基于改进型八叉树分解的三维超声图像数据抽样方法

在医学图像处理中,由于三维超声图像数据具有海量、非均质的特点,使得处理过程复杂度增大,出现执行效率低等问题.因此,为实现海量数据处理的高效化和有效化,进行数据抽样是十分必要的.提出一种基于改进型八叉树分解的三维超声图像数据抽样方法,能自动高效地获得三维超声图像的高压缩率抽样数据.首先采用基于模糊集的灰度图像阀值分割算法确定分割阀值;然后,使用改进型八叉树算法对三维超声图像进行分解;最后根据选取准则输出最优同质立方体和典型异质立方体作为三维超声图像数据抽样结果.抽样方法充分考虑了抽样对象的空间关系,抽样结果代表性强且图像数据缩减到原始图像体积的1.758%,有效提高后续图像处理操作的运算效率.     

基于级联卷积神经网络的人脸特征点识别算法实现

针对在有冗余图像信息干扰下进行人脸有效特征点提取时精度不高的问题,提出了基于级联卷积神经网络的人脸特征点检测算法.在该算法中:输入层读入规则化的原始图像,神经元提取图像的局部特征;池化层进行局部平均和降采样操作,对卷积结果降低维度;卷积层和池化层分布连接,迭代训练,输出特征点检测结果.该算法采用Python语言编程实现,在人脸数据集进行仿真实验,结果表明该算法对人脸特征点有较高的识别率.     

一种基于显著性区域分割的SAR图像配准算法

针对传统SIFT算法的配准精度和配准效率易受斑点噪声和图像灰度差异影响的问题,提出一种基于显著性区域分割的SAR图像配准算法.首先基于改进的马尔可夫(MRF)算法对SAR图像进行分割,结合区域特征和边缘特征筛选出稳定的显著性区域;然后在显著性区域的边缘附近进行SIFT特征点的提取;最后通过SIFT特征点的匹配实现图像配准.实验结果表明,该方法在保证较高的配准精度的同时,提升了算法效率.     

一种改进SIFT的SAR与可见光图像配准算法

针对合成孔径雷达(synthetic aperture radar,SAR)图像与可见光图像配准存在特征点提取困难、匹配效率不高的问题,文章提出了一种基于非下采样Shearlet变换(non-subsampled shearlet transform,NSST)与改进的尺度不变特征变换(scale invariant feature transform,SIFT)结合的配准算法。该算法采用NSST变换来提取图像低频信息作为后续检测特征点的原始图像,在保证特征点提取数量的同时提升算法运行速度;选用Harris算子和指数加权平均值(ratio of exponentially weighted averages,ROEWA)边缘检测算法相结合的方法提取SAR图像特征点,改进传统SIFT算法在SAR图像特征点提取时鲁棒性较差的问题;采用快速近似最近邻搜索(fast library for approximate nearest neighbors algorithm,FLANN)与改进的随机抽样一致算法(random sampling consensus algorithm,RANSAC)完成特征点匹配与误匹配剔除。选用GF-1号与GF-3号图像作为实验数据,并与传统SIFT算法进行对比。结果表明,该算法在特征点提取数量与配准精度上相比于传统算法均有明显提高。     

基于改进ASIFT算法的遥感图像匹配

ASIFT算法是一种具备完全的仿射和尺度不变性的特征提取算法.但其存在一定的不足,如计算量大、匹配效率低、易出现重复特征等.针对这些不足,本文提出了一种改进的算法.该算法首先对多仿射造成的畸变图像进行模拟获得模拟图像,然后对模拟图像构建高斯阶梯(Zoser)图像金字塔,由24邻域极值点构成特征点,并确定特征点的尺度和方向,最后利用RANSAC算法剔除误匹配特征点对.通过对遥感图像匹配实验证明该算法效率较高,并能够适用于实时性要求较高的系统.     

一种新的基于图像矩的特征匹配算法

基于图像矩理论,提出一种新的图像特征匹配算法.该算法在原有经典的Scale-Invariant Feature Transform(SIFT)图像匹配算法的基础上,利用图像一阶矩确定特征点指定大小的圆形邻域的质心,并通过利用质心来确定特征点主方向的方式提高匹配算法的效率.通过对图像矩特征的有效利用,与SIFT算法相比,此算法在保持较好的图像特征点匹配性能的同时,显著降低了算法的时间复杂度,具有更好的实时性能.计算机实验证明了此算法的有效性.     

基于小波和位平面技术的图像检索方法

提出并实现了一个基于小波和位平面技术的图像检索方法.首先依据二维小波子图的方向性特征,提出了一个兴趣点检测算法,并将该算法与位平面相结合进行图像兴趣点获取.然后将图像特征分为整体特征和局部特征进行提取,最后通过相似度测量实现了图像检索.由于该算法是对小波系数的位平面进行处理,有利于实现网像的压缩域检索.在考虑图像局部特征的同时也考虑了图像的整体特征,因此该算法亦具有较强的不变性.Corel图像库仿真实验表明,该算法具有较高的检索效率和准确率.     

快速多点地质统计三维重建算法

在SNESIM算法的基础上,提出了一种快速多点地质统计三维重建算法.首先利用红黑树构建模式集,降低树结构高度,快速检索匹配数据事件.其次综合概率融合与连续逐层采样方法,分别利用半模板与全模板进行点模拟,提高模板中条件数据的比例,缩小模式检索范围.对二维河道图像、三维多孔介质图像和三维储集层岩心图像进行了多组重建实验,结果表明该算法能够在不损失精度的同时显著提升时间效率,且对于各向同性、各向异性岩心图像的重建结果都与真实数字岩心具有相似的视觉特征、统计特征和孔喉分布特征,证明了算法的可靠性.     

基于二维数据的快速极大似然抽样一致性算法

对传统估计两幅图像对应点的鲁棒性算法进行了分析,指出了其基于一维数据的局限性.在一般的随机抽样一致性策略的基础上,提出了基于二维数据的极大似然抽样一致性(MLESAC)算法,并用每组对应点的匹配点数与匹配强度指导抽样过程.在预检验模型参数评估随机抽样一致性策略的基础上,增加了后检验步骤及自动更新局外点比例的步骤,以此对MLESAC算法进行加速.在对简单场景与复杂场景的实验中,分别使对应点数量提高了26 %和60 %,从而改善了场景重建的质量.     

Hadoop下煤矿图像PCA-SIFT算法改进及研究

大数据技术是当下热点问题,其中,Hadoop技术在煤矿领域的应用也引起了广泛关注。针对传统煤矿视频监控系统图像采集点多,单机环境煤场景矿图像特征提取效率低下等问题,提出了一种基于Hadoop的PCA-SIFT图像特征并行提取算法,该算法采用PCA算法对并行提取的煤矿图像的SIFT特征进行了并行降维处理。使用汾西矿务局煤矿图像井下数据集进行实验,提出的算法SIFT特征点检测效果好,运行耗时少,图像数量加剧后,系统加速比几乎呈线性增长的趋势,验证了算法处理大规模煤矿图像数据的有效性。     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

特征点稀少的炮管内膛图像拼接技术研究

针对火炮身管内膛图像特点,提出一种特征点稀少的火炮身管内膛图像拼接算法。通过Harris角点提取,进行特征点匹配,消除不良匹配点和误匹配点,利用Levenberg-Marquardt算法进行参数优化设计和双线性插值完成图像的重注册,最后采用函数加权法来处理重叠区域的图像,确保内膛图像的无缝过渡。利用Matlab和Visual C 6.0混合编程技术,开发了火炮身管内膛图像拼接软件系统,对内膛检测硬件系统采集到的跨视场内膛图像进行拼接与展开,结果表明,该算法速度较快、稳健性较好、图像配准精度较高。     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

大型工件测量系统中的快速图像拼接方法

根据大型工件测量系统中的图像拼接特点,提出了一种改进的模板匹配与特征提取相结合的高精度快速图像拼接算法.该算法对相邻的两幅图像采用多尺度Harris算子提取特征点,在第一幅图像中根据特征点的分布确定模板块,在第二幅图像中进行模板匹配找到匹配块,再基于特征提取在匹配块内进行对应特征点的计算,完成拼接.试验结果表明,该算法...     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。     

一种基于特征匹配的全景图自动拼接方法

提出了一种基于特征匹配的拼接算法,通过对应特征点来查找2幅图像的匹配位置.该算法不需要手工指定特征点,可自动对一组图像进行无缝拼接.实验结果验证了算法的有效性.     

基于加权最大边缘间距准则MMC的特征选择问题

特征选择是模式识别经典而重要的课题．由于不同类别样本之间存在边缘样本点,其分布区域互相交叉重叠,经典的MMC（Maximize Marginal Criterion）方法简单地采用最大化类中心距离,不利于样本分类．针对此问题,给出了一种基于加权最大边缘间距准则（加权MMC）并改进了的特征选择算法,该方法考虑了不同类别数据边缘样本点在模式分类中的作用,建立了基于最大边缘间距的新型特征评分准则,提高了边缘样本点在衡量特征判别能力时的作用．在公开数据集PIE和MIT-CBCL3000标准人脸图像库上进行了实验,结果表明,该算法与经典的MMC特征选择算法相比较具有明显的优势．     

一种基于小波变换的快速SIFT图像拼接算法

SIFT特征匹配算法是当前图像拼接研究领域的热点。为改进SIFT算法在图像拼接过程中特征点提取环节计算量大、耗时较长的缺点。本文在研究SIFT算法的基础上,提出一种改进的图像拼接算法。此算法先通过小波变换对图像进行预处理,减少在SIFT尺度不变特征提取过程中的数据计算量,以提高图像拼接速度。对两幅待拼接图像,分别采用经典SIFT算法和本文提出的改进算法做仿真实验,当匹配点控制系数a=0．5,经典SIFT算法在确定特征点耗时1．192891S,改进后的算法仅用了0．856712s。仿真对比试验的结果验证了该算法的有效性,同时表明该算法能够在保持图像拼接效果的基础上,提高图像拼接算法的速度和准确性。     

基于ASIFT的低空遥感影像拼接技术

对ASIFT算法原理进行了深入的分析,并在此基础上提出了基于ASIFT的低空遥感影像拼接的新算法.新算法首先利用ASIFT提取图像对应的特征点,通过最小二乘法计算仿射变换矩阵,最后根据仿射矩阵实现图像的变换与拼接.实验结果表明,由于ASIFT算法具有仿射不变性,相比SIFT算法更加符合低空遥感影像的特点,能很好地解决平移、旋转、仿射变换情况下的图像拼接问题.     

基于主动视觉的结构光手眼系统自标定方法

为实现结构光手眼系统的标定,提出一种基于主动视觉的结构光手眼系统自标定技术。该标定技术无需使用特制靶标,只需场景中三个特征点,通过控制机器人进行四次线性无关的平移运动和两次带旋转运动,即可实现结构光手眼系统的标定。四次非线性相关的平移运动标定摄像机内参数和手眼矩阵旋转部分,两次带旋转标定手眼矩阵的平移部分,两次带旋转运动中提取的两激光条,结合特征点所在平面信息,标定光平面方程。实验结果表明,三维数据测量精度可达到±1.32mm,平面特征点间的长度测量误差为±0.73 mm;该标定方法简单,特征选取容易,对结构光手眼系统的实际工业现场使用有重要意义。