基于Laplacian的局部特征描述算法

为了更好地兼顾特征描述子的鲁棒性和生成复杂度,提出了一种基于Laplacian的局部特征描述算法.分析说明了Laplacian不仅对图像的欧氏变换、缩放及亮度线性变化具有较好的性质,而且能够反映图像的局部结构特征.据此利用高斯型拉普拉斯变换响应建立了一种64维特征描述子,并将该特征描述子应用于特征点匹配.匹配实验结果表...     

基于差分和特征不变量的运动目标检测与跟踪

提出了一种基于改进的图像差分算法与特征不变量匹配的目标识别方法。通过三帧差值法获得了更完整清晰的目标轮廓,并基于该轮廓信息构造了一个具有平移、大小和旋转不变性的特征不变量;然后提出动态极值匹配法,利用特征曲线的极值信息点进行识别匹配,并动态替换原特征模版。实验结果表明,该方法能够准确识别目标,显著地提高识别跟踪效率,并且适用于检测运动姿态发生变化的目标。对于分辨率为288×352像素,每像素8位量化的序列图像,处理每帧图像平均用时0.011 74 s,其中特征提取与匹配过程平均用时0.005 476 s,能够实现对运动目标的实时分析,可同时满足运动目标识别跟踪中实时性和准确率的要求。     

基于灰度匹配算法在图像处理中的研究

就基于灰度的图像匹配算法进行了分析并进行了实例运算,依据其匹配效果进行研究,得出基于灰度的匹配算法对图像具有较强的匹配能力的结论,为实际图像匹配的应用提供了参考.     

一种改进型灰度差分聚焦算法研究与实现

为解决显微图像采集中聚焦的准确性和快速性,设计并实现了一种包括图像采集端、图像处理算法实现模块、OSD菜单实现模块、系统控制模块和HDMI输出模块等硬件采集系统。结合实际应用和现有的图像处理算法,提出了适合数字显微图像的图像预处理自动聚焦算法,在灰度差分绝对值之和函数的基础上增加了对周围点的判断,提高了算法的精确度。实验结果表明,通过对切片图像在显微镜物镜10倍、40倍、100倍下采集到的离、聚焦图像以及聚焦曲线呈现单峰性,无偏性等特点,能实现良好的聚焦能力。     

基于灰度的环形块匹配算法

为了实现从补块数据库中找出与去除缺陷的板材相匹配的补块,提出了基于灰度的环形块匹配算法。从去除缺陷的板材从中选取一窄圆环,并将其等分为几个小块,按顺时针对各小块进行编号,计算出各环形小块的平均灰度值,用各小块的平均灰度值代替单个元素进行匹配,降低了噪声的影响,增强了算法的抗干扰能力,提高了算法的实时性。实验结果表明,运用这一算法能快速而有效地找到最佳匹配补块及匹配位置,验证了该算法的可行性,为缺陷修补的机械加工提供了依据。     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.     

基于Fourier-Mellin不变量的图像配准方法

提出了基于Fourier-Mellin不变量的图像配准方法,该方法可对存在旋转、比例和平移变换的两幅图像进行配准.原有的基于Fourier-Mellin不变量的方法是建立在无限连续图像模型基础之上的,因此当应用于有限离散图像时,不能取得理想的相关峰值.改进方法针对有限离散图像采用了滤波技术,能有效去除Fourier-Mellin域中的伪像,并能产生明显的相关峰值;同时又能克服噪直于扰的影响;此外,通过将原有方法中二维相关函数的计算简化为两个一维相关函数的计算,可以降低时间计算复杂度,提高配准效率.     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于DoG检测图像特征点的快速二进制描述子

针对SIFT描述子实时性差和传统二进制描述子对尺度、旋转和视角变化鲁棒性差的问题,本文通过优化采样模式和添加灰度差分不变量比较测试进行改进,提出了一种鲁棒性更高的二进制描述子。首先,设计了一种尺度关联、编号标记的采样模式;然后,旋转采样模式中各采样点到特定位置,确保描述子尺度、旋转不变性;接着,分析了采样点点对模式对描述子的影响,选择使用机器学习训练后的128对采样点对;最后,选择灰度值比较测试及梯度绝对值和比较测试构建二进制描述子。实验中采用DoG检测图像关键点,结果表明:本文提出的描述子在描述子构建和描述子匹配上比SIFT描述子分别快84%和67%;在有视角变化的图像匹配上,准确率比传统的二进制描述子高3%~5%,召回率平均要高30%以上。本文提出的特征点描述方法适用于时间要求高的图像匹配领域。     

基于灰度差分和脊线检测算子的虹膜裂缝检测

虹膜裂缝是用于虹膜识别的特定形状虹膜纹理之一。为了解决在复杂背景下提取裂缝特征的问题,在对虹膜裂缝特征进行分析的基础上,提出了一种虹膜裂缝检测方法。首先用灰度差分模板得到裂缝纹理候选区域,并根据裂缝的先验知识筛选裂缝候选像素,在原图上分割成小区域;其次,采用脊线检测算子在小区域范围内对各种纹理进行检测;最后在二值化图像上计算该区域能量密度,排除非裂缝纹理,实现裂缝纹理的检测。该方法在图库中人工标定的1 201处裂缝中检测正确检出率达到94.09%。实验结果表明,本文方法在不需要手动去掉卷缩轮内区域的情况下,能够在多种虹膜纹理并存的复杂背景下检测出虹膜裂缝纹理。     

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明:与KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比,本算法匹配正确率更高,分别为PSIFT的2~10倍,ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。     

面向大规模SFM的快速鲁棒特征跟踪算法

运动恢复结构(SFM)是指通过分析二维图像序列恢复三维结构信息的过程,在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分,但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足,为解决这一问题,提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先,采用AGAST进行特征点检测,并使用图像矩为AGAST特征定义主方向,为构造旋转不变的描述子奠定基础;其次,在差分高斯金字塔空间内,根据中心点与邻域像素之间的差值构造特征描述子,避免光照和尺度变化对特征匹配的影响;再次,为了提高特征匹配效率,对特征集合进行聚类,采用KD-Tree加速特征匹配,提高算法的时间效率;最后,采用4种方式对FRFT算法进行验证,并与现有经典算法进行比较。实验结果表明,FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。     

视觉驱动的语音合成系统中唇形轮廓的正交变换描述

为了能够自动而且快速地获取唇读系统中所必需的唇形轮廓特征,提出了将正交压缩变换的方法用于唇形轮廓的特征提取,并对得到的唇形轮廓曲线进行了分析研究。通过离散傅里叶变换(DFT)和离散余弦变换(DCT)分别得到描述唇形轮廓特征的傅里叶描述子和离散余弦变换描述子,然后将两类描述子作为唇形轮廓的特征向量,采用隐马尔可夫模型(HMM)进行学习和识别。基于独立汉字发音的实验表明:在达到40％的识别率时,刻画唇形轮廓特征所需的离散余弦变换描述子数目为15个,傅里叶描述子数目为20个。在相同的识别效果时,刻画唇形轮廓特征所需的离散余弦变换描述子数目少于傅里叶描述子,可减少数据运算量和运算所需时间。     

基于模板抽样的快速图像匹配算法

为了提高图像匹配速度,满足某些领域的实时性要求,提出了一种快速图像匹配算法.该算法利用Sobel边缘算子得到模板的灰度边缘图像,并对该边缘图像进行抽样以提取匹配点,从而显著减少匹配过程的计算量.利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,进一步减少了匹配过程的计算量.在此基础上引入精确匹配环节,找出了目标子图像的精确位移及旋转角度.将该算法应用于全自动金丝球焊机的图像识别系统,在主频为1GHz的工控机上实现该算法,匹配时间平均约为37ms,小于系统在60ms内进行匹配的要求,连续多次实验算法均能精确匹配目标的概率为93.8%,满足该系统的实时性与精度要求,取得了理想的效果.     

基于FAST特征提取的指静脉识别

现有的指静脉识别方法通常以包含静脉分布的灰度图为对象进行算法设计。但由于采集装置的局限性,光照强度的不确定性,手指血管周围组织的复杂性等,原始图像即使经过图像预处理过程,得到的灰度图中依然会存在不规则的阴影和非静脉特征,这可能使得被提取出的静脉特征不具有很好的代表性和区分性,从而降低识别结果的准确性。因此,本文提出以包含指静脉分布的二值图为对象进行算法设计,从而在识别过程中尽可能减少非静脉因素的干扰。在特征提取上采用了适于二值图特征点检测的加速分割测试特征提取算法,提取出静脉纹理边缘中符合要求的像素点作为特征点,进而对检测到的特征点进行向量化描述。同时为了提高匹配的精度,提出了基于圆形邻域的匹配算法,使用加权匹配距离描述图像之间的相似程度。采用山东大学公开的手指静脉数据库进行算法性能测试,平均识别率为0.993,等误率为0.0196。上述结果证明了算法的有效性,为指静脉识别算法设计提供了新的思路。     

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%～27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。     

基于SIFT算法的目标匹配和识别

针对目标跟踪过程易受噪声干扰导致跟踪效果不理想,甚至丢失跟踪目标的问题,利用了尺度不变特征变换（SIFT）方法对单帧图像进行了目标特征点的提取和匹配,并结合线性卡尔曼滤波和聚类分析,剔除误匹配,实现了目标位置的最小均方误差估计。仿真结果表明,当图像存在不同程度的噪声影响时,基于SIFT的卡尔曼滤波目标匹配算法能有效减小目标跟踪误差,精确识别目标位置,提高目标跟踪精度。     

基于环搜索的盲台阶娄特征识别

提出了一种基于环搜索的盲台阶类特征识别方法。首先建立机械工程图二维正交投影视图的环描述,通过对盲台阶类特征的环构成的分析,定义能够反映盲台阶类特征的种子环,确定种子环的识别规则,从环集合中搜索符合特定规则的种子环,为盲台阶类结构特征的识别做好准备,然后,通过多视图的环匹配,实现盲台阶特征的识别。这种方法在实际 应用中取得良好效果,并可推广应用到具有类似特点的特征识别。