基于Harris角点匹配的工具识别方法

图像匹配对于工具识别过程具有重要意义,传统的图像匹配算法匹配过程复杂导致匹配速度慢,在实际应用中有局限。为了提高工具识别的效率,通过分析工具图像特征,设计出一种基于Harris角点特征的图像匹配方法进行工具识别。首先用Harris算法提取工具模板图像与搜索图像角点特征,然后使用归一化互相关匹配算法计算工具模板图像与搜索图像角点特征的相关值,进而确定匹配点对,最后采用RANSAC去除错误匹配点对。通过实际数据验证,基于Harris角点特征的图像匹配方法与传统方法相比,不仅识别速度快,鲁棒性好,而且在实际工程应用中更具适用性。     

图像数据库建立与相似性搜索方法研究

图像数据库是使用数据库管理系统来处理目前出现的大量图像数据,好的图像数据库能够适中地将图像的多个属性进行分类存储,同时为图像数据的搜索提供精确的匹配字段。本文研究了图像数据的特点、图像数据库的建立、同时将现有文件管理工具与多特征够成特征法相结合对图像数据进行相似性搜索。     

大规模航测图像高速匹配平台的实现

对不同年度所采集的航测图像进行自动匹配,对地图数据公司来说是更新数据的有效辅助手段。介绍一个面向对象大规模航测图像高速匹配平台的实现。该平台使用带缓冲机制的图像控制类解决大规模图像读取的问题,采用分层匹配的方式大大减少了匹配搜索时间,并且实现了数据与处理算法的分离,使系统具有易扩展性、低耦合性和高安全性。     

动态匹配核函数图像检索

目的 在传统的词袋模型图像搜索问题中,许多工作致力于提高局部特征的辨识能力。图像搜索得到的图像在细节部分和查询图像相似,但是有时候这些图像在语义层面却差别很大。而基于全局特征的图像搜索在细节部分丢失了很多信息,致使布局相似实则不相关的图像被认为是相关图像。为了解决这个问题,本文利用深度卷积特征来构建一个动态匹配核函数。方法 利用这个动态匹配核函数,在鼓励相关图像之间产生匹配对的同时,抑制不相关图像之间匹配对的个数。该匹配核函数将图像在深度卷积神经网络全连接层最后一层特征作为输入,构建一个动态匹配核函数。对于相关图像,图像之间的局部特征匹配数量和质量都会相对增强。反之,对于不相关的图像,这个动态匹配核函数会在减少局部特征匹配的同时,降低其匹配得分。结果 从数量和质量上评估了提出的动态匹配核函数,提出了两个指标来量化匹配核函数的表现。基于这两个指标,本文对中间结果进行了分析,证实了动态匹配核函数相比于静态匹配核函数的优越性。最后,本文在5个公共数据集进行了大量的实验,在对各个数据集的检索工作中,得到的平均准确率从85.11%到98.08%,均高于此领域的同类工作。结论 实验结果表明了本文方法是有效的,并且其表现优于当前这一领域的同类工作。本文方法相比各种深度学习特征提取方法具有一定优势,由于本文方法使用特征用于构建动态匹配内核,而不是粗略编码进行相似性匹配,因此能在所有数据集上获得更好的性能。     

基于环形像素点匹配的快速图像跟踪算法

相关跟踪法能有效地跟踪目标,但非常费时。序贯相似检测法结合了粗-精搜索策略,在跟踪性能和时间上都有很大改进,但在处理时间上还有进一步提高的可能。基于特征点的跟踪方法在跟踪时运算量小,但提取目标的特征时需要大量运算,且特征点的提取往往不理想。针对以上不足,论文提出了基于环形像素点匹配的快速图像跟踪算法,该算法采用环形像素点为特征点,在借鉴序贯相似检测法的基础上,对匹配区域先进行粗搜索以确定待匹配窗口,再进行精搜索以确定正确的匹配窗口,最后利用相关跟踪法中的归一化相关系数确定模板的更新策略。实验结果表明,该算法不仅能稳定地跟踪目标,与相关跟踪法和序贯相似检测法相比,在处理时间上具有明显的优越性。     

用于图像购物搜索的局部匹配算法

图像匹配是图像购物搜索的一个关键问题。针对现有的图像购物搜索网站利用底层特征无法进行局部匹配的问题,提出一种基于局部匹配的图像购物搜索方法,该方法允许用户自定义感兴趣区域,并利用SIFT（Scale Invariant Feature Transform）描述子提取该区域的视觉特征进行匹配。实验结果表明,该方法取得了较理想的预期效果,更好地满足了用户的实际购物搜索需求。     

基于结构信息相关的图像匹配方法研究

红外图像匹配的目的是采用某种图像相关技术,在实时图中搜索与参考模板相似的区域。提出了一种基于结构信息相关的匹配方法,该方法通过统计参考图与实时红外图结构相似性来进行匹配识别。实验表明,该方法比基于统计孤立点相关性的匹配方法具有更好匹配性能。     

基于特征部位圆形域的人脸图像修复方法

针对基于样本块的纹理合成方法存在的修复结构不合理和效率较低的问题，提出基于特征部位圆形域的人脸图像修复方法。首先进行人脸特征点定位，依据特征点分布将人脸图像分割出4个特征部位圆形域，明确特征搜索域范围。然后在优先级模型中以指数函数的形式改变置信度项的衰减趋势，并结合结构梯度项使用局部梯度信息约束优先级，提高修复结果的结构连通性。在匹配块搜索阶段，根据目标块与各个特征部位圆形域的相对位置，确定匹配块的搜索域，提升搜索效率。最终在结构相似性的标准下选择结构最佳匹配块，完成结构连通的人脸图像修复。与4个先进的方法相比较，所提方法修复图像的峰值信噪比（PSNR）平均提升了1.219~2.663 dB，时间消耗平均减小了34.7%~69.6%。实验结果表明，该方法对保持人脸图像的结构连通性和视觉合理性有显著效果，在修复的精度和时间上都表现优异。     

基于量子遗传算法的高效匹配搜索策略

在大规模源图像上进行图像匹配时,最佳匹配点的搜索策略是匹配算法时间性能的决定因素,设计高效匹配搜索策略是提高算法性能的关键。为了减少搜索时间和提高匹配实时性,本文基于匹配源图像划分和量子遗传算法基本原理,提出了面向大规模源图像匹配的目标淘汰搜索策略TESS。TESS将基于整幅源图像的全空间随机搜索的过程变成基于各个子图像的子空间并行搜索和逐步淘汰的过程,实现了匹配区域粗定位与匹配点精搜索的有效结合,从而大大缩短了最佳匹配点的搜索时间。实验结果表明,TESS搜索策略带来了匹配速度的极大提高,且时间加速比随匹配源图像规模的增大而增大。     

基于点和边缘相结合特征提取的图像配准算法

提出了一种新的基于几何特征的图像配准算法,将特征点提取和边缘提取的方法相结合,有效的获得了图像的主要信息.通过立体视觉匹配技术,建立图像之间的点映射关系,并采用二又树搜索策略改进搜索效率.根据空间的联立方程组得到图像在两个坐标系统中的三维空间数据坐标,然后进行数据拟合得到非特征点的数据.该方法提高了图像配准的效率和准确性.     

基于改进Criminisi算法的地基云图修复方法

全天空成像仪（Total sky imager,TSI）对天空进行观测时,设备的结构特点会使采集到的云图信息不完整,对图像的分析造成不利影响。针对Criminisi算法修复地基云图所造成修复顺序发生错误、图像不连续以及匹配块遍历搜索时间复杂度大的问题,本文提出了一种基于改进Criminisi算法的地基云图修复方法。该算法改进了优先权计算公式,引入地基云图独特的红蓝比特征作为置信项,使得含有更多信息的像素块具有更高的优先级,在搜索匹配块的过程中,基于启发信息选择匹配区域的大小,避免了搜索到离待修复块较远的相关性较低的匹配块,也有效缩短了匹配块搜索时间,降低了算法的时间复杂度。实验结果表明,改进后的Criminisi算法具有较好的图像修复效果,且降低了时间复杂度,提高了修复效率。     

改进转动惯量特征的快速分形图像编码算法

全搜索分形图像编码过程特别耗时的原因在于,每个range块都需要在一个很大的domain块池里寻找最佳匹配domain块。为了改进这个缺点,重新定义了图像规范块的转动惯量特征,证明了它与匹配均方根误差间的关系不等式,据此提出了一个限制搜索范围来加快编码过程的算法：一个待编码range块的最佳匹配块搜索范围仅在与它的转动惯量特征值相近的domain块的邻域内搜索,邻域半径的大小由预先设置的误差阈值来确定。三幅图像的仿真结果表明,它确实能够在不降低解码图像质量的情况下,通过减少搜索范围达到了平均加快全搜索分形编码算法的编码速度26倍左右（误差阈值为10）,且也优于转动惯量算法和三均值特征算法。     

基于子向量距离索引的高维图像特征匹配算法

图像局部不变特征已经成功地应用在计算机视觉当中的许多领域,而如何快速有效地匹配高维图像局部特征向量是解决这类问题的关键步骤。提出了一种新的基于子向量距离索引的高维特征向量匹配算法,将高维空间中最近邻搜索问题转化为一维索引值的查找和局部搜索问题,在保证较高的搜索精度的同时大大提高了搜索速度。大量的图像匹配和图像检索实验验证了该算法的有效性。     

图像子块特征匹配的快速分形编码算法

基于分块迭代函数的全搜索分形图像编码算法,因其编码过程特别耗时而限制了它的诸多应用。为了减少编码时间,通过定义每个range块和domain块的子块特征,根据匹配均方根误差与它的关系,设计出一个限制搜索空间的新算法。一个待编码range块和它的最佳匹配domain块的子块特征应该接近,因此,每个range块的最佳匹配块搜索范围仅限定在与其子块特征接近的domain块邻域内,以达到加快编码过程的目标。14幅图像的仿真结果表明,该算法能够在[PSNR]降低0.73 dB（其结构相似性[SSIM]值仅下降0.002）的情况下,平均加快全搜索分形编码算法的编码速度99倍左右,而且也优于其他特征算法。     

基于相似比的快速分形编码算法

对于分形图像编码时间过长这一问题,目前已经提出很多种解决方法,大多数都是基于分类或是特征匹配的搜索方法。把全局搜索转化为一定意义下的局部搜索是加速分形编码的一种有效可行方法。文中提出了一种基于相似比的分形编码算法并给出了可行性分析,该算法将全局搜索转化为相对意义下的近邻搜索,大大减少了搜索最佳匹配块的时间。本算法只搜索与值域块相似比相差较近的码本块,减少了搜索对象。实验结果表明,该算法在保证一定的重建图像质量前提下,大大提高了编码速度。     

基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。     

Object-aware deep feature extraction for feature matching

Feature extraction is a fundamental step in the feature matching task. A lot of studies are devoted to feature extraction. Recent researches propose to extract features by pre-trained neural networks, and the output is used for feature matching. However, the quality and the quantity of the features extracted by these methods are difficult to meet the requirements for the practical applications. In this article, we propose a two-stage object-aware-based feature matching method. Specifically, the proposed object-aware block predicts a weighted feature map through a mask predictor and a prefeature extractor, so that the subsequent feature extractor pays more attention to the key regions by using the weighted feature map. In addition, we introduce a state-of-the-art model estimation algorithm to align image pair as the input of the object-aware block. Furthermore, our method also employs an advanced outlier removal algorithm to further improve matching quality. Experimental results show that our object-aware-based feature matching method improves the performance of feature matching compared with several state-of-the-art methods.