算法和基于种子视差约束的区域生长算法,融合Realtime阈值排序和置信度排序进行区域生长,提高了种子像素提取的可靠性和降低区域生长误匹配的可能性。最后,研究了纹理映射技术,提高了重建模型的逼真度。实验结果表明,该方法能够产生逼真光滑的三维人脸模型。     

一种基于全部和局部平滑光流的分步人脸重建算法

提出一种基于全部和局部（combined local-global approach, CLG）平滑光流的分步人脸重构算法。首先利用原始CLG得到图像初始匹配值; 再以反投影残差、光流梯度、人脸光流范围进行约束, 找出初始匹配中不可信匹配区域; 最后对不可信图像区域提取纹理并再次计算光流值。实验表明, 该人脸重建算法的重建精度与鲁棒性比原始CLG算法高, 能够得到光顺的人脸三维数据。     

3D Echocardiogram Reconstruction Employing a Flip Directional Texture Pyramid

Three dimensional (3D) echocardiogram enables cardiologists to visualize suspicious cardiac structures in detail. In recent years, this three-dimensional echocardiogram carries important clinical value in virtual surgical simulation. However, this 3D echocardiogram involves a trade-off difficulty between accuracy and efficient computation in clinical diagnosis. This paper presents a novel Flip Directional 3D Volume Reconstruction (FD-3DVR) method for the reconstruction of echocardiogram images. The proposed method consists of two main steps: multiplanar volumetric imaging and 3D volume reconstruction. In the creation of multiplanar volumetric imaging, two-dimensional (2D) image pixels are mapped into voxels of the volumetric grid. As the obtained slices are discontinuous, there are some missing voxels in the volume data. To restore the structural and textural information of 3D ultrasound volume, the proposed method creates a volume pyramid in parallel with the flip directional texture pyramid. Initially, the nearest neighbors of missing voxels in the multiplanar volumetric imaging are identified by 3D ANN (Approximate Nearest Neighbor) patch matching method. Furthermore, a flip directional texture pyramid is proposed and aggregated with distance in patch matching to find out the most similar neighbors. In the reconstruction step, structural and textural information obtained from different flip angle directions can reconstruct 3D volume well with the desired accuracy. Compared with existing 3D reconstruction methods, the proposed Flip Directional 3D Volume Reconstruction (FD-3DVR) method provides superior performance for the mean peak signal-to-noise ratio (40.538 for the proposed method I and 39.626 for the proposed method II). Experimental results performed on the cardiac datasets demonstrate the efficiency of the proposed method for the reconstruction of echocardiogram images.