基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配（NCC）算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测（SSDA）算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。     

基于DSP的虹膜识别系统的实现

提出基于TMS320C6713b浮点型DSP的虹膜识别硬件系统设计,以模块化的方式详细介绍了各个部分的结构、功能、工作原理等设计内容.对归一化的虹膜图像采用2D-Gabor滤波器的虹膜算法实现对虹膜特征的提取,通过比较海明码距完成特征匹配.实验结果表明,该系统能高效、稳定的工作,具有较高的识别率,效果良好.     

水印技术中相似度公式的一种改进算法

目前国内外在评价数字水印技术中水印的相似程度主要采用的是归一化相关值（Normalized Correlation值）,尽管常见的几种归一化相关值公式可以客观的表示原始水印与提取水印的相似程度,但如果要从人类视觉的主观角度出发,这些传统的归一化相关值公式在表示提取出的水印和原始水印反面相似时会存在很大不足。为此,提出了一种基于图像像素均值的数字水印相似程度的评价公式,文章称之为均值相关值。使用均值相关值公式可以有效的继承传统的归一化相关值,并克服了这些传统评价相似度的不足。通过仿真实验证明文章构建的均值相关值公式具有很好的科学性、合理性和有效性。     

基于拉普拉斯特征映射的仿射传播聚类

仿射传播方法难以处理具有流形结构的数据集。为此,提出一种基于拉普拉斯特征映射的仿射传播聚类算法(APPLE),在标准仿射传播的基础上增强流形学习的能力。使用测地距离计算数据点间相似度,采用拉普拉斯特征映射对数据集进行降维及特征提取。对图像聚类应用的实验结果证明了APPLE的聚类效果优于标准仿射传播方法。     

归一化算法在文字识别系统中的应用研究

针对汉字图像预处理过程中归一化算法进行了改进.先对单个汉字进行大小归一化,并在此基础上对汉字进行细化,最后对骨架图像进行修正.实验结果表明该算法有效可行,可应用于汉字识别的后续处理.     

一种基于联合轮廓特征矢量的目标识别方法

针对基于形状特征进行目标识别的方法存在的不足,提出一种联合轮廓不变矩特征和轮廓几何特征的识别方法;针对不同的待识别目标,采集足够数量的训练样本,统计每一个轮廓特征的均值、标准差和变异系数;并据此对这些轮廓特征进行动态筛选和加权,建立起待识别目标的联合轮廓特征矢量模型.在线识别时,提取场景目标的联合轮廓特征矢量,对其进行...     

结合Harris角点检测和不变质心的稳健图像Hash算法

提出了应用Harris角点检测和不变质心的图像Hash算法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,计算Harris角点与不变质心的欧氏距离作为特征向量,最后经编码量化产生图像Hash.实验结果表明:本算法对视觉可接受的JPEG压缩、滤波等具有良好的鲁棒性,而恶意扰动或篡改则会改变Hash值....     

TV改进算法及其在人脸识别中的应用

针对传统全变分（TV）模型在测试过程中存在的问题,将弹性网引入TV模型中,采用二次多项式对TV模型所丢弃的人脸低频信息进行光照归一化处理,并提取图像的高频信息,在YaleB图像库中测试其性能,仿真实验结果表明,相对于TV模型,TV＋二次多项式模型能够有效提高图像识别率。     

融合深度与肤色特征的自适应手部跟踪算法

手部跟踪技术是实现自然人机交互的关键。针对现有跟踪方法易受光照、环境等影响及鲁棒性差的不足,提出一种融合深度与肤色特征的自适应手部跟踪算法。考虑手部运动过程的形变,该算法首先利用深度平滑连续性选取深度阈值以实现跟踪区域的自适应尺度变化,获得手部候选区域。在此基础上建立YCbCr空间肤色归一化直方图,在粒子滤波框架下将跟踪问题转换为贝叶斯估计问题,基于最大后验准则确定手部位置,并通过监测粒子重要性权值的方差解决跟踪失效问题,实现复杂观测环境下的鲁棒跟踪。实验结果表明,该跟踪算法可适应不同复杂环境,鲁棒性良好。     

基于主元证据理论在车辆识别中的应用

车辆识别技术作为智能交通管理系统中的研究热点和难点;在车辆识别技术中,应用Dempster- Shafer证据组合规则融合冲突信息时会产生不合理的结果;基于修正证据源的思想,提出了一种新的权重系数确定方法,该方法从证据主元角度分析,确定各组证据主元,利用该主元求出证据相容度、可信度,进而确定证据权重系数;通过新的证据冲突衡量方法,确定冲突值,归一化权重,修正证据源,按ER规则融合各组证据对目标进行识别;仿真部分以实际路面车辆车型识别为算例,将该方法与其他方法对比,结果表明:该方法能更有效地融合高度冲突的证据,减小计算复杂度,目标识别的准确性提高20%。