图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

图像匹配二进制特征搜索算法:位图局部敏感哈希

图像二进制特征主要用于图像匹配和识别中,具有快速计算、有效对比和易于存储的特点。使用汉明距离对比、匹配两个二进制特征的效率很快,但是现有的匹配二进制特征搜索算法,比如线性搜索、层次聚类树等存在效率低和入围点少的问题,因此本文提出快速计算位图算法(FCBM)以及位图局部敏感哈希算法(BMLSH),以构建哈希表、查询哈希表中的匹配二进制特征,提高匹配二进制特征的搜索效率和质量。实验证明,BMLSH提高了二进制特征近邻搜索的效率、增加了入围点数。     

基于改进哈希算法的图像相似度计算

图像的相似度计算是图像检索中的一个关键性问题,在网络搜索引擎和计算机视觉等领域有着广泛的应用。传统的哈希算法采用离散余弦变换、主成分分析等方法处理图像,存在着方块效应和鲁棒性差等问题,为了解决传统算法的不足,文中提出一种基于奇异值分解(SVD)和离散小波变换(DWT)相结合的感知哈希算法进行图像相似度计算。通过奇异值分解对图像进行降噪处理,这样保证降噪后的图像在后期处理时对结果干扰减少,然后通过离散小波变换得到图片中的低频部分用于计算哈希值,保留图像的主体信息,最后通过计算哈希值的汉明距离来测评图片的相似度。实验结果表明,与现有的图像相似度计算方法相比,文中提出的算法性能好,鲁棒性高。     

基于小波分解的边缘图像快速匹配算法

针对传统均值金字塔搜索算法存在起始点不定,搜索范围缺乏约束的问题,利用小波分析的多分辨率特性,构建了小波边缘金字塔上的快速图像匹配算法.首先对低分辨率的边缘图像进行匹配操作,然后逐级上推,最终实现全分辨率下的图像匹配,实验结果表明,该算法可以减少计算量,显著提高匹配效率.     

哈希编码和Kalman滤波的目标跟踪算法

针对现有的目标跟踪算法过于复杂、计算量大和遮挡无法跟踪等缺点,提出了基于哈希编码和Kalman滤波的目标跟踪改进算法.采用哈希算法对图像感兴趣的区域进行编码,将二维图像变为一维数字摘要,大大地减少了匹配运算量;采用Kalman滤波算法进行目标搜索,并预测目标在下一帧图像中的位置,再以预测位置为起点进行搜索,从而缩小了搜索范围,加快了跟踪速度.通过对多组视频中的目标进行跟踪实验,结果说明所提出的改进算法在背景复杂、目标快速运动、完全遮挡的环境下具有较强的抗干扰能力,跟踪效果较好,跟踪速率高达12帧/s.     

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.     

结合小波金字塔的快速NCC图像匹配算法

针对传统的归一化互相关算法(NCC)计算量庞大、运算速度慢、正确率较低等问题,本文提出一种基于小波金字塔搜索策略的快速NCC图像匹配算法。该算法在归一化互相关算法的基础上,采用和表法分别计算图像均值、图像方差和图像间的互相关来降低运算的复杂度,减少算法的计算量;同时在选择特征点匹配搜索策略时,构造图像小波金字塔结构,利用分层匹配来提高图像匹配的效率。与其他算法进行对比,结果表明该算法获得的匹配点连线效果更好,所用的时间也量化,证明该算法不仅能提高匹配速度,还能改善匹配精度。     

基于投影与KMP简约算法的一维快速模板匹配算法

传统的模板匹配算法(如NC和SSDA)虽然具有匹配精度高的优点,但由于其计算量大,使得匹配时间过长。本研究提出了一种新的基于投影与KMP简约算法的一维快速模板匹配算法,首先将图像进行降维处理,得到特征字符串,通过对特征字符串的匹配,实现粗匹配,可大幅度地减少图像匹配时间;然后利用NC匹配算法,对粗匹配的结果进行验证,以达到快速匹配的目的。通过实验证明了本算法的快速性和准确性。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。