基于相对形状上下文与概率松弛标记法的点模式匹配算法

点模式匹配是计算机视觉和模式识别中重要而基础的问题。在立体视觉匹配、图像配准、目标识别与跟踪等方面都有广泛的应用,是目前各领域关注和研究的热点。该文提出了一种新的将不变特征与概率松弛标记法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征—相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义概率松弛标记法中新的相容性系数,并以此为基础来构造鲁棒的支持函数。最后通过匹配概率矩阵的松弛迭代以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了本文算法在点集间存在相似变换乃至透视变换情况下具备较高匹配正确率,而且对于噪声和出格点也具备较强的鲁棒性。      

基于加权形状上下文的图匹配方法

针对目前图像发生较大形变时特征点无法精确匹配的问题,提出整数约束下基于加权形状上下文的图匹配方法。利用图理论来描述图像特征间的结构信息,将图像特征匹配转化为图匹配问题。基于相似性度量矩阵构造思想,引入形状上下文特征,以图间所有可能的匹配点对作为分配图的顶点,利用图像点集内和点集间的加权形状上下文统计特征作为相似性度量函数构造图的边的权值,采用整数约束下的迭代求解算法求解图匹配问题。真实图像特征点集的匹配实验验证了本文算法的有效性。     

基于局部相对形状上下文与Q-谱的点模式匹配算法

本文提出了一种基于局部相对形状上下文与Q-谱的点模式匹配算法,对每个点构造相应的线图,并对线图的无符号Laplacian矩阵进行谱分解;利用谱分解所获得的特征值(Q-谱)作为点的特征,进而计算点的初始匹配概率;通过定义局部相对形状上下文计算点的相似性距离;将Q-谱方法与局部相对形状上下文结合进行概率松弛迭代获得匹配结果.实验结果表明了本文算法的可行性与有效性.     

改进型形状上下文的工件立体匹配方法

为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题,提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略,引入立体图像对质心的视差约束条件,并利用形状上下文直方图分布信息进行初步筛选,获取候选匹配点集,减少后续匹配计算复杂度;为增加匹配点与非匹配点的区分度,对形状上下文相似性度量进行加权处理;匹配时融合对应轮廓采样点33邻域的梯度方向直方图特征,与形状上下文构成联合相似性度量;最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析,并应用于工件图像进行实验验证,通过实验给出了相应的实验对比。结果表明,改进的方法具有较高的匹配精度和更快的匹配速度,鲁棒性高。     

SIFT与形状上下文结合的异源图像匹配算法

针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。     

改进Harris-SIFT算法在水下图像匹配中的应用

针对尺度不变特征变换(SIFT)算法实时性差、错匹配多,以及Harris角点检测算法精度不高、速度偏慢的问题,提出了一种运用改进Harris-SIFT算法对水下拍摄的双目图像进行特征点提取与匹配的方法。利用改进的Harris算法对两幅图像进行角点检测,然后为特征点分配方向,并生成SIFT特征描述子,完成匹配。实验结果表明,该算法实时性强、匹配率高,并能较好地反映水下物体的形状特征。     

基于特征距离与内点的随机抽样一致性算法

为了提高随机抽样一致性算法在特征匹配中的执行速度,该文提出一种基于特征距离与内点的随机抽样一致性算法。首先提出基于特征距离的先验概率引导方法,来提高算法每步循环找到正确模型的概率。其次提出基于样本集与内点的随机抽样及计算方法,来提高算法的收敛速度。最后提出基于最大值不变的循环跳出方法,来满足所提循环方法的跳出,同时提高运行效率。通过理论证明与实验验证,该文提出的算法在保证算法鲁棒性的同时,提高了执行速度。     

基于空间约束的快速鲁棒特征匹配优化

该文提出一种基于空间约束的快速鲁棒特征(SURF)匹配优化算法,称为SC-SURF。首先通过SURF算法检测和匹配图像的特征点。然后根据最近邻比例越低其匹配精度越高的特点,得到按最近邻比率排序的匹配点。并以最优匹配点作为参考点生成新的坐标系,利用空间位置关系地图对每对匹配点进行编码。同时为了简化随机抽样一致性(RANSAC)算法,选择尽量少的最优匹配点对作为RANSAC的代表测试数据集,并由该测试数据集拟合目标投影变换矩阵。最后结合匹配点间的空间位置关系和简化的RANSAC算法对匹配点进行几何校验。实验表明该方法在达到良好匹配精度的同时,具有鲁棒性强,匹配速度快的优点。     

利用模糊形状上下文关系的红外与可见光图像匹配方法

对于同一场景可见光和红外图像提取的灰度特征存在差异导致匹配性能下降的问题,利用了该两个谱段图像仅在形状上模糊相似的特点,提出采用形状上下文思想实现红外与可见光图像之间的匹配方法.具体方法是在提取图像边缘的基础上,用采样模板获取点特征图像,然后利用提出的不等分坐标空间提取局部形状统计信息的直方图,再以形状上下文特征开支与全局特征匹配开支的加权和作为相似性测度实现匹配.与已有的形状上下文算法相比,此方法减少了25%的特征维数,鲁棒性更好.针对多个红外和可见光图像序列的匹配实验结果显示,此方法与归一化灰度互相关、Hausdorff距离、文献中的形状上下文和SIFT算子等匹配算法相比,其匹配正确率分别平均提高了34.7%、21.2%、7.7%、88.9%,证明了该方法的有效性.     

一种用于图像分类的语义增强线性编码方法

针对传统编码模型中存在的编码歧义性问题,该文提出一种考虑特征上下文的语义增强线性编码方法。首先,通过学习局部邻域中特征共生关系矩阵来表示上下文信息。然后,在编码过程中同时引入学习而得的上下文信息与特征上下文匹配权重得到语义增强编码模型。由于上下文信息与上下文匹配权重的功能,使得此编码方法不仅丰富了编码的语义信息,还能够有效避免噪声带来的影响。在3个基准数据集(Scene15, Caltech101以及 Caltech256)上充分的实验验证了该方法的有效性。     

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换（Graph Transformation Matching,GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns,LRIBP）描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.     

利用薄板样条函数实现非刚性图像匹配算法

提出了一种利用薄板样条函数实现非刚性图像匹配的新方法 .该方法是将图像表示成由特征点构成的特征点集 ,利用薄板样条 (TPS)能够将形变清楚地分解为仿射分量和非仿射分量的独特性质 ,应用TPS函数来表征特征点集之间的非刚性映射 ,并将TPS映射参数的求解嵌入到确定性退火技术的框架中 .首先提出基于TPS弯曲能的非刚性匹配的能量函数 ,然后采用确定性退火技术 ,迭代求解点集之间的匹配矩阵和映射参数 .与其它的非刚性匹配算法相比 ,该算法不仅保证了图像特征点之间的一一对应的双向约束 ,同时避免了陷入局部极小 ,而且具有较强的鲁棒性 .实验结果证实了所提算法的有效性和鲁棒性 .     

基于匹配度量矩阵扰动校正的多对一匹配判决

对于不同分辨率传感器观测之间的匹配问题,传统的一对一匹配判决算法已不再适用.为此,提出了一种新的匹配判决算法——基于匹配度量矩阵扰动校正的多对一匹配判决算法.建立了匹配度量矩阵的扰动模型,通过扰动校正进行匹配判决并估计匹配解的质量.考虑到实际的匹配问题中难以获得关于扰动参数的先验知识,采用一组匹配门限进行匹配判决,取其中质量最高的匹配解作为最终的匹配解.仿真实验验证了所提算法的有效性.     

基于DOG特征点的序列图像匹配算法

针对实时匹配的要求,提出一种基于DOG特征点的快速图像匹配算法,用以匹配只存在平移和较小旋转的序列图像.该算法通过求高斯差分算子在尺度空间上的局部极大值和极小值提取特征点,然后根据圆旋转不变特性生成20维的旋转不变特征描述子,并充分利用特征点的区域特征和灰度特征进行匹配,最后根据序列图像对应特征点之间的距离基本保持不变的特性剔除错误的匹配点.实验结果表明该算法快速有效,而且对噪声影响不敏感,具有很强的实用性.     

基于最大池图匹配的形变目标跟踪方法

该文提出了一种基于最大池图匹配的形变目标跟踪算法,适用于跟踪目标产生较大形变或者严重遮挡等场合.此方法首先将目标搜索区域过分割为候选目标部件并建立动态图表示,即目标部件的表象特征和它们之间的几何位置关系.然后采用最大池图匹配算法,得到目标图和候选图中部件的匹配关系,从而确定出目标位置的置信图.联合考虑目标整体和目标部件对目标位置的支持,投票决定出精确的目标位置.在各种形变目标的跟踪序列测试下,该算法与其他跟踪器的对比验证了其有效性和鲁棒性.     

基于特征序列匹配函数的快速图像匹配

为解决在导弹制导、目标搜寻等领域中图像快速匹配的问题,提出一种基于图像局部特征序列的匹配函数,以加快图像匹配速度。该算法将匹配图像和查找图像分为若干相同大小的子图片,并计算它们的局部特征,形成一个带有特征的序列,利用提出的特征序列匹配函数,计算两种图像内容的特征序列下的匹配情况,该匹配函数能够利用匹配图像本身的特征信息提高图像匹配的查找速度。由于匹配图像特征序列之间存在关联,在匹配失效的情况下,不用再从查找图像的特征序列起始点重新进行查找匹配,而是根据匹配函数,计算出新的匹配点,从新的匹配点进行匹配,加快图像匹配的速度。     

基于PCA-SIFT特征的目标识别算法

针对尺度不变特征变换(SIFT)算法在匹配时特征向量过多,从而导致耗时过长的问题,提出PCA-SIF]算法,对目标进行匹配与识别.首先,利用SIFT算法提取出原图像中稳健的特征点以及特征向量;其次,利用PCA算法对SIFT特征向量的维数进行约减;最后利用降维后的图像与原始图像进行匹配.实验证明,与原始SIFT算法相比,该算法不仅保持了SIFT算法的鲁棒性和稳定性,同时提高了匹配效率,增强了实时性.     

仿射不变子空间特征及其在图像匹配中的应用

提出了一种新的基于子空间的仿射不变图像匹配算法。首先,分析了仿射不变特征空间的非线性几何结构,给出了图像特征的仿射不变子空间表示模型。其次,根据目标特征矩阵由它的正交投影矩阵唯一确定这一特性实现特征的全局一致性匹配。最后,通过计算同一目标在仿射变换下的子空间几何距离度量达到匹配识别的目的。模拟变换匹配实验和真实图像序列实验结果表明:所提出的匹配方法对仿射变化下的图像目标匹配具有很好的适应性和较高的鲁棒性。