基于SURF算法的双目视觉立体匹配研究

针对双目视觉立体匹配效率低的问题,从SURF匹配算法和摄像机标定、校准方面进行了改进。与传统视觉匹配算法相比,SURF匹配算法具有效率高、抗干扰能力强等优点。对摄像机进行标定与校准,校准后的特征点更精确,为准确匹配奠定了基础。利用极线约束条件改进SURF算法匹配速率,并进行了相关实验。实验结果表明,算法不仅降低了匹配时间,而且还提高了匹配准确率。     

基于SURF的图像配准改进算法

为了更好地在保证图像配准的速度前提下,提高配准的精度,本文提出一种新的基于SURF的图像配准改进算法。改进算法将单向匹配与方向一致性约束两者结合起来,先对待配准图像进行单向匹配,再计算出各个匹配点对之间的特征向量方向差值,当差值在一定阈值范围内时认为匹配成功,从而剔除错配点对,提高匹配的精度。实验结果表明,该算法在保证不增加匹配的时间前提下,提高了匹配的精度。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于SVM算法的移动终端图像检索系统设计

近年来基于web的图像检索系统迅速发展,移动设备的应用越来越广泛.本文将比较成熟且具有良好分类效果的支持向量机(SVM)算法引入研究,应用于内容的移动平台上的图像检索研究和设计.     

一种改进SURF算法的图像配准

SURF(speed-up robust features,即加速健壮特征)算法是一种尺度不变、旋转不变且性能较好的算法,但其稳定性和时间复杂度不足,不稳定的特征点被检测出来,会导致多余的计算。为此,提出用信息量扩展SURF检测算子和分特征集匹配方法,提高算法性能和配准速度,即先检测周围Hessian值最大的特征点,再用SURF算法计算特征点的信息量,然后根据尺度分解特征集成亚集,再根据亚集匹配,最后根据RANSAC和最小二乘法配准。实验结果证明,改进算法的配准性能与SURF算法相当,配准速度比SURF算法更快。     

基于区域特征融合的图像检索算法研究

目前图像检索主要基于颜色、纹理、形状、空间关系等单一特征。针对此局限性,以彩色图像分割为基础,提出一种综合颜色及局部纹理特征信息的图像检索方法。该方法结合了颜色和纹理特征,比单一特征检索更符合人的视觉感受要求,检索效果更好。     

SURF算法在航摄图像导航中的应用

姿态角测量误差是导致机载遥感成像精度低的主要原因之一.为提高机载遥感成像的精度,并针对当前姿态角的测量误差较大、高精度惯性导航设备价格昂贵等问题,提出了一种应用基于SURF的航摄图像匹配的算法来解算飞行平台姿态角的方法.首先采用多线程对相邻航摄图像并行提取SURF特征点,然后使用改进的基于KDtree的近似最近邻匹配方法寻找相邻航摄图像匹配的特征点对,并应用RANSAC算法剔除错误匹配点对,再通过最小二乘法得到图像的变换模型参数,最终解算出机载平台的姿态角变化量.对该方法的实现进行了详细的比较分析,仿真结果也证明了该方法的有效性.     

基于领带花形图像检索算法研究

针对领带花形图像的具体特征，研究了适用于该类图像的检索算法。在对布样扫描图像提取花形区域的基础上，运用Gabor小波变换提取花形特征，并给出了多角度旋转不变性的相似度计算公式。在实际应用中取得了较好的检索效果。     

用于遥感图像拼接的改进SURF算法

经典的SURF算法存在许多不足,如特征描述符维度高、运算量大,对于旋转和拍射视角变换角度过大时,匹配精度低等。针对以上问题,提出了一种改进算法,首先通过Hessian矩阵提取特征点,然后采用特征点圆形邻域进行特征描述,使用Haar小波响应为每个特征点建立描述符,同时计算邻域内归一化的灰度差分及二阶梯度,形成新的特征描述符,最后采用RANSAC算法剔除误匹配点。该算法不仅较经典SURF算法具有速度优势,同时充分利用了灰度信息和细节信息,具有更高的精度。实验结果表明:该算法对图像的模糊、光照差异、角度旋转、视场变换等均有良好的鲁棒性和稳定性。将该算法应用于遥感图像拼接,得到无明显几何移位、边缘衔接良好的拼接图像。该算法是一种耗时短、精度高的图像配准算法,能够满足遥感图像拼接对配准的要求。     

基于SURF特征相关的红外图像自动拼接

提出一种鲁棒性较好的图像拼接算法解决红外图像序列的自动拼接问题。首先应用图像子区域相位相关得到图像间近似重合子区域和图像间近似仿射变换参数;接着根据得到的参数值对SURF特征计算和特征匹配进行优化,提高了图像配准速度;然后以特征点对的对称投影位置误差最小化为目标,应用RANSAC和LM算法对图像间透视变换矩阵进行优化;最后应用得到的透视变换建立图像序列整体配准关系,并采用线性过渡法进行重叠区域融合得到最终的拼接图像。     

一种基于视觉特征语义描述的图像分类检索方法

基于内容的图像检索技术克服了文本检索方式主观片面的缺陷,客观地描述了图像的本质特征,然而却丢掉了文本方式下对图像的语义描述,导致检索准确率降低.借鉴数据挖掘技术中的图像分类方法,提出了结合视觉特征与图像语义描述以提高检索系统性能的思想,主要进行了图像显著特征选择、图像分类算法特征约简以及检索系统优化设计3方面工作,以提高检索系统的人机界面和交互性能.     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

基于信息熵的图像检索

在分析了现有的基于颜色、形状、纹理等基于内容的图像检索算法的基础上，提出了一种新的基于信息熵的图像检索算法，即利用图像的信息熵来描述图像的特性，结合网格描述符及图像颜色信息，采用图像单元熵构成的熵矩阵特征值矢量作为图像的特征描述，并提出了利用特征矢量进行图像检索的检索算法．实验结果表明，该算法具有尺度不变性、旋转不变性，并且对于颜色直方图不同但有视觉一致性的图像也有较好的检索效果．     

基于流形学习的图像检索算法研究

流形学习以发现非线性高维数据的本质维数为目标,使其更适合数据分析和高维数据的降维。图像检索中“语义鸿沟”问题指的是高维数据空间与低维的语义子空间之间的鸿沟,虽然利用相关反馈机制可以缩小这种鸿沟提高准确率,但是因为反馈图像数目较少,图像特征维数相对较高,会容易产生维数灾难问题。流形学习的引入为解决这一难题带来了新的希望,因为通过流形学习的方法学习高维图像特征数据的本征维数用于图像检索,大大提高了检索性能。基于流形学习的图像检索算法都是半监督的流形学习,充分利用了反馈信息,学习查询图像的语义子空间,有效的实现了高维数据的降维。     

基于子块直方图的图像检索算法研究

基于全图直方图图像检索算法过于简单及查全率、查准率过低的情况,本文提出把图像分割成子块的算法,寻找空间分布差异,间接捕捉到色彩的空间分布特征,从而能够区别色彩分布相似但空间分布不同的图像,尤其适用于纹理丰富的图像的检索,获得满意的结果。     

基于纹理特征的数字图书馆文档图像检索技术

针对数字图书馆中信息资源检索效率低的问题,提出了一种新的文档图像检索算法.首先,根据文档图像自身的特点,结合人眼的视觉特性,提取文档图像中的边缘信息,在此基础上,构造有意义的纹理特征,利用纹理特征来定义文档图像的特征描述符,以描述符为线索,将文档图像的内容特征有机结合,并采用合适的相似性度量准则用于高效的检索.实验结果表明,该算法不仅具有较高的检索效率,而且也降低了传统文档图像检索算法的复杂度.     

一种基于GMM-聚类树的面向大规模服装图像检索的索引结构

目前服装图像检索研究主要偏重于考察服装图像底层特征的表示方法,对服装图像数据集整体的特性关注较少.服装图像种类、款式、细节多种多样,传统方法在检索速度和准确率上已经不能满足用户的需求.为在日益庞大的服装图像集中快速准确地搜索需要的款式,提出一种GMM-聚类树索引方式.GMM-聚类树将不同细节的服装图像按照相似性逐步聚类,分别对应于不同的聚类树分支,避免人为指定聚类个数造成服装分类的错误.分别在小数据集和大数据集上测试其对服装图像检索的准确率和效率,试验结果表明通过自动确定聚类个数和GMM-聚类树的逐层分类,能够带来检索准确率和效率的双重提升.     

基于视觉传感的服装样片位图矢量化

为了提高服装CAD之放缩部分基本服装纸样的输入效率,本文提出了一种基于位图矢量化的新型服装样片矢量图输入方法.该方法首先通过视觉传感器采集多个服装样片位图,并输入到计算机内,经图像分割后得到样片轮廓的数字序列表示,然后再通过间接提取轮廓特征点并对特征点之间的曲线进行分段递归拟合,最终生成服装CAD系统能够识别编辑的矢量图文件.实验结果表明,该矢量化方法能通过终止条件很好地控制拟合的精度,满足了服装CAD系统矢量化的精度要求,并且与传统的数字化仪录入方式相比,效率高,成本低,易于操作.     

基于LSM的遥感图像快速检索算法

快速准确地搜索到遥感图像中的人造目标是图像处理的主要研究方向之一.针对传统最小二乘匹配(LSM)速度慢的缺点,提出了基于LSM对二值边缘图像进行快速检索的方法.仿真结果表明,该算法较好地解决了目前遥感图像匹配算法中普遍存在的快速定位和匹配速度慢的矛盾.