图像匹配算法SIFT的改进

针对采用128维向量来表示每个特征点易导致SIFT算法效率降低的问题,提出了一种利用圆环域结构替代SIFT原来的方形结构、同时将原SIFT算法特征描述向量的维数由128维降为48维的改进SIFT算法.实验结果表明,改进算法比原SIFT算法具有更快的计算速度和更高的匹配精度.     

基于改进SIFT的图像匹配研究

针对基于传统SIFT的图像匹配法存在的计算量大、耗时长、误匹配的问题,提出了一种快速、准确的图像匹配法。该方法是建立在SIFT算法中特征点的提取不使用SIFT算法确定的关键点而是使用Harris算法中确定的角点,最后利用RANSAN算法去除误配点来实现两幅图像的匹配。实验结果表明采用基于改进SIFT的图像匹配法比基于传统SIFT的图像匹配法平均节约1.8s,并且准确率更高。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少,会丢失部分重要信息的问题,课题组提出先对图像进行预处理,即增强对比度,提高亮度,使特征信息更明显,特征点更充足,再使用SIFT算法提取特征点;针对SIFT算法因特征描述符维数过多导致耗时长,实时性差的问题,课题组提出一种新的特征点描述方式,降低了描述符维数,提高了算法运行速度;最后,针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题,课题组提出一种权重阈值的方法,对距离特征点不同位置的种子点设置不同的阈值,提高匹配正确率。实验表明:与SIFT算法以及PCA-SIFT算法相比,改进的算法匹配精度提高了10%～20%;同时,匹配时间也有所提高。该算法既有效提高了匹配正确率,又缩短了算法运行时间。     

基于SIFT算法的局部特征点人脸识别图像处理技术

介绍一种基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法局部特征点的人脸识别技术、基于局部特征点目标检测算法提取的点特征通常具有良好的鲁棒性,能够适应复杂的环境变化,SIFT算法能够在图像间发生平移、旋转、噪声干扰、光照变换等条件下依然保持良好的检测性能文章通过理论的分析和仿真实验证明SIFT算法具有较好的人脸识别性能,能够在人脸发生复杂变化的条件下准确地识别人脸。     

基于图像配准坐标定位的目标跟踪方法

SIFT算法在图像配准方向得到了较为成熟的应用,本文通过优化高斯金子塔,降低了SIFT算法的计算复杂度,保证了算法的实时性。使用SIFT算法匹配中的坐标位移变换来确定跟踪方位,实现对目标的跟踪。实验结果表明,基于图像配准坐标定位（Coordinate Based on SIFT,简称C-SIFT算法）的目标跟踪方法具有较好的实时性。     

基于SIFT的壁画图像相似性度量

针对彩色壁画图像匹配时,SIFT算法忽略颜色信息导致误匹配的问题,提出一种基于SIFT和HSI的图像匹配算法。首先对彩色壁画图像提取SIFT特征点与特征向量,然后对每个特征点提取HSI彩色特征,最后按定义的相似性度量公式计算两个特征点之间的距离,确定二者是否匹配。实验结果表明:文章采用的算法比仅提取单一特征,更能有效降低误匹配率,定义的形似性度量公式比单纯的欧式距离计算法稍快一些。     

基于图像不变特征抗几何攻击图像水印算法

针对几何攻击容易使常规水印算法检测失败的问题,提出了一种基于图像不变特征的鲁棒数字水印算法。先利用SIFT检测器在归一化图像中提取图像特征点,然后在原图像中找到对应的不变特征区域,最后将水印信息重复嵌入到多个不重叠的局部特征区域的DWT系数中。实验结果表明,该算法对常规的信号处理攻击,旋转、缩放、剪切等攻击均具有很好的鲁棒性。     

织物纹样特征提取与匹配方法比较

针对织物纹样自动识别过程中因尺度、旋转和褶皱等因素引起图像差异的问题,探索了复杂纹样特征的准确提取与匹配方法。以江崖海水纹样为例,采集尺度、旋转、模糊、光照、褶皱5种变化下的织物纹样图像,分别运用尺度不变特征变换(SIFT)、快速鲁棒性尺度不变特征(SURF)、二进制鲁棒不变可扩展关键点(BRISK)3种方法提取纹样局部特征,然后采用欧氏距离进行特征匹配计算,最后通过随机抽样一致算法剔除误匹配对。结果表明:采用BRISK算法的准确配对率最高,平均准确匹配率达87.10%;褶皱对织物特征匹配的影响最大,该变化下BRISK算法的鲁棒性优于SIFT和SURF算法;BRISK算法速度最快,图像平均匹配时间0.551 s;在织物纹样特征匹配中,BRISK算法比SIFT和SURF算法具有更好的适用性。     

无人机航拍图像配准算法研究

针对无人机航拍图像对尺度变化不明显的问题,在经典SIFT特征匹配算法的基础上,提出了一种改进的CS-SIFT特征匹配算法．该算法通过建立S层金字塔,达到降低多尺度空间和减少特征点数量的目的．在特征向量的匹配中,利用准欧氏距离替代常用欧氏距离,并通过极限几何约束,消除部分错误配准点对,进一步提高特征匹配效率．Matlab仿真结果表明,改进后的算法具有较高的匹配精度和较少的匹配时间,适用于对实时性要求较高的无人机航拍系统．     

基于直方图均衡化的PCA-SIFT图像特征提取与匹配改进算法

为了克服SIFT算法运算量大、运算耗时长和实时性不强的缺点,课题组提出了基于直方图均衡化PCA-SIFT算法,以增强灰度图像的明暗对比度,增加匹配成功率,改进描述子生成方式,沿用主成分分析法(PCA)降低特征检测维度,减少耗时。仿真实验表明该算法有效地减少了运算时间,并且一定程度上减少了不必要的特征点的匹配数量。新算法能有效减少运算量。     

基于人工免疫算法的储粮害虫特征选择研究

储粮害虫特征选择是粮虫图像识别中一个关键的预处理环节.提出基于v折交叉验证训练模型识别率和所选特征个数的特征子集评价准则,将人工免疫算法应用到粮虫的特征选择.该算法从粮虫的17雏形态学特征中自动选择出面积、周长等7个特征的最优特征子空间,采用参数优化之后的SVM分类器对90个粮虫样本进行分类,识别率达到95.5%以上,并与PCA法、GA法和原始特征法进行了对比,结果表明人工免疫算法降低了特征空间的维数,提高了分类器的识别率,证实了基于人工免疫算法的粮虫特征选择是可行的.     

基于分类特征提取和深度学习的牛肉品质识别

目的：降低数据差异性和光谱特征冗余度对牛肉品质识别的影响。方法：提出一种基于分类特征提取和深度学习的牛肉品质识别方法,采用改进的DPeak算法对光谱数据进行自适应聚类分析,实现对数据的差异性分析。定义牛肉光谱特征提取目标函数,采用离散狮群算法进行求解,提取每个分类的最佳光谱特征子集,最大限度降低特征冗余度。运用改进狮群算法(ILSO)对每个分类对应的支持向量机(SVM)模型参数进行优化,提出融合分类特征提取和ILSO优化SVM的牛肉品质识别模型,完成对牛肉品质的分类识别。结果：相比于SSA-SVM、PCA-SVM识别模型,该模型识别精度提高了约12.3%~14.5%。结论：基于分类特征提取和深度学习的牛肉品质识别模型能够提高牛肉品质识别精度。     

融合光谱与纹理特征的龙井茶等级无损识别

龙井茶等级快速无损识别具有重要意义。本研究以六个等级龙井茶为实验对象,应用高光谱成像技术,分别建立基于光谱特征、纹理特征及融合特征的支持向量机(Support Vector Machine,SVM)识别模型。首先采用标准正态变量变换(Standard Normal Variate,SNV)对光谱进行归一化处理,提取光谱特征,建立SVM光谱模型;然后通过T分布和随机近邻嵌入(T-Distributed Stochastic Neighbour Embedding,T-SNE)算法将高维高光谱数据映射到低维空间,选取特征图像。应用灰度共生矩阵(Gray-Level Co-Occurrence Matrix,GLCM),提取纹理特征,建立SVM图像模型;最后将光谱特征和纹理特征进行数据级融合,建立SVM混合模型。数据显示,光谱模型预测集识别率为91.11%,图像模型预测集识别率为75.42%,混合模型预测集识别率为95.14%。结果表明,与仅使用光谱或纹理信息建模相比,结合光谱和纹理特征可以提高模型识别的准确率。为进一步提高混合模型精度,引入人工蜂群(Artificial Bee Colony,ABC)算法,迭代优化SVM模型的惩罚因子C和核函数宽度g,得到最优模型,预测集准确率可达98.61%。本研究为改进龙井茶叶快速无损评估技术提供了一种可靠的方法。     

基于近红外光谱技术的六大茶类快速识别

为构建高质量的六大茶类识别模型,本研究中收集了370份样品,通过采集其近红外光谱（near-infrared spectroscopy,NIRS）,结合光谱预处理、特征提取以及数据挖掘分类器算法,建立六大茶类快速识别模型。结果表明：1）支持向量机（support vector machine,SVM）与随机森林（random forest,RF）分类器皆适于六大茶类快速识别模型的构建;2)SVM分类器更适于结合原始光谱（original spectrum,OS）建模,预处理易使基于该分类器建立的模型鉴别性能减弱;3）随机森林（RF）分类器更适用于预处理后光谱建模,所得模型较OS模型在识别正确率（recognition accuracy,RA）及受试者工作特征曲线下面积（area under the curve,AUC）均得到明显提升;4）特征提取中线性判别分析（linear discriminant analysis,LDA）算法表现最好,所得模型的RA较OS模型明显提升,其中最佳模型OS-LDA-SVM的RA为100.00%,AUC为1.00,识别正确率高、泛化能力强、模型性能优异,...     

基于机器视觉的残缺饼干分拣系统开发

为降低机器人拾取强度,提高分拣效率,该研究提出了识别分拣残缺饼干的方法。基于机器视觉技术,采用三次拍照对比识别残缺饼干算法,解决了在拍照区域边缘位置因饼干只有部分被拍到会被识别为残缺品和部分饼干粘连导致误识别的问题;通过识别算法获取行进中的输送带上的饼干中心坐标位置,通过对比t时间间隔饼干中心坐标的差值是否等于输送带t时间运行的距离,以确认三次拍照获取的饼干图像哪些是同一饼干,并获取此饼干的图像特征数据;当获取的饼干图像特征数据与标准饼干的视觉特征参数不同时,识别为残缺品,输出该饼干中心坐标给并联机器人进行拾取。本文对程序的有效性进行了实验验证,并对影响识别率的因素进行了实验讨论。通过实验验证,程序运行可靠,对残缺饼干识别准确率保持在100%。另外镜头高度对识别准确率影响较小,但对可识别半径影响较大,呈线性关系;输送带运行速度增加至19 mm/s后,识别准确率直线下降;光照强度达到400 Lux后,识别准确率可保持100%。该研究建立的方法能够很好的对残缺饼干进行识别,为今后饼干在线检测分拣提供了技术支持。     

基于改进边缘检测算法的服装款式识别

为快速识别服装款式类型,提高生产效率,针对现有传统边缘检测算法难以准确提取轮廓特征序列的不足,设计一种改进的边缘提取算法。通过定义一种新的优化卷积核,在使用传统边缘检测算法提取训练样本的服装轮廓基础上,将该卷积核与目标矩阵进行卷积得到新的外轮廓,将新轮廓序列的傅里叶描述子作为特征向量,进一步利用BP神经网络模型完成服装款式的自动分类与识别。为验证改进方法的有效性,建立一个包含4类服装500个不重复服装图像的样本库,选取281个作为训练样本,对剩余219个样本进行测试,测试识别准确率最低为93.48%,最高达到了100%。该改进算法提高了服装款式识别率,对服装智能化生产具有借鉴意义。     

基于主元分析的人脸识别方法研究

为了对ORL人脸库里的人脸图像进行识别,并用不同数量的特征脸对测试图像进行重构,采用了人脸识别技术中一种广泛应用的数据降维技术主元分析（Princ ipalComponentAnalysis,PCA）方法。用PCA方法将每一幅图像降维至特征子空间中的一个点。有了这个特征子空间,任何一幅人脸图像都可以向其做投影,并获得一组坐标系数,而这组系数就可以作为人脸识别的依据。结果表明,当通过使用PCA方法获得的主成分去重构原始人脸图像时,能使均方误差最小。结论是：利用主元分析法（PCA）对ORL人脸库里的人脸图像进行识别,计算出待识别样本的特征系数,并与人脸数据库中的特征系数一一进行比较,以距离相近的作为识别结果,得到较好的实验结果。     

变化光照条件下人眼定位方法

人脸识别是一种前沿的生物识别技术,作为脸部的重要特征,通过对人眼的定位,可以获取标准人脸,有效地提高人脸识别率。针对变化光照条件下人眼定位变得困难的问题,实现了一种人眼定位方法。首先通过retinex理论获取光照不变量;其次,利用边缘直方图描述符(EHD)得到人眼候选区;再次,使用支持向量机(SVM)和人眼概率分布(EPM)来确定人眼精确位置。为了进一步提高速度,提出一种基于haar-like特征的双眼筛选法,该方法和EHD构成多级筛选策略,大量减少了非人眼区域,加快了SVM的分类速度。实验表明,改进后的方法在保证较高检测率的同时具有较少的计算时间。     

基于光谱特征的真伪纸币差异分析

科学、严谨的纸币真伪鉴别方法是遏制假钞流通的有效途径和重要手段.随着科技的进步,许多创新鉴别技术不断涌现,其中基于光谱特征的检测技术因准确、高效而被逐渐推广应用.利用光谱反射率特征能有效地区分背景、干扰物与真实目标,其在医疗、军事、食品检测等方面都取得了良好的应用效果.本研究利用真伪纸币的光谱差异性对纸币真伪进行鉴别分析.首先,利用尺度不变特征转换（SIFT）算法提取真、伪纸币的图像特征点,获取描述符幅值较大的特征点,通过测量比较真伪纸币特征点的光谱信息差异,对纸币进行真伪鉴别.