基于相对形状上下文与概率松弛标记法的点模式匹配算法

点模式匹配是计算机视觉和模式识别中重要而基础的问题。在立体视觉匹配、图像配准、目标识别与跟踪等方面都有广泛的应用,是目前各领域关注和研究的热点。该文提出了一种新的将不变特征与概率松弛标记法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征—相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义概率松弛标记法中新的相容性系数,并以此为基础来构造鲁棒的支持函数。最后通过匹配概率矩阵的松弛迭代以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了本文算法在点集间存在相似变换乃至透视变换情况下具备较高匹配正确率,而且对于噪声和出格点也具备较强的鲁棒性。      

基于局部相对形状上下文与Q-谱的点模式匹配算法

本文提出了一种基于局部相对形状上下文与Q-谱的点模式匹配算法,对每个点构造相应的线图,并对线图的无符号Laplacian矩阵进行谱分解;利用谱分解所获得的特征值(Q-谱)作为点的特征,进而计算点的初始匹配概率;通过定义局部相对形状上下文计算点的相似性距离;将Q-谱方法与局部相对形状上下文结合进行概率松弛迭代获得匹配结果.实验结果表明了本文算法的可行性与有效性.     

融合饱和梯度和Laplace谱的概率松弛匹配算法

文章将彩色图像的色彩信息和邻域信息引入谱匹配算法中,运用更能反映图的结构信息的Laplace谱,提出了一种融合彩色图像特征点的饱和梯度和Laplace谱的概率松弛匹配算法。先根据特征点点集的Laplace谱的相关性作为初始匹配,再利用概率松弛迭代寻找点之间匹配关系。实验结果表明该算法可获取较高的匹配精度。     

基于相对形状上下文和谱匹配方法的点模式匹配算法

该文提出了一种将不变特征与谱匹配方法相结合的点模式匹配算法。该算法首先提出一种新的基于点集的不变特征相对形状上下文,然后利用点集间相对形状上下文的统计检验匹配测度来定义新的相容性度量,并以此为基础构造分配图及其亲近矩阵。最后利用分配图亲近矩阵的主特征向量以及匹配约束条件来实现点模式匹配问题的求解。模拟仿真与真实数据实验验证了该文算法的有效性和鲁棒性。     

基于形状描述算子的仿射点匹配算法

针对仿射点匹配问题,首先通过建立点模式之间仿射映射关系,运用虚拟对应点估计待匹配点集的仿射参量,然后运用形状描述算子进行点集间匹配关系的求解,通过上述步骤的反复迭代最终求得点匹配问题的最优解集。算法较好地解决了仿射变换下的点集匹配问题,即使在较强的噪声和出格点干扰情况下,仍能获得较高的正确匹配率。实验证明了算法的有效性和鲁棒性。     

一种基于改进块匹配算法的运动车辆检测

针对传统块匹配算法计算量大、光照变化较敏感和实时性差的缺陷,本文对块匹配算法进行了相关研究,提出了改进算法。首先把两幅彩色图像转化为灰度图像,并通过概率松弛标记算法获得边缘图像,计算相邻两幅图像的差分图像得到运动区域,然后将差分图像与边缘检测图像相与得到运动区域的边缘信息,再进行匹配得到位移矢量场并对其进行矢量中值滤波,最后通过顺序区域增长将运动车辆分割出来。实验结果表明:本文方法相对于传统方法平均检测时间降低约58ms,而平均检测率提高了约6.7%。这种算法鲁棒性强、实时性好。     

基于SVD-SURF的宽基线鲁棒景象匹配算法

提出一种基于SVD-SURF的宽基线鲁棒景象匹配算法。首先,在实时图与基准图奇异值分解的基础上构建SURF尺度空间,运用快速Hessian矩阵定位极值点;然后,计算出图像的64维SURF描述子;最后,通过Hessian矩阵迹进行特征点匹配,并利用RANSAC参数估计方法剔除出格点,从而实现位置参数的精确估计。实测航空图像序列位置估计实验表明了该景象匹配算法对图像的旋转、尺度变换及噪声不敏感,具有较强的实时性、精确性和鲁棒性。     

一种松弛标记体视匹配算法

本文叙述一种采用概率模型的松弛标记体视匹配算法。在此算法中,匹配基元为沿(ebg e);可能匹配点之间特征的相似程度被用来估计标记的初始概率;一种基于Mayhew-Frisby形状连续性(figural continuety)构造的匹配一致性量度用来更新标记概率。算法简单、稳定,收敛较快。文中并给出了实验结果。     

利用薄板样条函数实现非刚性图像匹配算法

提出了一种利用薄板样条函数实现非刚性图像匹配的新方法 .该方法是将图像表示成由特征点构成的特征点集 ,利用薄板样条 (TPS)能够将形变清楚地分解为仿射分量和非仿射分量的独特性质 ,应用TPS函数来表征特征点集之间的非刚性映射 ,并将TPS映射参数的求解嵌入到确定性退火技术的框架中 .首先提出基于TPS弯曲能的非刚性匹配的能量函数 ,然后采用确定性退火技术 ,迭代求解点集之间的匹配矩阵和映射参数 .与其它的非刚性匹配算法相比 ,该算法不仅保证了图像特征点之间的一一对应的双向约束 ,同时避免了陷入局部极小 ,而且具有较强的鲁棒性 .实验结果证实了所提算法的有效性和鲁棒性 .     

双目立体视觉测量中的特征点快速匹配算法

对于图像特征点的提取与匹配是双目立体视觉测量系统中的重要一步,提出了一种改进的适用于随机噪声、光照变化、局部遮挡等复杂环境下的快速鲁棒性不变特征(SURF)的匹配算法。首先,改进了特征点描述子中的主方向的计算方法,提高了主方向的精确度和计算效率;其次,结合NN/SN算法和RANDSAC算法,提出特征点的反向匹配算法,克服了外部环境光照变化、噪声、局部遮挡等因素对特征点匹配的影响,有效地提高了匹配精度。     

基于信息论的KL-Reg点云配准算法

针对含有高噪声、体外点及不完整点云数据的配准失效问题,该文提出以信息论为理论基础,相对熵度量点云相似度的KL-Reg算法。该算法不需要显式地建立对应关系,首先将点云数据建模为高斯混合模型,然后用相对熵度量高斯混合模型间的分布距离,最后通过最小化分布距离计算模型变换。实验结果表明所提的KL-Reg算法配准精度高、稳定性强。     

Robust multi-view correspondence of noisy 2D points usingrelaxation

An efficient ghost removal algorithm for reliably extracting correspondence information for 2D points from several views using epipolar constraints is proposed. The point matching relations are modelled using a weighted k-partite graph and a globally convergent iterative algorithm is used to extract reliable maximum cliques from the graph using probabilistic relaxation labelling. Experimental results show the effectiveness of the proposed method     

基于改进RANSAC算法的全景图像拼接技术

现实场景中相机获取的图像视角范围往往是有限的,而实际需求又要求得到场景的全 景图,针对日常生活和工业生产中对全景图像的需求以及传统的RANSAC(random sample consensus)算法在图像配准环节因为迭代次数没有上限导致出现误匹配点对且配准 速度不高的缺陷,提出了一种改进RANSAC算法来提高全景图像拼接的效率。改进RANSAC 算法通过检测圆内的点来寻找一个最优数据检测模型,并通过粒子群算法不断更新迭代圆心 的坐标,最终得到一个最佳的匹配模型,消除特征点匹配环节出现的异常值,在提高特征 点配准的准确率的同时降低算法复杂度。在对多组图像进行拼接的实验表明,本文提出的改 进RANSAC算法相较于其他几种算法平均正确匹配率提高了9.057%, 同时算法的平均配准速率提高了5.173 s,实 现了较鲁棒的全景图像拼接效果。     

A hybrid feature extraction method for SAR image registration

Extracting and matching correct correspondence between two images are significant stages for feature-based synthetic aperture radar (SAR) image registration. Two methods of feature extraction were employed in this study. Blob features were obtained by combining a Gaussian-guided filter (GGF) with a scale invariant feature transform, and corner features were obtained from the GGF. A GGF can store edge information and operate more effectively than a Gaussian filter. The ratio of average was used to compute gradients in order to reduce the speckle effect. Fast sample consensus (FSC) algorithm was combined with complete graph method for feature correspondence matching. Although FSC algorithm can extract valid correspondence, it may not be efficient enough to deal with SAR images due to its random nature and the large number of outliers in the data. Therefore, a graph-based algorithm was employed to solve the problem by eliminating outliers. The proposed hybrid method was tested on several real SAR images having different properties. The results showed that the proposed method performed the automated registration of SAR images more accurately and efficiently.     

完全自适应的谱聚类算法

针对谱聚类算法self-tuning的局部尺度参数σ_i会受噪音点影响,进而影响聚类结果,及其所使用的K-means算法的不稳定,对聚类结果的影响,提出两种完全自适应的谱聚类算法SC_SD（Spectral Clustering based on Standard Deviation）和SC_MD（Spectral Clustering based on Mean Distance）,分别定义样本i的标准差、样本i到其余样本的距离均值,为样本i的邻域半径,统计邻域内的样本数,以样本i的邻域标准差为其局部尺度参数,避免样本i的局部尺度参数受噪音点影响,进而影响聚类结果;以方差优化初始聚类中心的SD_K-medoids算法代替K-means算法,克服K-means算法的不稳定,发现数据的真实分布.UCI数据集和人工数据集实验测试表明,提出的SC_SD和SC_MD算法能得到更优聚类结果,不受噪音点影响,有很好的伸缩性.提出的SC_SD和SC_MD能完全自适应地发现数据集的真实分布信息,尤其SC_MD算法很适合较大规模数据集的聚类分析.     

松弛匹配算法的神经网络实现

本文提出了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的方法，其优越性在于可以利用神经网络强大的并行处理信息的能力，实时实现松弛匹配过程。通过对模拟图像进行的大量实验，得到了令人满意的结果，证实了用Ｈｏｐｆｉｅｌｄ神经网络完成特征点松弛匹配过程的有效性和可行性。