以多尺度三角形为特征的快速形状匹配

为了减少形状匹配阶段的计算量并保持匹配精度,提出一种结合多尺度三角形特征的形状描述子,利用形状整体特征进行粗匹配并使用实时匹配方法完成匹配过程.首先通过高斯演化获得多尺度下的形状轮廓并用不同尺度上的轮廓点组成特征三角形;然后采用三角形面积和特征角来描述轮廓信息;最后用形状面积率对候选轮廓进行筛选,通过计算不同形状间描述子的相似度进行匹配.在不同形状数据集上进行实验的结果表明,该方法有较好的匹配结果和较少的匹配耗时,能够快速准确地描述形状的局部及整体特征,在实际应用中具有优势.     

RBFD:一种鲁棒的图像局部二值特征描述子

针对传统浮点型特征描述子占用空间大、匹配速度慢的问题,提出一种基于梯度统计信息比较的局部二值特征描述子.通过对比特征点邻域梯度统计信息生成二值特征描述子,再利用多邻域和多分块策略提高描述子判别力,最后通过近似简化的Ada Boost算法实现描述子降维.实验结果表明,与已有描述子相比,文中提出的描述子在实现快速生成的同时其鲁棒性更强.     

基于几何关系约束的特征点匹配算法EI北大核心CSCD

特征匹配是计算机视觉中的一个基本问题,基于特征点的特征匹配方法则是其中最为常用的一种算法,有着重要的研究意义和研究价值.众所周知,特征点匹配的结果受很多因素的影响.为更好地处理视角变换的特征匹配问题,给出一种基于特征点位置关系的几何约束匹配方法.即通过引入新近发现的射影不变量——特征数,构建特征点位置间的几何信息描述子;进一步建立每个点的特征数直方图并使用巴氏系数度量几何相似度;最后在基于纹理特征描述子基础上增加文中所给出的几何信息描述子获得特征匹配的约束条件.实验结果证明,该算法可以有效的提高特征点匹配的精度,同时对视角变化较大及纹理相似的情况具有很好的匹配效果.     

圆周特征描述:有效的叶片图像分类和检索方法

叶片图像的识别是计算机视觉的一个重要应用,其关键问题是如何对其进行有效的描述.提出了一种圆周特征描述方法.该方法用圆心在轮廓线上的圆与轮廓线和叶片形状区域分别相交所得到的圆心角、区域点的空间分布和灰度统计,分别表征叶片的轮廓、形状区域和灰度信息这3类特征,称其为叶片图像的圆周特征描述.通过改变圆的半径来产生由粗到细的圆周特征描述,给出了一种局部的多尺度安排,根据圆心到轮廓线其他各点的距离信息,确定半径的取值范围和各个尺度的半径取值.该方法描述全面,通过分析圆周与叶片图像相交的几何特性,自然地抽取了叶片的轮廓线、区域和灰度信息,且描述子满足对相似性变换的不变性.在公开的测试集上,对该方法进行叶片的分类和检索实验,取得了比现有流行方法更高的精确度,验证了该方法的有效性.     

基于改进的图像局部区域相似度学习架构的图像特征匹配技术研究

该文在AdaBoost算法的基础上提出了一种图像局部区域相似度的学习架构,利用该架构训练图像局部特征来获得低维数、独特的特征描述子,以实现对图像局部区域高精度地匹配.所提学习架构通过学习图像局部区域相似性得到一组非线性弱学习器对图像局部特征进行描述;同时,在响应函数组合形式和弱学习器权重优化配置方面,针对浮点描述子和二值描述子分别提出了新的补丁相似性度量函数作为目标函数的核函数,提高了图像特征相似性匹配效果.该学习架构不会受限于任何预定义的图像特征信息采集模式,能产生基于灰度信息或方向梯度信息的特征描述子.实验结果表明采用这种学习架构获得的特征描述子,在所有对比描述子中图像局部匹配查准率是最好的.所提学习框架能有效地配置优化描述子弱学习器,能提高图像特征描述子对图像尺度和视角变化的鲁棒性.     

基于轮廓的形状射线描述模型

提出一种新的基于轮廓的形状描述和匹配方法。提取物体的轮廓并在轮廓上进行等间隔采样,利用参考点到采样点的距离、采样点处的轮廓方向及采样点间的空间关系来直观地表达目标的形状特征;通过在不同尺度、方向和位置进行最大表决来获得形状匹配的尺度、旋转和平移不变性;提出了结合局部和整体特征的相似度评分机制来实现目标的匹配和检测。实验表明,形状的射线描述模型不仅能对具有清晰轮廓的目标进行有效的检索和匹配,也可在复杂的图像背景中检测目标。     

三角组合约束下的尺度不变特征描述子

为克服单点描述子匹配数量少、匹配正确率低等问题,提出一种三角组合约束下的尺度不变特征描述子.首先利用几何约束将满足条件的3个特征点组合为三角形;然后利用三角形内切圆半径作为支撑区域确定的依据,对获取的三角形构建尺度不变的特征描述子并进行匹配;最后根据支撑区域主方向信息将三角形匹配转换为点匹配,并利用重复匹配出现的概率去除错误匹配.实验结果表明,该方法不仅对旋转、尺度变化、视角变化、JPEG压缩等图像变化具有鲁棒性,而且匹配的特征点数量多、匹配准确率较高.     

基于最小惯性轴的图像检索方法

提出一种基于最小惯性轴以及特征点之间结构关系的图像检索方法.方法能够利用形状轮廓和区域信息的特点提取特征点,然后根据其多值数据类型通过加权欧几里德距离计算图像间的相似度.方法对于形状的相似变换(平移、旋转和放缩)具有不变性,并更加准确地进行形状匹配.实验结果表明,方法具有较高的性能和检索效果.     

基于多尺度轮廓段的形状特征提取与识别

形状识别是计算机视觉与模式识别领域的重要研究内容。形状的特征选取与描述是形状识别的研究热点。针对现有识别方法的不足，提出一种通过对不同长度轮廓段进行描述，进行特征提取的方法。对每个形状均在6种尺度下进行特征提取，每种尺度选取5种轮廓段特征参数，实现了对形状的特征描述。在形状识别阶段，使用动态时间规整（DTW）算法度量形状描述子之间的匹配距离，实现形状识别。分别在Kimia99、Kimia216和MPEG-7数据库中进行算法验证，结果表明基于多尺度轮廓段的形状特征描述子具有旋转、缩放、平移和局部遮挡不变性，识别率优于现有算法。     

基于轮廓分割的形状匹配新方法

提出了基于轮廓分割的形状描述方法,用来进行形状匹配.首先,使用离散曲线演化将形状轮廓简化成具有N个顶点的多边形,并通过去除其中的凹点得到多边形凸点的集合;然后,对由凸点形成的轮廓片段提取角度和曲率特征,得到形状描述子;最后通过匈牙利算法进行轮廓片段之间的距离矩阵的最小代价和计算,从而得到两个形状之间的相似度.基于MPEG-7图像库上的实验证明了本文方法能很好地反映形状的特征,具有较好的匹配效果.     

结合轮廓与形状特征的仿射形状匹配

目的 针对仿射变换下形状匹配中存在的描述子对形状的描述能力不足,以及描述子计算耗时大的问题,改进基于所有图像点投影的方法,提出一种利用轮廓计算投影面积的仿射形状匹配算法。方法 该算法分为粗匹配和精匹配两个阶段。粗匹配阶段以CSS角点作为备选特征点,首先统计轮廓投影面积分布作为特征点描述子;然后利用动态规划蚁群算法匹配两幅图片公共特征点序列,并将匹配好的特征点序列记为对应的新特征点;最后采用该新特征点划分目标曲线,得到对应的轮廓曲线;这一阶段的目的是对形状的筛选以及寻找一致的轮廓特征点,同时完成轮廓曲线的划分。精匹配阶段,采用小波仿射不变描述子,对粗匹配阶段匹配代价最小的5%的目标进行对应曲线匹配,得到精匹配阶段的匹配代价,从而实现对仿射目标的识别;精匹配弥补了描述子对轮廓细节描述不足的问题。结果 算法的平均检索速度比传统基于形状投影分布描述子提高44.3%,在MPEG-7图像库上的检索效果为98.65%,在MPEG-7仿射图像库上的查准率与查全率综合评价指标比传统的基于形状投影分布描述子高3.1%,比形状上下文高25%。结论 本文算法匹配效果好,效率高,抗噪性强,解决了仿射描述子计算速度慢、描述能力不足的问题,能有效地应用于仿射形状匹配与检索领域。     

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT（scale invariant feature transform）特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的“一对多”和“一对一”的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC（随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。     

拱序列的曲线描述与匹配

目的 曲线匹配是计算机视觉和图像处理中的一个重要问题;判定几何图形形状相似性,得到与人类认知一致的结果,是目前的曲线描述与分类算法不能很好解决的问题。针对曲线匹配和几何图形形状的相似性判定,提出一种有效快速的基于拱序列的曲线匹配与相似性判定算法。方法 提取曲线的角点,将曲线表示为一连串相互重叠的拱序列。对于拱序列中的每一个拱,使用拱描述子进行描述。利用拱描述子,使用动态规划方法,实现对拱序列的匹配和相似性判定。结果 为了验证本文算法,将基于拱序列的曲线描述与匹配方法应用于轮廓的拼接与几何图形的相似性比较。在轮廓拼接实验中,基于拱序列的曲线描述与匹配方法准确完成碎片轮廓的拼接和地图轮廓的拼接。在几何图形相似性的交叉度量实验中,基于拱序列的曲线描述与匹配方法可以准确反映出图形的相似程度,正确判断两幅图像是否属于同一类型。在判定不同相似程度的形状对的实验中,本文算法可以给出与人类判断相同的结果,相比较基于链码特征、多尺度不变量、形状上下文和GCT（geometry complex transform）变换算法,本文算法的距离值更好地反映出图像的相似程度。结论 理论和实验表明,该算法可有效地描述曲线、匹配曲线,及准确判断几何图形的相似性,给出与人类视觉判定一致的结果。该算法可用于基于轮廓的图像拼接和几何图形相似性的判定。