基于特征点选取的三维模型共享算法

提出一种基于特征点选取的三维模型共享算法,首先从原始三维模型的所有顶点内选取t个特征点;其次利用Shamir的门限秘密方案将每个特征点共享为n个子特征点,并用子特征点替换三维模型原有的特征点进而形成n个共享三维模型;最后将这n个共享三维模型分配给n个参与者保存.由于共享后的子特征点改变了原始特征点的数值,因此生成的共享...     

一种基于修正的最小生成树及其邻接谱的特征匹配算法

提出一种基于修正的最小生成树及其邻接谱的特征匹配算法.该算法利用两幅图像的特征点分别构造最小生成树,并对最小生成树进行修正,然后对修正的最小生成树的赋权邻接矩阵进行SVD分解,获得点的特征表示,进而利用特征值及特征向量来构造匹配矩阵,实现特征匹配.该算法的优点在于采用图的最小生成树（而不是整个图）,可以减少多余信息的干扰,提高匹配精度,实验结果表明,该算法具有较高的匹配精度.     

核辐射环境下图像特征点提取方法

准确、稳定的图像特征点提取对图像拼接、三维重建以及基于特征点的视觉同时定位与建图（SLAM）等计算机视觉应用十分重要。核辐射环境下采集的图像噪点量多、噪声块较大,传统的特征点提取方法存在容易将噪声判定为特征点的问题。基于某辐照厂卡源故障采集的受γ射线影响的图像噪声分布特点,提出一种抗核噪特征点（ANF）提取算法。首先,分析核辐射下图像的每个像素点的红绿蓝（RGB）特性以及灰度特征,获取可能为噪点的像素;然后,通过传统算法提取特征点;最后,采用特征点与可能噪点的欧氏距离大小进行排序筛选特征点,剔除较大可能性为噪点的特征点。标准图像数据集合成的噪声以及真实核辐照环境下拍摄图像的实验表明,ANF提取方法相对于传统的加速分段测试（FAST）和二进制鲁棒尺度不变特征点（BRISK）提取方法具有更好的稳定性,并可以提高特征提取效果和降低匹配错误率。     

结合图像信息熵和特征点的图像配准方法

在分析当前主要的图像配准技术之后,针对图像特征点的分布和同名点的匹配问题,提出了结合图像信息熵和特征点的图像配准方法。首先对图像进行一定程度的分块,根据信息论的方法,计算每一块的信息熵,信息熵的大小基本反映了各个模块的纹理变换情况。然后根据各个模块的信息熵大小,进行图像的粗匹配。之后在各个模块提取出一定数目的特征点,信息熵大,纹理信息丰富,选取的特征点就相应较多,反之则纹理信息变化不大,选取的特征点数目较少。最后根据这些具有代表性的同名点进行精确匹配。为验证该方法的有效性,对两幅图像进行传统方法和改进的图像配准方法的比较。     

海上目标红外特征的选取方法研究

根据海上目标自身的红外特征,提出海上红外图像的目标选取方法,分别对目标位置特征、辐射特征、形状特征三个方面进行具体分析,找出判定依据,解算出特征判定方程．     

平面设计中图像选取方法的研究

平面作品制作过程中经常会用到图像的选取,并与其他图像结合在一起达到一定的艺术效果,因此首先要按要求选取图像,接下来局部调整和图像合成等步骤才能顺利展开.本文基于实践,介绍Photoshop中六种常见的选择方法和应用场合和使用技巧.     

基于ORB特征点改进型图像拼接技术

目前SIFT特征点和随机采样一致性算法(RANSAC)在图像拼接领域得到了广泛的应用,但是SIFT特征点的提取以及描述符的建立需要消耗很多的资源和计算时间,相反由于ORB特征点相较而言需要更小的计算资源和时间,并且特征点个数比较多,从而在嵌入式领域当中越来越受到重视,文章在提取ORB特征点以后,首先采用传统的方法找到每一个特征点相对应的另外一张图当中最近的特征点,完成初始匹配,然后对特征点之间的匹配概率建立基于泊松分布点数学模型,从数量较大的ORB特征点点初始匹配中挑出真实的特征匹配关系,再利用随机采样一致性算法完成计算变换矩阵,从而完成图像的拼接。     

多光谱和SAR遥感图像融合分类的特征选取

针对多光谱和SAR遥感图像特征层融合分类的特征选取问题,以Landsat卫星的TM图像和JERS—1卫星的SAR图像融合分类为例,给出了一种基于Rough Set理论的最佳分类特征选取方法．     

一种基于图像特征点的数字水印嵌入方法

如何有效抵抗去同步攻击是数字图像水印研究领域的热点问题之一.本文提出了一种可有效抵抗去同步攻击的图像水印新算法.该算法首先利用Harris-Laplace算子从载体图像中提取尺度空间特征点;再结合特征尺度自适应确定局部特征区域;最后,采纳DFT中频幅值量化策略将水印重复嵌入到多个不相交的局部特征区域中.检测时,利用特征点实现水印的重同步,无须求助于原始图像.仿真结果表明,本文算法不仅具有较好的透明性,而且对常规信号处理和去同步攻击均具有较好的鲁棒性.     

基于特征点对齐度的图像配准方法

该文提出了一个新的匹配准则特征点对齐度准则,并在此基础上提出了一种基于特征点对齐度准则的图像配准方法。首先,利用小波多尺度积提取出图像的特征点及其角度信息,再利用该文提出的特征点对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对。实验结果证明了该方法的精确性和有效性。     

基于免疫编码的图像特征选择方法

 针对目标与背景两类图像模式识别问题,在已有的特征选择方法基础上,提出了一种新颖的基于免疫分子编码机理的图像特征选择方法(Immune Antibody Construction Algorithm,IACA).该方法借鉴生物免疫系统的抗体分子编码机理,在对样本进行参数估计情况下,提出熵度量单个特征对于目标和背景的识别敏感度;从集合的角度研究并且定义了特征之间的包含和互补关系;并且基于组成抗体分子氨基酸结合能量最小原则,提出了关于图像目标的免疫抗体构建规则;最终实现了寻找最优特征子集的算法IACA,该特征子集的维数通过算法自动获得无需人为设定,选择结果为目标的"免疫抗体",能很好的从背景中识别目标.利用归纳法证明了用IACA得到的特征子集的最优性.与其他特征选择方法比较,测试结果显示该算法具有较低的计算复杂度和错误识别率,表明了该方法的优越性和先进性.     

MicroRNA前体的特征选择方法

microRNA(miRNA)是一类长度约为21nt的非编码RNA,具有重要的调控功能。miRNA前体包含一级序列特征和二级结构特征,其中含有冗余和无用的特征,这些特征无益于前体分类模型的分类准确度。因此需要去除冗余特征,进而降低特征维数并提高分类性能。针对miRNA的前体序列数据,已有特征选取方法,仅考虑了特征之间的区分距离。全面考虑了每个特征属性对分类的增益和特征间冗余性,选取的特征有助于建立高效的分类模型。实验结果表明,选取的特征子集有效地提高了miRNA前体分类器的预测性能,取得了更好的分类结果。     

快速分形图像编码的一种特征方法

快速分形图像编码的特征向量法是最具创新性、最有前途的方法之一,但它有几个缺点、特别是特征向量的高维数性.针对这个问题,本文提出减少分形编码时间的一种可选的特征方法.作为它的应用,本文先定义图像块的新特征——叉迹,然后提出一个基于叉迹的快速分形算法.这个算法把Range-Domain子块匹配问题转化为叉迹意义下的邻域搜索问题.对256×256 Lena图像的实验显示,与基于全搜索的基本分形算法比较,依赖于搜索邻域大小,该算法既能在峰值信噪比相同的情况下实现加快3倍多,也能在主观质量有一定下降的成本下实现加快100倍以上.     

一种指纹图象的特征提取方法

本文提出一种指纹图象的特征提取方法，指纹中心点定义在纹线上曲率最大处，从而统一了中心点的定义，提取的细节特征量是特征点的性质、特征点到指纹中心点连线与指纹方向间夹角以及特征点与中心点间隔的纹线数，并进行了对比实验，效果良好。     

应用特征点的彩色图像边缘检测算法

传统的边缘检测技主要通过全局图像扫描,寻找大于设定阈值的点,然后进行伪边缘点的筛除以及断裂边缘的连接。本文提出了一种基于图像特征点检测与边缘生长相结合的边缘检测算法。该方法将边缘看成一种特殊的区域,使用图像分割中区域生长的原理来生成边缘。首先在图像中寻找特征点作为边缘生长的种子点,然后以边缘梯度响应和区域相似度为生长规则,以层序遍历方式得到图像边缘。仿真结果显示,本文提出的算法可以减少参与比较的像素个数,去孤立的边缘,保证边缘的连续性和单一像素宽度。      

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

一种面向核支持向量机的boosting特征选择方法

特征选择在模式分类中扮演了一个重要的角色。它的目标是尽可能多地将不相关特征排除在外,同时,得到区分度大的特征子集。那些信息量小的特征的存在,不仅使得学习算法表现不佳,而且会掩盖数据背后重要的本质信息。随着新兴技术的发展,在很多领域数据集变得越来越大,很多不相关特征通常会出现在这样的数据集中,使得传统的学习算法遇到了巨大的挑战,尤其在效率和推广性方面。于是,一种可以从数据集中消除冗余和非相关信息的算法变得十分必要。本文提出一种boosting策略的特征选择方法,利用基于核空间的距离评价函数,采用前向分步搜索方法,为核向量机(CVM)分类器选择特征子集。实验结果显示,这种方法和非boosting策略,以及其他评价方法相比,能给分类器带来更优的特征。     

基于图像尺度变化的一种特征点匹配算法

通过对灰度相关法特征点匹配算法的理论研究和实验分析,提出了一种能够克服图像尺度变化的特征点匹配算法。该算法主要根据图像特征点间欧氏距离的关系,结合传统的特征点灰度相关法和特征点的梯度相关法进行精确匹配。实验证明,该算法容易理解,易于实现,匹配结果较精确,误匹配点较少。     

基于多尺度相位特征的图像检索方法

在基于内容的图像检索中,一个关键的问题是图像视觉内容的表述。而传统的颜色,形状和纹理特征对于图像内容的表述尚且不够完备。为进一步提高检索准确率,针对人眼视觉特性,该文提出了一种基于多尺度相位特征的图像检索方法。该方法首先采用尺度空间理论得到图像的多尺度描述,然后通过复数可调滤波(complex steerable filtering)提取图像的多尺度相位信息并利用直方图投影获取全局统计的多尺度相位特征。在通用数据库COREL 5000上的实验结果表明,该特征相对经典的颜色特征提高至少5%检索准确率,且能对之提供有效补充。