基于模态转换结合鲁棒特征的红外图像和可见光图像配准

针对红外图像和可见光图像配准过程中模态和尺度差异影响下特征点难配准的问题,提出了一种基于模态转换结合鲁棒特征的红外图像和可见光图像配准算法.首先,利用生成对抗网络从可见光图像中生成相应的伪红外图像;其次,通过加速鲁棒特征(SURF)算法提取红外图像的特征点位置信息结合改进的鲁棒特征描述子(PIIFD)实现特征描述;然后...     

基于多特征场景描述的闭环检测方法

针对同时定位与地图构建(SLAM)的闭环检测方法在多歧义复杂场景下易发生感知偏差的问题,基于闭环概率模型提出了一种结合局部SURF特征和全局ORB特征的闭环检测方法。首先,分别采用鲁棒SURF特征和全局ORB特征对图像进行局部和全局的场景描述;其次,构建多特征场景描述的离散贝叶斯闭环概率模型,对多特征空间分别构建观测似然概率,其中,局部特征空间基于词袋模型的方法计算观测似然概率,全局特征空间基于KNN最近邻的方法计算观测似然概率;最后,考虑图像的时间一致性,基于极线约束设计多步闭环候选帧提取方法,进一步减少感知偏差问题。实验结果表明,在多歧义场景下所提方法可以消除绝大部分的误正匹配情况,对比FAB-MAP2.0和BoW方法具有更好的闭环检测效果,可以达到更高的闭环准确率。     

基于正交矩的图像局部特征提取研究

本文从全局与局部两个角度就图像的特征提取研究现状进行了分析,简要描述了图像矩的优点与缺陷,并基于SURF图像金字塔构建、SURF兴趣点定位阐述了图像局部特征中的SURF算法,重点介绍了基于正交矩的图像局部特征提取方法,希望能够为同行业工作者提供一些帮助。     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法.通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性.采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位.仿真实验证明了算法的有效性和实用性.     

基于快速鲁棒性特征匹配的目标识别

针对基于特征匹配的目标识别算法复杂度高、难以实时处理的问题,提出基于快速鲁棒性特征(SURF)的快速特征匹配算法。通过应用双阈值顺序聚类算法对特征点进行聚类,并对每一个聚类建立k-d搜索树,采用优先搜索算法匹配模板与图像的特征点,提高了算法实时性。采用RANSAC鲁棒估计算法消除错误匹配点对,计算模板与图像平面之间的单应矩阵,进而实现对目标的准确识别定位。仿真实验证明了算法的有效性和实用性。     

基于加权Hu矩和HOG特征的自适应融合人体行为识别新方法

针对HOG在强噪条件下以及加权Hu矩在弱噪条件下识别性能较差的情况,通过最小二乘拟合估计加权系数与噪声参数之间的映射关系,自适应调整融合参数达到将加权Hu矩和HOG特征融合的目的。实验证明,基于加权Hu矩和HOG的特征识别对噪声的容忍度更好,适用范围更广,识别率更稳定。     

基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

一种抗信息丢失的稳像系统

针对二维电子稳像补偿全局运动矢量后会出现大量 的空白区域,提出了一种不需要采用单应性模型明确估计全局运动矢量的快速平滑特征轨迹 的稳像算法。首先,采用改进的快速鲁棒特征(SURF)提取图像局部特征点;然后,利用空间 运动的 一致性连接帧与帧之间匹配的特征点得到特征点轨迹;最后,建立同时考虑特征轨迹的平滑 度和视频质量退化程度的目标函 数平滑特征点轨迹,得到稳定的视频。实验结果表明,用本文方法稳定的视频比Matsushita 方法处理后的视频丢失的区域减小 了30%左右,更满足人眼感官需求,减轻了费时的运动修复任务;同时 消除了运动估计中帧间匹配的累积误差,对前景存在较大局部运动的视频仍能表现较好的稳 像效果。     

基于特征选取的局部模糊聚类算法研究

为了增强模糊局部信息C均值聚类算法的鲁棒性和分割性能,提出一种基于特征选取的模糊局部信息C均值聚类算法.在现有的模糊局部信息C均值聚类算法基础上,对其目标函数的局部邻域约束项添加邻域隶属度约束,并将特征选取的思想引入该目标函数,并利用KL散度作为正则项因子,获得一种新的鲁棒模糊聚类算法.对算法迭代所获得的像素隶属度进行...     

基于相关区域约束的SURF特征点匹配

针对特征向量匹配计算量较大的问题,提出了一种改进的基于区域相关约束的快速鲁棒局部特征(SURF,Speeded-Up Robust Feature)的视频帧间的特征匹配算法。相比于最近邻与次近邻之比,增加随机抽样一致性估计来去除误匹配,再结合连续帧间的像素相关性,进一步降低误匹配和加速匹配过程。在PETS数据库的仿真结果表明,该算法能够在凌乱和存在遮挡的背景下完成目标识别,去除误匹配更加有效,适用于对实时性要求较高的场合。     

结合尺度空间FAST角点检测器和SURF描绘器的图像特征

为了获得能够很好地应用于远距离目标识别且计算快速的图像特征,本文提出了一种结合尺度空间FAST(加速分割试验特征)角点检测器和SURF(加速鲁棒特征)描绘器的新特征算法。SURF算法利用了基于快速海森矩阵的关键点检测算法,容易从图像中快速海森矩阵响应值较高但信息匮乏的边缘区域提取大量关键点,进而导致大量的低独特性特征以及不可忽视的误匹配率;同时,其高斯滤波带来的图像模糊使得算法在远距离目标区域内检测到的关键点数量减少,从而对远距离目标的识别造成困难。针对SURF算法的这些问题,本文方法利用尺度空间FAST算法代替快速海森矩阵,并利用具有良好的独特性的SURF描绘器。该方法能够有效地减少对上述类型的干扰性关键点的提取,对远距离目标的关键点检测的性能相对于快速海森矩阵具有显著优势,且其独特性优于同样使用FAST角点检测器的BRISK特征。实验结果表明,对于带有光照变化、尺度变化和3D视角变化目标,基于本文特征的识别算法的识别正确率高于基于SIFT、SURF和BRISK特征的识别算法;本文特征适用于远程目标识别,同时其计算速度达到了与SURF接近的水平。     

鲁棒总变分核空间模糊聚类分割算法研究

针对现有的总变分模糊聚类分割算法在强噪声干扰图像分割中难以获得准确有效分割结果的不足,提出了鲁棒总变分核空间模糊聚类分割算法。该算法首先在鲁棒模糊聚类分割算法的目标函数中引入了总广义变分(TGV)正则化,消除图像中不需要的噪声和伪影;其次引入局部空间信息、局部灰度信息以及非均匀隶属函数从而构造一个新的模糊局部信息因子,在保证噪声抑制的同时保留图像中更多细节信息;最后将改进的聚类算法推广至核空间,使原空间线性不可分的像素样本点变成线性可分或近似线性可分,从而更好地给每个像素分配更高的隶属度。实验结果表明,与现有的总变分模糊聚类分割算法相比,建议算法在强高斯噪声干扰情况下的分割精度提高了14.7%,对强高斯噪声有较好的鲁棒性以及分割性能。     

基于SIFT特征点的抗几何攻击水印算法

提出了一种基于尺度不变特征变换(SIFT)和伪Zernike矩的抗几何攻击的鲁棒水印算法。首先,利用SIFT算法从载体图像中提取稳定的特征点;然后,根据特征尺度和方向自适应地确定每个局部特征区域大小和方向;最后,从中选择具有较大特征尺度互不重叠的特征区域,并利用量化调制伪Zernike矩幅值方法将水印嵌入到每个局部特征区域内。仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力。     

基于特征点的凝胶图像配准方法研究简

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF（speeded up robust features快速鲁棒特征提取的配准算法）配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

鲁棒自加权多核子空间图聚类算法

针对线性加权多核图聚类方法限制了共识核的表达能力和再生核希尔伯特空间中噪声污染的问题,提出一种鲁棒多核子空间图聚类算法(RSMKL),旨在增强核的表达能力和提高核空间中噪声的鲁棒性.该算法利用一种新颖的非线性自加权核融合策略来生成最佳的共识核,同时在核空间利用低秩约束模型来消除噪声对关系图质量的影响.最后,提出一种基于交替方向乘子的迭代优化算法求解目标函数.与5种同类流行算法在5个常用数据集上比较,实验结果表明RSMKL在聚类精度(ACC)、标准互信息(NMI)和聚类纯度(Purity)上具有更好的聚类性能.     

拉普拉斯加权聚类算法

 本文提出了一种用于聚类分析的加权聚类算法,通过利用拉普拉斯权,将聚类对象之间的结构信息自动转换为对象的权重.由于拉普拉斯权能够描述数据的邻域结构,从而能够更好的聚类.该加权聚类算法在性能上比经典聚类算法有较大改进,还具有对孤立点鲁棒、适合类别不平衡数据聚类、对聚类个数不敏感等优点.人工数据集以及UCI标准数据集上的实验证实了本文算法的可行性和有效性.     

基于SURF的红外成像末制导目标跟踪算法

针对红外成像末导引阶段飞行器姿态调整及高速运动导致的目标尺度和姿态迅速变化的问题,提出了一种基于加速鲁棒特征(SURF)的红外成像目标跟踪算法。为了实现在末导引阶段对目标进行精确跟踪,采取了点跟踪的策略。首先根据跟踪点在上一帧的位置,在当前帧选取以相同位置为中心的图像子块并求其SURF特征,通过SURF特征匹配得到当前帧图像子块和模板的匹配点集,采用随机抽样一致性(RANSAC)算法剔除误匹配点对,进一步用最小二乘算法(LSA)精确地估计出对应的单应性矩阵;然后通过单应性矩阵把跟踪点映射到当前帧获取跟踪点在当前帧的位置,从而实现精确跟踪。试验结果表明,本文算法有较高的跟踪精度和较好的实时性。     

一种有效的序列图像自动拼接方法

提出了一种基于相位相关法和加速鲁棒特性（SURF：Speeded-Up Robust Features）特征点匹配相结合的序列图像自动拼接算法。首先,利用相位相关法计算归一化相位相关度,通过最大相关度求交进行序列图像的自动排序,并计算得到平移参数;在平移参数指导下,粗估测特征检测感兴趣区域（ROI：Region of ...     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

利用SURF和PLSA的遥感图像场景分类

针对遥感图像场景分类的特点,提出了一种基于SURF和PLSA的分类方法。该方法首先采用SURF算法提取图像的局部特征,其次对特征利用K-means聚类生成视觉词汇表,从而得到图像的视觉词袋描述。然后利用概率潜在语义分析(PLSA)从图像中提取潜在语义特征,最后使用支持向量机(SVM)分类器完成图像的场景分类任务。在21类场景图像上的实验结果表明,文中方法可以有效提高遥感图像的场景分类精确度。