基于B-样条表示的物体轮廓曲线匹配

目的研究利用破碎物体的轮廓曲线进行形状复原。方法提出了3D曲线的表示和匹配方法。曲线的表示用B-样条曲线逼近到从碎片物体的轮廓线上提取的数据点，在弧长参数化下，曲率和挠率是空间曲线在旋转和平移下的不变量，且具有局部性和稳定性，因此将其选择为特征集。3D曲线的匹配就转化为1D字符串的匹配，并采用对于特征集排序方法。结果提高了匹配速度，匹配算法的时间复杂度为O（n）。实验结果表明该匹配算法有效。结论对于物体形状复原有应用价值。     

基于傅立叶变换的三维轮廓线快速匹配算法

给出从提取物碎片轮廓线出发，解决空间曲线匹配来达到物碎片复原的方法。给出了用于查找三维轮廓线匹配的哈希矢量，以及基于傅立叶变换的轮廓线子段匹配算法，通过比较两条轮廓线的哈希矢量来分析曲线段的相似度。从理论上给出了判断曲线匹配的性质，如果曲线段之间的距离越小则哈希矢量之间的距离也越小。经实验征明，方法计算复杂性低，预测质量好，运行高效、稳定、纠错能力强。     

基于局部分块三维物体表面三角划分算法

基于三维重建工作中物体截面轮廓线序列中相邻轮廓线基本相似的事实,提出了物体截面轮廓线点集之间三角划分的一种快速算法,算法首先寻找轮廓线的控制法点,对每两条相邻轮廓线的控制点进行配对;然后将这样两条轮廓线蝗三角划分分配在多个小曲线段对之间进行,并且根据事先匹配的控制点,在每个小的区域中进行简便快速的三角划分的一种实验验证了算法的有效性     

基于局部分块三维物体表面三角划分算法

基于三维重建工作中物体截面轮廓线序列中相邻轮廓线基本相似的事实,提出了物体截面轮廓线点集之间三角划分的一种快速算法．算法首先寻找轮廓线的控制点,对每两条相邻轮廓线的控制点进行配对;然后将这样两条轮廓线之间的三角划分分配在多个小曲线段对之间进行,并且根据事先匹配的控制点,在每个小的区域中进行简便快速的三角划分．实验验证了算法的有效性．     

基于模板匹配的人体日常行为识别

提出了一种以运动人体的轮廓为特征,基于模板匹配的人体行为识别方法.利用背景差分法和阴影消除技术从图像中提取完整的人体轮廓.定义一种新的轮廓描述方法,将时变的2D轮廓形状转换为对应的1D距离向量.先计算轮廓点的质心坐标,再将轮廓等弧长地分割,用直线段连接相邻的割点构成对轮廓线的多边形近似,用多边形的顶点到轮廓质心的距离和...     

基于调整轮廓线权重的文物碎块自动拼接方法

由于自然或人为因素,文物经常以破损的碎块形式呈现,将诸多不规则碎块准确拼接使文物复原是一项耗时费力的工作。为此,该文提出一种基于断裂面信息的文物碎块自动拼接方法,该方法包含匹配和配准两个阶段。第一阶段,根据断裂面轮廓线分割出断裂面,基于快速点特征直方图搜索匹配点对,并调整轮廓线上点的权重,得到匹配关系。第二阶段,提出一种由粗到细的配准策略,采用基于主成分分析(PCA)的粗配准方法获得初始位置估计,然后应用深度最近点神经网络(DCP)做进一步调整。实验结果表明:该文配准方法的配准成功率较其子方法分别提升了2.22%和18.06%,平均绝对误差仅为0.920 2 mm,能够应对轮廓线破损情况,完成断裂面较为完整的文物碎块拼接。     

基于两视图的曲面物体自动建模方法

提出一种基于两视图的曲面物体自动重建方法. 采用基于Haudorff距离的特征匹配技术对图像的正面和侧面中的曲面物体进行匹配,自动获得图像中物体的大致形状及位置信息. 采用基于形状先验的图像分割算法自动地将曲面物体从图像的正面和侧面中分割出来. 利用这两幅图像中获得的侧影轮廓线,实现曲面自动重建和纹理自动提取. 通过真实曲面物体进行重建实验,验证了该方法的可行性.     

基于孔洞轮廓线的颅骨配准方法

颅骨配准是颅面重建的一个关键步骤,其配准精度对颅面复原的正确性有着重要的影响。为了提高三维颅骨模型的配准精度,提出一种基于孔洞轮廓线的配准方法。首先,提取颅骨的眼眶、鼻框、颞骨、上颌骨以及下颌骨等孔洞轮廓线,并将其拟合成光滑的曲线;然后,计算轮廓线上点的曲率和挠率,并将其组成特征串,再通过匹配该特征串来匹配轮廓线,由此实现颅骨粗配准;最后,采用概率迭代最近点(Probability iterative closest point,PICP)算法将颅骨进行进一步细配准,从而实现颅骨精确配准的目的。实验结果表明,该文基于孔洞轮廓线的配准方法比已有配准方法具有更高的配准精度和收敛速度,可以实现三维颅骨模型的快速精确配准。     

基于最小误差逼近的轮廓特征点提取

针对轮廓曲线的多边形近似和特征点提取,提出了多边形逼近误差和局部最小误差逼近特征点的定义和相应的实现算法.该特征点对轮廓曲线进行树状递归划分,并最大限度地减小逼近误差.使得在给定特征点数目情况下,多边形逼近误差为最小.在给定逼近误差的情况下,特征点数目为最少.对于轮廓线的特征提取、优化多边形逼近、压缩表示具有一定的意义.     

空中目标特征识别的MRA-GVFS组合算法

目的提出一种空中目标特征识别的新算法。方法在轮廓线提取过程中,采用二维Bubble小波多分辨率分析来降噪并弱化伪边缘,采用GVFS法跟踪和提取目标体的边界,再利用多边形近似算法按指定的顶点数提取多边形,以使其和目标特征模板进行匹配。结果提出了一种六步算法。结论对直升机的空中图像进行了特征提取仿真,该方法对空中目标识别很有效。     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。     

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.     

基于SURF-RANSAC配准的三维重建

为了提高三维重建中双目特征匹配的匹配效率和重建质量,在基于传统的加速鲁棒特征(SURF)匹配算法基础上,提出了一种基于SURF-RANSAC配准的三维重建算法。利用左右两幅图像来进行三维重建,首先通过Hessian矩阵来获取目标图像的初始特征点,并用邻近快速搜索算法完成初步的特征点匹配,然后融合随机抽样一致性算法(RANSAC)来优化匹配,最后利用三维坐标和纹理映射来完成三维重建。在Open CV上对该算法进行验证。结果表明,本文算法比传统的三维重建算法具有更高的精确度和更快的速度。     

结合特征点匹配的在线目标跟踪算法

提出一种结合特征点匹配的目标跟踪算法.首先,通过显著区域跟踪方法,解决算法对初始化目标框大小敏感的问题,提高样本选取质量,并降低背景杂波对跟踪器的影响.其次,采用中值流法跟踪和特征点匹配相结合的方法估计目标的尺度变化,并通过层级聚类方法剔除干扰点,解决跟踪器漂移及目标平面旋转跟踪失败等问题.最后,提出一种简单的检测器自适应尺度快速搜索目标方法加快检测速度.结果表明:所提方法有效地提高了TLD目标跟踪算法的跟踪鲁棒性,并在标准数据集上得到了很好的效果.     

基于概率密度分割的特征约束角点匹配方法

为克服Harris算子特征点匹配的角点群聚现象, 提出了一种基于概率密度的角点匹配算法。该方法将角点间的图像距离作为基本区域划分的主要参考系数, 利用划分区域的角点概率密度减少匹配区域, 然后将区域外的特征点判定为伪角点并将其去除。实验表明, 该改进算法的匹配结果有效地减少了干扰点, 从而提高了算法的实时性和准确性。     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。     

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.     

基于KCCA的特征匹配方法

特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根据投影向量之间的相似性进行匹配。仿真实验结果表明,该算法优于基于谱分解的特征匹配算法,在图像含有噪声和存在结构误差的情况下,算法具有较高的匹配率。     

灰度图像匹配的快速算法

分析了传统的模板匹配算法 ,提出了一种新的基于投影的快速模板匹配算法 .该算法对图像计算一维投影 ,并将投影数据差分转化为描述图像特征的字符串 ,在快速字符串匹配的基础上 ,进行归一化的相关计算 ,既保证了匹配效果 ,又提高了匹配速度 .实验结果表明 ,这是一种有效的新算法