印鉴图像配准与特征提取

本文讨论了印鉴鉴别中的图像配准和特征提取问题,预处理后先用动态阈值法对印鉴图像进行分割,再用启发式搜索法进行配准,继而进行特征提取。     

应用边缘图像SIFT特征配准印鉴图像

为了准确配准印鉴图像,为高仿真印鉴的真伪识别做好准备,提出利用印鉴边缘图像SIFT（Scale Invariant Feature Transform）特征的相似性和空间关系相结合的配准方法。采用邻域搜索法提取待测印鉴与预留印鉴的二值边缘图像,在印鉴边缘图像中提取SIFT特征,并根据相似性匹配。利用印鉴边缘图像SIFT特征匹配点对的空间关系剔除错误匹配,提高配准效率。利用RANSAC方法估计两印鉴的变换模型。分别配准具有不同形状及印文内容的10组真印鉴图像和10组假印鉴图像。将所得结果与其他两种典型的配准方法作比较。以两印鉴配准后不重合边缘点之间的平均距离评价配准的准确性,以最大距离量化配准后出现的最大差异。实验结果表明,该方法可以准确配准待测印鉴与预留印鉴图像,对印鉴形状、笔画结构无任何限制,配准速度比直接利用印鉴二值图像SIFT特征的配准方法提高一倍。     

基于自适应特征提取的印鉴自动识别方法

文章提出了一种基于自适应特征提取和支撑向量机的印鉴自动识别方法。印鉴图像经预处理后,依据印鉴字笔划分布对图像进行自适应的三角分割。自适应分割后的三角格网分布作为图像的主要特征来判别印鉴的真伪。该方具有旋转和平移不变性,因此无需一般印鉴自动识别方法对于印鉴图像位置,方向不一致时所进行的旋转,定位,配准操作。提取的特征用支撑向量机进行判别,以提高该方法的适应性。     

基于统计模式识别的真假印鉴图像模拟分类

介绍一个模拟分类真假印鉴图像的计算机实现系统。在该系统中，标准印鉴和被测印鉴的图像采用二值图像模拟输入，经过对两种二值图像进行配准，获得两者之间的最佳配准关系系数，采用统计模式识别的方法对被测印鉴的直假进行分类。     

基于小波分析和SVM的印鉴图像识别

针对印鉴图像自动识别,提出了一种基于小波大尺度分解特征提取和支撑向量机的印鉴鉴别方法。印鉴图像预处理之后,用一维环投影向量的循环移位来代替二维图像的旋转,实现印鉴的配准。同时,利用小波分解结果,采用小波分解的大尺度向量作为特征向量,排除高频噪音的干扰,并以此进行SVM训练及测试,实现图像鉴别。应用实例表明,该算法具有很强的抗干扰性、识别率高。     

基于Marr小波改进的SIFT算法的遥感影像配准

针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能,提出了一种基于小波的遥感图像配准方法。首先,利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取,然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准,再根据随机采样一致法,对初配准结果进行精配准。为了验证方法的有效性,选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明:该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对,提高了配准精度,同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源,能够有效地提高配准精度,降低配准时间。     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

用于支票印鉴鉴别的图像预处理及配准算法

为了消除支票印鉴自动鉴别系统中由于不同的盖印条件引起的印鉴质量变化,该文提出了一种印鉴图像预处理及配准算法,即首先利用彩色信息将印鉴灰度图从支票背景中分割出来,然后利用基于梯度值的动态阈值实现印鉴图像的二值化。为了消除印鉴中存在的笔划连接和笔划残缺,该文提出了一种笔划填充和骨架校正算法。实验证明该算法具有较强的适应性、可靠性和实用性。     

基于小波分解和互信息测度的图像配准方法

提出了一种利用小波分解和互信息测度的图像配准方法。利用小波分解的近似分量来进行配准可以大大提处理速度。讨论了原图像与其小波分解图像之间的坐标变换问题,证明了该方法的可行性;然后利用图像的互信息测对图像进行配准。与传统方法相比,该方法配准精度高、可靠性好、不需要进行图像分割和特征提取,并能够大大减少算量。     

密集结构改进双通道神经网络的遥感图像配准

针对部分传统算法对于遥感图像配准精度较低的问题,提出一种密集结构改进双通道卷积神经网络的遥感图像配准方法。对输入的图像采用密集结构改进的双通道卷积神经网络模型进行特征提取;用粒子群算法改进的随机一致性点漂移算法进行特征匹配得到仿射变换系数;使待配准图像能够根据该系数实现变换,达到配准目的。实验表明,改进算法比传统算法的配准精度平均提高了15%以上,对具有显著地貌差异的遥感图像对的配准精度可以有效地提高。