基于自适应多特征表观模型的目标压缩跟踪

针对压缩跟踪算法中表观模型的视觉表达特征单一、统计模型缺乏柔性的问题,提出一种自适应的多特征表观建模方法.该方法引入了对梯度、边缘等图像细节描述能力更强的Surf特征,并通过构建两级观测矩阵解决多维特征的观测问题,与亮度特征进行融合,使视觉表达更加丰富、全面;通过计算正负样本特征所服从的概率分布曲线的Hellinger距离,分析特征对目标和背景的区分能力,自适应地调整统计模型中各特征之间的权重,使统计模型能更好地利用对目标跟踪有益的信息,根据目标和背景的变化及时进行更新.实验结果表明:该自适应多特征表观模型能更加准确地描述实际场景中目标和背景的复杂变化,在保持高效率的同时,极大地提高了跟踪算法的鲁棒性和准确性.     

融合整体和局部信息的三维模型检索方法

基于特征融合的三维模型检索方法能有效提高检索效率,提出一种融合整体和局部信息的三维模型检索方法。分别通过Canny算子提取边缘特征和基于尺度不变特征变换特征的词袋模型提取词频向量特征,边缘特征用于描述三维模型的整体信息,词频向量特征用于描述三维模型的局部信息,将这两种特征融合成为新的特征用于描述三维模型。试验表明,融合整体和局部信息的三维模型检索方法能够有效地提高检索结果的准确率。     

动态场景下的基于SIFT和CBWH的目标跟踪

针对动态背景下的目标跟踪,提出了基于SIFT特征和CBWH特征的卡尔曼跟踪算法。算法利用卡尔曼滤波器预测目标的大概位置;在所在位置区域内提取SIFT特征,与第一帧和前一帧进行特征匹配,并投票获得候选目标位置;利用CBWH特征获得目标可能位置;将二者位置加权对卡尔曼滤波器预测值进行修正,得到目标位置。实验表明,所提算法取得了较好的实验结果。     

基于多特征融合的变尺度目标跟踪方法

给出一种基于多特征融合的核相关滤波器变尺度估计方法,以求解决视觉跟踪目标尺度变化问题。先提取目标所在区域的方向梯度直方图、颜色名和均匀局部二值模式,将此三种特征进行融合,构造训练样本,对目标外观建模;再求解线性岭回归函数,获得位置和尺度核相关滤波模板,对待检测帧的候选区域进行相似性度量,确定跟踪目标位置及尺度;实时更新位置模型和尺度模型的学习因子。实验结果表明,所给方法在不同挑战因素下,满足精确跟踪的要求,且在目标尺度变化、遮挡等复杂场景下,有较强鲁棒性。     

EPNP和POSIT算法在头部姿态估计上的实验比较与分析

单目视觉下的头部姿态估计问题就是利用单个相机获取的头部图像或视频信息来估计其姿态,即估计3个旋转角:俯仰角(pitch)、偏航角(yaw)和翻滚角(roll).本文进行了大量的模拟实验和真实实验,从噪声、点数、实时性等角度详细对比分析了2种通用的姿态估计算法EPNP和POSIT在头部姿态估计中的应用,结果表明POSIT算法在精度上略逊于EPNP算法,但前者在速度上具有较显著的优势,因此在实际问题中,需要在速度和精度上进行权衡来选择合适的算法.     

基于低尺度词袋模型的图像快速分类方法

提出一种新的框架用于改进传统词袋模型效率较低的问题。该方法建立在通过小波变换获取的低尺度图像表示上,利用在低尺度图像上提取单尺度的SIFT特征,建立低尺度视觉词典。由于大幅度减少了图像初始特征维数,该方法可以快速建立视觉词典,并且有效地降低后续图像分类所花费的时间。通过对Caltech101数据集全部8 677张图像的分类测试显示,该方法可以在保证分类性能的同时,有效地提升基于传统词袋模型的图像分类效率。实验结果表明,该方法可以全面提升金字塔匹配的词袋模型分类性能和分类效率,普遍用于传统词袋模型及其衍生方法。     

三维Shepp-Logan头部模型仿真投影数据的计算

为了验证三维重建算法的可靠性和准确性 ,提出以 3DShepp Logan头部模型作为三维医学图像重建领域进行仿真实验和算法性能评测的基本参考模型 ,详细介绍了模型的设计与实现以及仿真投影数据的计算 ,并基于 3DShepp Logan头部模型的三维医学图像重建进行了仿真实验 ,实验结果证明了新思路的可行性和模型计算的准确性     

三维Shepp—Logan头部模型仿真投影数据的计算

为了验证三维重建算法的可靠性和准确性，提出以3D Shepp-Logan头部模型作为三维医学图像重建领域进行仿真实验和算法性能评测的基本参考模型，详细介绍了模型的设计与实现以及仿真投影数据的计算，并基于3D Shepp-Logan头部模型的三维医学图像重建进行了仿真实验，实验结果证明了新思路的可行性和模型计算的准确性。     

一种人体头部运动姿态的测量方法

为了解决人体头部在空间环境中运动时,头部的不良姿态对人体身心健康的影响,设计了一种三维姿态传感器用于测量人体头部运动姿态．三维姿态传感器以单片机为处理核心,恒温系统保证系统的测量精度,两路MEMS高精度加速度传感器测量X轴和Y轴姿态,MEMS磁强计测量Z轴姿态,测得的姿态信号经过16位ADC转换器进行模数转换后,由单片机完成数据处理,通过CAN将三种初始姿态信息欧拉角、方向余弦和四元数传输到计算机．用户可以根据不同需要选择一种初始数据采用专用软件实时计算所需的姿态角、速度和位移量等姿态信息．通过计算结果分析,得出人们在不同环境空间里人体身心最佳状态时头部运动的角度、速度和位移等的姿态信息范围,为人们在以后的生活和工作中更好的调控人体头部姿态提供一个标准,使人体始终处在一个舒适愉悦的状态．实验结果表明三维姿态传感器的测量精度分别达到0．08°、0．03°、0．05°,达到了一般实际工程的测量精度要求,且此方法快速、简单、切实可行．     

基于SIFT特征的视频内头部姿态估计

基于对头部左右转动时脸部图像上点之间距离变化特性的分析,提出基于SIFT特征的单摄像头近距离视频图像序列内头部姿态估计算法。该方法首先在脸部图像上提取SIFT特征点,然后对两幅图像进行SIFT特征匹配,基于匹配的特征点之间距离的变化性质判断两幅图像内头部的相对转向与转动程度,得到头部姿态估计结果。在人脸库和视频图像上的实验表明,该方法使用简单,且具有较高的正确度。     

矩阵填充与主元分析在受损图像配准中的应用

本文提出了一种有效的针对受损图像(元素丢失)的图像配准方法。利用矩阵填充技术将受损图像的丢失元素恢复,然后将主元分析法(PCA)应用于尺度不变特征变换(SIFT)中进行图像的配准。针对SIFT算法采用128维特征向量表示特征点,存储空间、匹配时间与特征点数量成正比,文本采用主元分析法对多维特征向量进行降维处理,以提高运算效率;并采用高斯加权欧氏距离代替欧氏距离进行特征点的匹配。实验结果表明,该算法具有较好的稳定性、准确率和匹配速度,针对受损图像配准具有较好的鲁棒性,可应用在基于内容的图像与视频检索等机器视觉领域。     

图像多尺度配准的小波域SIFT方法

当SIFT(Scale Invariant Feature Transformation)方法应用于局部场景发生变化的图像时,在特征匹配中会产生错误匹配,文章提出了图像多尺度配准的小波域SIFT方法。该方法利用低分辨上变换参数剔除了错误匹配,提高了正确匹配率。模拟实验结果表明该方法在外点数目和正确匹配率方面优于原SIFT方法。最后,通过与原方法的对比分析,验证了该方法应用于震前震后多光谱图像的可行性。     

基于三维模型与Gabor小波的人脸特征点跟踪方法

为了实现人脸特征点跟踪系统的鲁棒性和精确性,使用光束平差法模型将基于三维人脸几何模型的跟踪方法与基于Gabor小波的特征点跟踪方法结合起来,提出基于三维模型与Gabor小波的人脸特征点跟踪方法.该方法使用基于Gabor小波的特征跟踪方法来得到每帧的初始特征点,使用基于三维人脸几何模型的整合优化跟踪方法来得到每帧的最终特征点.与3类典型人脸特征点跟踪方法的对比实验结果表明,该方法克服了以往方法基于二维图像信息来寻找特征点的局限性,可以实现鲁棒的、实时的、大角度的人脸特征点跟踪.     

基于概率图模型目标建模的视觉跟踪算法

提出了一种视觉跟踪任务中基于局部特征和概率图模型的目标建模方法,将目标表示为一组具有仿射不变性的区域特征,并通过概率图模型描述特征之间的空间约束关系。在目标跟踪过程中,首先在空域上利用信任传播算法,推断概率图模型中各个特征的状态,然后根据推断的结果设计改进的重要性采样函数,采用粒子滤波算法在时间域上对目标进行跟踪。为了适应目标在运动中的变化,模型根据特征的稳定程度自适应地进行更新。实验结果表明,该方法具有较强的鲁棒性,能够有效实现复杂场景下的目标跟踪。     

一种基于局部窗口的SAR图像目标检测算法

针对合成孔径雷达(SAR)目标检测精确性、实时性和鲁棒性的要求,设计了一种基于局部窗口的SAR图像目标检测算法。该算法在对获取的SAR图像进行去噪和分割处理的基础上,基于尺度不变特征变换(SIFT)实现了亚像素精度快速配准策略;同时,通过SIFT特征的描述结果降维和基于局部窗口的最大期望算法(EM)实现了目标检测。实验结果表明,该算法对复杂背景和光照、旋转变化有较强的自适应性,获得了理想的目标检测效果。     

改进的多特征融合手语字母识别方法

为了实现手语视频中手语字母的准确识别,提出一种基于DI_CamShift(depth image CamShift)和手语视觉单词(sign language visual word,SLVW)特征结合的算法.首先,采用Kinect获取手语字母手势视频及其深度信息;其次,通过计算获得深度图像中手语手势的主轴方向角和质心位置,计算搜索窗口对手势跟踪;再次,使用基于深度积分图像的大津法(OTSU)分割手势并提取其尺寸不变特征转换(scale invariant feature transform,SIFT)特征和Gabor特征,并通过典型相关分析(canonical correlation analysis,CCA)方法进行特征融合;最后,构建SLVW词包并用支持向量机(support vector machine,SVM)进行识别,单个手语字母最高识别率为99.89%,平均识别率为96.34%.     

基于颜色量化矩阵的SIFT特征描述方法

针对现有彩色图像的尺度不变特征转换(scale invariant feature transform, SIFT)算法计算复杂度较大和匹配性能较差的缺点,提出一种基于颜色量化矩阵的SIFT特征描述算法。首先由彩色图像的色调、饱和度和亮度生成颜色量化矩阵,然后由量化矩阵生成128维的SIFT特征描述子,最后应用于彩色目标匹配。实验结果表明,相比于现有彩色图像SIFT算法,本文方法具有匹配正确率高、匹配时间短和正确匹配点数多等优点,能够对彩色目标进行有效地匹配。     

一种基于局部不变特征的SAR图像配准新算法

针对SAR图像配准中匹配效率低、误匹配对多和配准精度差的问题,提出一种基于局部不变特征的SAR图像配准新算法。首先,使用加速分割检测特征（ features from accelerated segment test, FAST）检测算法,检测 SAR图像的FAST角点;使用DAISY描述子对FAST特征进行描述,得到SAR图像不变特征。其次,采用基于KD树的欧氏距离匹配策略,实现特征点对的粗匹配;采用RANSAC算法去除误匹配,实现特征点对精匹配。然后,采用仿射变换模型,实现图像插值和图像变换,实现SAR图像粗配准。最后,建立配准精度评估反馈机制,实现配准优化。通过使用不同时相、不同工作模式HJ－1C星载SAR和不同极化、不同波段机载AIRSAR图像配准实验,提出算法与经典不变特征配准算法相比,具有适配性好、配准效率高的优点。     

基于特征的显微图像全自动拼接

为了解决高倍镜下显微镜视野减小,无法完全捕获目标的问题,需要设计快速高效的方法对一系列显微图像进行拼接.在照片全景图重建的研究基础上,提出了一种基于特征的全自动显微图像拼接算法.该算法利用尺度不变特征变换（SIFT）提取图像中的特征,将获得的全部特征构建全局kd-Tree,使用优化的最优节点优先（BBF）算法搜索潜在的匹配图像对.采用随机抽样一致性算法（RANSAC）对找到的匹配图像对进行检验.根据最小生成树（MST）算法获得图像序列的连通分量,得到图像对之间的变换矩阵并将图像映射到拼接平面.对一系列显微图像的实验结果表明,该方法对图像中的背景噪声和亮度差异都有较好的鲁棒性,对相互之间只有少量重叠区域的图像序列也能获得可靠和精确的结果.