快速的圆投影图像匹配算法

针对现有圆投影匹配方法计算复杂度高、对同质区域无法识别的缺点,提出了一种新的图像匹配算法。该算法基于混合圆投影向量,结合塔式分解和角度直方图估计,不仅可以识别出模板在待匹配图像中的准确位置,还可以通过角度估计策略得到模板的旋转角度。通过图像金字塔策略,结合混合圆投影向量快速找到候选点;然后在诸多候选点中精确定位,确定位置;最后通过角度直方图计算出准确的角度。实验结果证明该算法识别率高,且匹配速度快。     

基于骨架和统计直方图的形状匹配算法

目标的柔性变化和局部遮挡是形状匹配的主要困难,传统的形状匹配算法对这类问题常不能奏效。针对该问题,提出了一种新的接合骨架和统计直方图匹配柔性变化和局部遮挡目标的方法。算法首先提取骨架接合点,根据骨架接合点将目标形状分块;基于每个骨架接合点构造各个子块的不变特征并将其直方图化;再构建了一种新的相似性度量函数;通过对骨架接合点的匹配实现目标形状的匹配。由于算法是提取骨架接合点,较骨架端点提取更稳定,从而能提高匹配精度;此外算法采用分块描述匹配的思想,所以能有效处理局部遮挡和柔性变化。理论分析和实验结果均表明算法是有效的。     

图像匹配方法研究综述

目的 图像匹配作为计算机视觉的核心任务,是后续高级图像处理的关键,如目标识别、图像拼接、3维重建、视觉定位、场景深度计算等。本文从局部不变特征点、直线、区域匹配3个方面对图像匹配方法予以综述。方法 局部不变特征点匹配在图像匹配领域发展中最早出现,对这类方法中经典的算法本文仅予以简述,对于近年来新出现的方法予以重点介绍,尤其是基于深度学习的匹配方法,包括时间不变特征检测器（TILDE）、Quad-networks、深度卷积特征点描述符（DeepDesc）、基于学习的不变特征变换（LIFT）等。由于外点剔除类方法常用于提高局部不变点特征匹配的准确率,因此也对这类方法予以介绍,包括用于全局运动建模的双边函数（BF）、基于网格的运动统计（GMS）、向量场一致性估计（VFC）等。与局部不变特征点相比,线包含更多场景和对象的结构信息,更适用于具有重复纹理信息的像对匹配中,线匹配的研究需要克服包括端点位置不准确、线段外观不明显、线段碎片等问题,解决这类问题的方法有线带描述符（LBD）、基于上下文和表面的线匹配（CA）、基于点对应的线匹配（LP）、共面线点投影不变量法等,本文从问题解决过程的角度对这类方法予以介绍。区域匹配从区域特征提取与匹配、模板匹配两个角度对这类算法予以介绍,典型的区域特征提取与匹配方法包括最大稳定极值区域（MSER）、基于树的莫尔斯区域（TBMR）,模板匹配包括快速仿射模板匹配（FAsT-Match）、彩色图像的快速仿射模板匹配（CFAST-Match）、具有变形和多样性的相似性度量（DDIS）、遮挡感知模板匹配（OATM）,以及深度学习类的方法MatchNet、L2-Net、PN-Net、DeepCD等。结果 本文从局部不变特征点、直线、区域3个方面对图像匹配方法进行总结对比,包括特征匹配方法中影响因素的比较、基于深度学习类匹配方法的比较等,给出这类方法对应的论文及代码下载地址,并对未来的研究方向予以展望。结论 图像匹配是计算机视觉领域后续高级处理的基础,目前在宽基线匹配、实时匹配方面仍需进一步深入研究。     

基于极坐标区间运算的2D形状匹配

形状匹配是遥感图像目标识别、字符识别、手形识别和步态识别等任务中的关键步骤之一.针对刚体识别任务中形状匹配易受方向、尺度和位置等仿射变化量影响的情况,提出了一种新的基于极坐标区间运算的2D形状匹配算法.该算法首先以形状区域的中心点为极点,区域的最长轴方向为极轴,对形状区域进行归一化的极坐标变换;然后定义了同一角度对应的区域内点区间之间的运算;最后定义了两个区域归一化极坐标变换结果在区间运算下的相似度函数,用以表征两个区域之间的匹配度.从可见光遥感图像中提取的实物图像实验结果证明,该方法能够有效归类相似形状,并能区分各类不同的形状.     

An algorithm for optimal free-form object matching

A novel method of matching for 3-D free-form objects (points vs. surface and surface vs. surface) is proposed. The method formulates the problem in terms of solution of a non-linear polynomial equation system, which can be solved robustly by the Interval Projected Polyhedron (IPP) algorithm. Two intrinsic surface properties, the Gaussian and the mean curvatures, are used as object features for matching. The related iso-curvature lines are used to establish the correspondence between two objects. The intersection points of these iso-curvature lines are calculated and sorted out to satisfy the Euclidean constraints from which the translation and rotation transformations are estimated. The performance of the proposed algorithm is also analyzed. This approach can cover global and partial matching, and be applied to automated inspection, copyright protection of NURBS models, and object recognition. Examples illustrate our technique.     

基于特征匹配的集装箱识别与定位技术研究

集装箱识别与定位是实现港口自动化的关键技术之一。模板匹配是一种较常用的 图像识别方法,但传统的模板匹配算法仅基于像素的灰度信息进行对比匹配,当外部环境稍有 变化时,算法的鲁棒性会大幅下降,且存在匹配效率不高,适应性不强等问题。提出基于目标 颜色模板预定位与变步长图像块匹配分割相结合的算法,将具有形状不变性的特征向量作为集 装箱实时识别与定位的重要依据,实验结果显示该识别方法能有效提高图像分割效率,同时对 目标平移、旋转、尺度变化具有适应性。     

Object matching using deformable templates

We propose a general object localization and retrieval scheme based on object shape using deformable templates. Prior knowledge of an object shape is described by a prototype template which consists of the representative contour/edges, and a set of probabilistic deformation transformations on the template. A Bayesian scheme, which is based on this prior knowledge and the edge information in the input image, is employed to find a match between the deformed template and objects in the image. Computational efficiency is achieved via a coarse-to-fine implementation of the matching algorithm. Our method has been applied to retrieve objects with a variety of shapes from images with complex background. The proposed scheme is invariant to location, rotation, and moderate scale changes of the template     

多重约束条件下的LBD描述子与直线段匹配

目的 针对直线描述子匹配算法缺乏有效的几何约束,且易受弱纹理、尺度变化的影响,提出一种结合多重约束条件的LBD描述子的直线段匹配算法（LBDs）。方法 该算法以LSD算法提取的直线段作为匹配基元,利用SIFT匹配得到的同名点构建同名三角网约束确定候选直线;参考影像上以目标直线段为中心轴建立该直线段的矩形支撑域;根据目标直线段端点及其支撑域四角点在搜索影像上的核线约束建立候选直线段的对应支撑域;利用仿射变换统一目标直线段及候选直线段支撑域的大小;将直线段支撑域分解为大小相等的条形带,通过计算每个条形带的描述符得到该直线段的描述子,依次完成目标直线段与候选直线段LBD描述子的构建;分别计算目标直线段与每个候选直线段描述子向量间的欧氏距离,将满足最近邻距离比准则的候选直线段作为匹配结果;最后选取角度约束对匹配结果检核,确定同名直线。结果 实验选取网上公开的3组分别存在角度、旋转、尺度变换的近景影像对作为实验数据,采用LBDs分别对其进行直线段匹配实验,并与其他直线段匹配算法进行对比分析,实验结果表明,LBDs获取同名直线数目约为其他算法的1.061.41倍,匹配正确率也提高了2.411.6个百分点,从匹配效率上来看,LBDs更为耗时,但兼顾该算法匹配获得同名直线数目、匹配正确率及运行时间,LBDs的鲁棒性更强,匹配结果的准确性与可靠性较高。结论 结合多重约束条件构建的LBD描述子对于存在角度、旋转和尺度变化的影像进行直线匹配过程中具有稳定性。     

基于粒子系统和形状匹配的实时无网格变形仿真

介绍了一种基于粒子系统和形状匹配的无网格变形算法。该算法将模型的每个顶点当成一个粒子,一个模型对应一个粒子系统,通过粒子系统控制物体外形。同时,每个粒子都对应一个目标位置,粒子与其目标位置之间存在弹力,能将粒子拉向目标位置,使得变形后的物体能够恢复原来的形状。目标位置可以通过粒子系统未变形时的静止状态与当前变形状态之间的形状匹配来计算。该算法简单,易于实现,且不需要复杂的数据结构。实验结果表明该算法稳定,具有实时性,可以有效地应用于三维游戏中。     

A variational method for contour tracking via covariance matching

This paper presents a novel formulation for contour tracking.We model the second-order statistics of image regions and perform covariance matching under the variational level set framework.Specifically,covariance matrix is adopted as a visual object representation for partial differential equation(PDE) based contour tracking.Log-Euclidean calculus is used as a covariance distance metric instead of Euclidean distance which is unsuitable for measuring the similarities between covariance matrices,because the matrices typically lie on a non-Euclidean manifold.A novel image energy functional is formulated by minimizing the distance metric between the candidate object region and a given template,and maximizing the one between the background region and the template.The corresponding gradient flow is then derived according to a variational approach,enabling partial differential equations(PDEs) based contour tracking.Experiments on several challenging sequences prove the validity of the proposed method.     

基于形状模板的快速高精度可靠图像匹配

为了提高工业检测中图像匹配精度和速度,提出一种基于形状模板的快速高精度图像配准算法：根据定义的图像匹配相似度量,采用图像金字塔搜索匹配策略,利用形状信息进行模板匹配。具体流程为：首先在参考图像上选择感兴趣区域生成模板,使用Canny滤波器对模板和搜索图像进行滤波,并计算边缘点的方向向量;其次,在此基础上构造该模板和搜索图像的图像金字塔,在图像金字塔最高层图像进行完全遍历匹配,获得具有匹配分值的潜在匹配点,然后根据匹配分值大小逐层逐次跟踪潜在匹配点,进行匹配,直至图像金字塔最底层;最后使用最小二乘法调整位姿参数,使其达到亚像素精度。实验表明该方法匹配速度快,匹配精度高,而且匹配鲁棒性高,不受遮挡、混乱、非线性光照变化、离焦、对比度低、全局对比度反转、局部对比度反转等情况的影响,完全可以满足实际工业需求。     

角点距离矩阵和同心圆划分的曲线描述与匹配

曲线匹配对于物体识别、目标跟踪、碎片拼接等有着重要的意义。针对曲线匹配的效率与鲁棒性问题,提出了一种基于角点距离矩阵和同心圆划分的曲线描述与匹配算法。该算法分为粗略匹配和精确匹配两个阶段。粗略匹配阶段首先采用角点距离矩阵来描述曲线;然后通过子矩阵的方法来匹配曲线。精确匹配阶段首先采用同心圆划分的方法描述曲线;然后通过两条曲线同心圆描述集的差异度度量函数来度量他们的相似性。算法不仅具有平移、旋转、缩放不变性,而且具有较强的鲁棒性,可用于遮挡物体的匹配以及基于轮廓的图形拼接。实验结果表明了该算法的有效性和可行性。     

一种起始点无关的小波系数形状匹配

小波变换的多分辨率特征使其在计算机视觉中得到广泛的应用,在形状匹配中,小波变换对起始点的依赖制约了小波变换的应用。为了克服小波变换对起始点的依赖,引入Zernike矩,提出一种起始点无关的小波系数形状匹配算法。对输入图像进行预处理后提取目标轮廓,生成具有平移、尺度不变的形状链状表达,并通过小波变换进行多尺度分析。最后计算各个尺度下的各阶Zernike矩,来解决小波变换的起始点问题,实现形状表达的旋转不变性。实验结果表明该算法适用于轮廓较明显的目标,同时具有速度快、精度高、鲁棒性强的优点。     

基于模板匹配及区域信息融合提取的快速目标跟踪算法

提出了一种基于融合的快速目标跟踪算法。该方法将目标预测模型、目标模板匹配以及目标空间信息融合到统一框架内。该方法通过预测模型,预测下一帧中目标候选区域,从而降低模板匹配方法的搜索区域。然后在预测模型预测的搜索范围内进行目标的模板匹配,同时,提取目标的区域信息来辅助目标的模板跟踪方法。最终跟踪结果由目标模板跟踪以及目标的空间信息共同决定。本方法由于采用了目标的预测模型,从而能够减少目标的搜索范围,降低因目标的全图搜索造成的时间开销。并且由于减少了搜索区域,剔除了部分相似的匹配窗口,从而提高了跟踪时匹配的精度。本算法结合了目标模板跟踪和目标区域信息的优点,能够增强目标跟踪过程准确度。由于加入了目标的区域信息,对目标跟踪中出现的漂移现象更加鲁棒。实验结果表明,本方法在进行目标跟踪过程中对出现的漂移、遮挡等问题更加鲁棒、稳定。     

模板匹配技术在图像识别中的应用

在图像目标识别技术的研究应用中,模板匹配技术是其中一个重要的研究方向,它具有算法简单、计算量小以及识别率高的特点。介绍了几种改进的模板匹配技术在图像处理、模式识别等领域的应用,包括有条码识别、生物特征识别技术(人脸识别、指纹识别等)、车牌识别、字符识别、飞机识别等。     

改进的模板匹配算法

在图像消旋消抖处理中通常运用到模板匹配算法,但在战场目标抗抖动的运用中,由于装甲战车车载图像跟踪系统受到地形地物的影响,会产生剧烈扰动,会产生匹配错误。建立了图像运动模型,根据图像灰度特征,对模板匹配算法进行改进。根据几何距离约束特征点的性质,运用特征点校正去除伪特征点,较好地消除误匹配,达到战场图像消旋消抖的要求。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。     

实时鲁棒的特征点匹配算法

目的 针对传统的图像特征点匹配算法数据量大,计算耗时长的特点,提出一种实时鲁棒的特征点匹配算法（RRM）。方法 通过微分操作确定图像的边缘区域,找出边缘区域中很有可能成为特征点的锚点,即梯度局部最大的点。对于每个检测出来的特征点,通过计算Intensity Centroid来确定特征点的方向,并且使用改进的Brief来对特征点进行描述,使之具有旋转不变性。最后,结合Hamming距离和对称匹配检验对特征点进行匹配。结果 本文算法与多种算法进行对比,在光照发生变化的情况下,RRM表现出明显的优越性和稳定性,正确匹配率达到83%左右,而其他算法的准确匹配率随着光照的变暗明显下降;在视角、尺度和旋转变化条件下,RRM也具有较高的准确匹配率。结论 实验结果表明,RRM在保证匹配精度的前提下,有效地解决了传统特征点匹配方法中的缺点。因此,本文算法能更好地应用于图像拼接、目标跟踪和对象识别等领域。     

基于仿射不变闭合区域和SURF的图像匹配算法

针对现有基于自然特征的增强现实系统中图像匹配准确度低、计算量大和鲁棒性差的问题, 提出了一种基于仿射不变闭合区域和SURF(speeded-up robust features)的图像匹配方法。对输入的图像首先利用灰度直方图均衡进行图像增强得到二值化的图像, 提取图像中的闭合区域作为图像的仿射不变区域, 然后运用SURF检测算法提取闭合区域的图像特征描述, 最后使用SURF双向匹配算法实现图像的匹配。实验结果表明, 图像匹配的准确度有很大程度的提升, 同时计算耗时更少; 提出的方法能够满足增强现实系统的要求。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。