利用小波分析进行基于形状的图像检索技术

目的 解决基于形状检索方法中形状描述符的不稳定、缺乏平移、旋转、尺度不变性等缺点。方法 通过对图像进行小波变换，获得多尺度下的不变矩，得到图像的特征描述符，通过特征描述符的欧氏距离来表示图像的相似度。结果 通过小波变换进行形状特征提取具有很好的图像检索效果。结论 新方法获得的描述符具有旋转、平移、尺度不变性等优点，能够很好地描述图像的形状和空间分布信息。     

基于矩—小波描述子的人脸图像识别

介绍了在Radon变换下的图像矩特征的抽取方法,并得到图像的矩特征矩阵;进而对矩特征矩阵按行向量进行小波变换组成矩——小波描述子特征矩阵,采用矩阵的加权欧氏距离作为人脸图像的匹配识别的算法,产生较好的结果。     

基于形状相似的三维模型检索方法研究

在基于内容的三维模型检索方法中,基于形状的检索方法由于其视觉上的直观性和效果上的稳定性,得到了广泛的研究,本文提出了一种基于模型视觉投影图相似的形状检索方法,对任意模型通过坐标规范化,方向投影,提取其二维投影图像的Fourier描述符和Zernike矩描述符作为模型特征,在数据库中进行匹配检索.解决了该类方法中的投影图最优匹配的问题,并在检索效果和效率上取得了很好的结果.     

基于小波矩特征的小波神经网络目标识别

提出一种具有尺度、平移与旋转不变性的目标识别方法.该方法首先提取目标图像的小波矩特征,然后与小波神经网相结合,构成一套目标识别系统.小波矩不变量不仅可以表示图像的全局特征,而且还能表示局部特征;而小波神经网络结合了小波分析和传统神经网络的优点,具有很强的学习能力和推广能力.因此基于小波矩的小波神经网络目标识别系统在进行目标识别时具有很大的优势.实验中使用该方法对4类飞机目标进行识别,实验结果证明其识别率高于其它的目标识别方法.     

用改进的zernike距进行图像检索

在图像检索系统中形状是一个基本的图像特征。本文提出了一个有效的基于一组正交的zernike距的图像形状特征。由于图像的旋转对图像的相角的影响,现有的方法采用zernike距的幅值作为图像特征。在本文中,提出了结合幅值和相位来形成一个新的形状描述符,称为不变量zernike距描述符。实验结果显示我们提出的形状特征对图像旋转,平移所引起的改变具有很强的鲁棒性。比单独采用zernike矩的幅值的方法具有更好的识别能力。     

一种基于边缘不变矩推广的图像形状检索

目的 解决图像形状信息复杂,特征描述不够准确所导致的检索精度问题.方法 提出了一种基于Canny边缘提取的融合Hu不变矩及其推广的5个新不变矩作为形状的可视特征描述的方法,并通过归一化的特征向量的加权相似距离在图像形状检索过程中进行匹配.结果 实验结果表明:该方法能够充分利用图像的形状信息,比单一提取Hu不变矩特征具有更好的检索性能.结论 新推广的5个不变矩与原有的7个不变矩结合之后能够更为完整地描述图像的形状信息,并且能够提高检索性能.     

一种基于IFFT的小波矩的快速算法

该文提出了一种基于快速傅立叶逆变换 (IFFT)的小波矩的快速算法。小波矩除本身具有矩特征的旋转、平移、缩放不变性外 ,还具有对图像细节特征的描述。该文在小波矩和快速傅立叶逆变换方法的基础上提出了一种基于IFFT的小波矩的快速算法。实验结果证明 ,这种方法大大简化了小波矩的计算     

基于颜色和形状的图像检索

提出一种基于颜色和形状特征的图像检索方法,该法采用改进的颜色直方图表示图像的颜色特征,利用小波矩提取图像的形状特征和颜色特片,与候选图像的特征进行相似度计算.为进一步提高图像检索的质量,提出一种基于支持向量机的相关反馈方法.实验结果表明,该方法具有较好的检索性能.     

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.     

基于形状特征的图像检索技术

提出一种新的基于图像形状的检索方法.首先,用Canny算子对图像进行平滑处理,提取图像边界方向直方图特征;其次,用改进的不变矩来描述图像形状的区域特征,改进后的不变矩特征不受图像的缩放、平移和旋转影响;最后,为了克服不变矩只针对对象区域而忽视图像边界的缺点,提出改进的不变矩与边界方向特征相结合的方法,使得检索取得更好的...     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于Harris-Hist的特征匹配及目标定位算法

针对目前机器人伺服定位抓取中定位精度和实时性较差的问题, 提出一种基于Harris-Hist的快速特征匹配及目标定位算法. 首先, 采用Harris检测算法提取图像特征点; 然后, 提出一种新的特征点描述子定义方法, 计算特征点圆形邻域内像素点灰度直方图刻画特征点, 通过计算两幅图像中各特征点描述子间的距离实 现特征匹配; 最后, 根据匹配结果, 估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高, 能满足机器人伺服定位抓取中定位精度和实时性的要求.     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

基于局部特征点检测与匹配的微悬臂梁变形受力测量方法

提出了一种基于局部特征点检测与匹配的微悬臂梁变形受力测量方法.通过光学显微镜得到微悬臂梁变形前后的图像和基于放大的微悬臂梁表面的散斑纹理特征，在尺度空间中定位具有局部响应极值的LOG（Laplace of Gaussian)特征点，并在LOG特征点周围提取局部仿射不变封闭区域，其质心可以作为具有亚像素精度的特征点位置.由封闭区域构造仿射不变特征描述算子并进行特征点匹配，根据匹配点的位移信息进行悬臂梁弯曲挠度曲线拟合以描述微悬臂梁的弯曲变形，并采用最小二乘法计算悬臂梁受力大小与受力点.通过对实际的微悬臂梁变形图像实验，验证了所提方法的有效性.     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

对光照变化鲁棒的快速关键点提取与匹配

利用积分图像提出一种对光照变化鲁棒的快速关键点提取与匹配方法.首先,对基于黎曼积分的对比度拉伸响应,利用积分图像进行多尺度上采样滤波,快速提取光照鲁棒的局部特征,并在多分辨率框架下基于局部极大值检测多尺度显著特征关键点.然后,使用积分图像方法对以特征点为中心对称的矩形区域快速构造协方差描述,并采用对数欧氏距离,测度2个匹配场景中所提取的关键特征点周围区域的协方差矩阵之间的差异;最后,根据稀疏匹配策略,完成2个特征点集之间的自动匹配.实验结果表明,该方法结构简单,计算快速高效,准确性较高,且对于光照变化具有较好的适应性.     

指纹与指静脉的特征层动态加权融合识别

结合指纹与指静脉两种生物特征的优点进行多模态特征识别,提出一种特征层动态加权融合匹配算法。在图像预处理的基础上分别提取两模式源的有效特征矢量,根据近邻消除和特殊区域保留原则对特征矢量进行降维;从待识别特征角度对特征点集的相对质量进行评价,根据对双模态特征优和差的分类引入动态加权策略,提高质量较好特征所占权重,削弱低质量及伪特征对识别结果的影响,实现了特征层特征自适应优化融合。在FVC2000公开指纹库和指静脉自建数据库上的测试取得了98.9%的识别率,较指纹、指静脉单模态识别分别提高了6.6%和9.6%,较匹配层加权平均融合识别提高了5.4%。     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.