一种基于特征点的图像匹配算法

本文提出一种图像特征点匹配算法，并在该算法的基础上形成构建全景图的图像拼接算法．此算法采用Harris角检测算子进行特征点提取，并为其分配特征描述符．在进行相邻图片的特征比对时，提出一种基于小波系数的特征索引算法，提高搜索效率．运用稳健的RANSAC算法将伪匹配点集合划分成为内点与外点，在内点域中精确计算图像之间的变换关系．算法的重要特点为：基于小波系数的特征索引，可以使不同图像之间匹配特征点的搜索效率显著提高．实验结果表明：该算法得到的匹配点精确，受图像的形变、噪声影响较小；图像拼接处理的效果较好，具有较高的实用价值．     

融合多特征和谱聚类集成的图像分割方法

针对图像单一特征分割结果的适应局限性,提出融合多特征和谱聚类集成的图像分割方法(MFSC-IS).首先对图像进行基于粒计算的多特征子分割;然后将分割结果映射到超图,利用谱聚类集成算法得到最终分割结果.实验结果表明,与Gpb(Globalized probability of boundary)算法相比,融合多特征和谱聚类集成方法可以得到一个相对较好的分割结果.     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声，保留有用的信息，获得更为可靠的融合图像，将Kalman滤波引入图像融合中，提出基于Kalman滤波与多特征模糊聚类的图像融合算法．该方法结合滤波和多特征优点，实验结果表明了该方法的有效性．     

基于K-均值聚类的岩芯偏振显微图像粒径分析

针对岩芯图像的粒径分析提出了一种基于K-均值聚类算法的半自动分割算法,并编写了一套颗粒粒度图像处理程序.首先将超像素处理概念应用于岩芯偏振显微图像,得到过度分割的结果,然后对分割结果进行K-均值聚类和区域融合,利用图像中的边缘信息得到了更合理的结果,并大大提高了运算的速度;根据提出的算法,基于VB.NET 2008平台构建了一套半自动岩芯图像粒度分析软件,集图像采集、图像处理、粒度参数分析、砾石种类分类以及测量报告输出等功能于一体,大大提高了岩芯粒径分析的工作效率.     

基于模糊聚类的数字显微全息图像分割

图像分割是由图像处理到图像分析的一个关键步骤,同时它又是一个经典难题;数字显微全息图像由于其成像机理的复杂性以及对成像环境的高要求使图像的分割变得更为困难。文章将模糊聚类应用于数字显微全息图像的分割,实验证明这种方法简便而有效。     

基于多小波变换的医学图像分形压缩方法研究

针对医学图像分析与压缩的特殊要求,将多小波变换和分形压缩理论引入到医学图像压缩中。首先对医学图像进行多小波变换,较好地保持了医学图像的边缘和细节信息,再采用分形压缩方法对图像进行压缩。实验表明,算法在保持一定医学图像质量和较高压缩比的前提下,编码时间大大减少,结合多小波变换的医学图像分形压缩方法在临床应用取得较好效果。     

基于Kalman滤波与多特征模糊聚类的图像融合

为了减低图像的噪声,保留有用的信息,获得更为可靠的融合图像,将Kalman滤波引入图像融合中,提出基于Kalman滤波与多特征模糊聚类的图像融合算法.该方法结合滤波和多特征优点,实验结果表明了该方法的有效性.     

基于多小波分析的图像消噪方法

针对传统小波消噪效果的局限性,多小波所拥有的对称性、正交性、有限支撑等重要特性弥补了单小波的不足.分析了多小波方法的原理,并将多小波算法用于图像消噪中,研究结果表明,多小波对图像信号的先验知识要求较低,在抑制噪声干扰的同时,能够保留更完整的有用信号.     

基于形状特征的硅藻显微图像自动识别

硅藻是一类广泛分布于各类生境的单细胞生物,在许多领域具有广泛的应用,如水质监测、环境调查、石油勘探等,而这些应用都离不开对硅藻的种类鉴定.根据硅藻显微图像的形状特点,提出了对其进行预处理、分割、形状特征提取和分类的自动识别方法.采用了基于累积直方图的双轮廓叠加法的图像分割方法,可以有效抑制光照强度不一致、不平衡的影响,并充分利用显微镜下硅藻图像的轮廓特点,获得较好分割效果.同时对硅藻图像提取几何描述全局特征及形状签名特征,最后采用了基于误差反向传播算法的多层前馈网络(BP网络)进行分类.实验表明,该方法对11种浮游硅藻(包括12类轮廓)的自动识别率达到96.6%.     

序列图像中多运动目标的识别

提出了一种对序列图像中多目标进行识别的方法．利用多帧差分与颜色查表法相结合，采用高斯滤波器对差分后的图像进行平滑去噪，并且消除了运动快慢带来的不利因素．基于颜色表的快速搜索进一步提高了目标识别速度．经过实践证明该方法识别准确、速度快、效率高．     

小波变换在文字识别中的应用

利用小波分解提取文字的结构特征,根据文字的大体结构分类汉字,将汉字的分形维作为特征向量,以识别汉字。利用已有数据,在小范围内,验证由分形维识别英文字母的可行性,并证明了加权后的特征向量具有更高的识别率。     

基于小波变换的波形特征抽取与识别

从设备诊断领域中特征信号模式识别的应用角度,探讨了基于小波变换的特征提取与识别方法.首先讨论了小波变换及其基本性质,进而探讨了基于小波变换模量极大点的特征抽取及基于模量极大点的幅值沿尺度s演变的特征提炼方法,并构造了全局的相似性度量,最后给出了分析实例.     

图像块自相似特征的快速分形编码算法

为了解决全搜索分形图像编码算法在编码过程中range块和domain块匹配特别耗时问题,定义了每个range块和domain块的自相似特征,由于在自仿射变换下最优匹配块间的自相似特征应该接近,因此,每个range块的最优匹配块搜索范围仅限在与其自相似特征接近的domain块邻域内,变全局搜索为局部搜索.六幅图像的仿真结果表明,它确实能够在PSNR降低0.48d B(其结构相似性SSIM值仅下降0.0015)的情况下,平均耗时仅为全搜索分形编码算法的18.65%左右,而且也优于其他特征算法,所提算法达到了加快编码过程速度的目标.     

元音识别的几种分类模型的比较与分析

根据元音数据处理方法和选取的特征,提出了三种基于统计学的模式分类方法：线性判别、二次判别和七一最近邻,并通过模型选择方法,对实际数据进行测试与比较,得出尼．最近邻分类模式最为合适,同时提出进一步改进的思路。     

基于工程图形的特征识别方法

在零件几何特征分类的基础上 ,根据工程制图的特点 ,提出了零件视图的“顶点 +边+位置”信息矩阵表示模型 ,通过多视图间关系规则的探讨 ,给出了基于DXF文件格式的几何特征识别方法 为CAD/CAPP的无缝集成提供了实施方案     

基于局部特征分析与最优化匹配的人脸识别算法

在分析传统弹性图匹配的基础上, 提出一种基于局部特 征分析(LFA)与最优化匹配的人脸识别算法. 该算法首先利用神经网络方法估计出在识别人脸中起重要作用的一些特征点(如瞳孔、 眼角、 眉心、 眉角、 嘴角等), 之后利用Gabor小波的局部多尺度分析特性提取特征点的多尺度特征. 这样人脸的每个特征点就被一系列的 Gabor小波系数所表示, 最后对待识人脸与人脸库中人脸的相应特征点的多尺度特征进行最优化匹配找出需要的人脸. 对最优化匹配方法给出了严格的数学证明, 同时也给出了Yale大学和ORL人脸库上的测试结果. 理论和实验证明, 该方法远优于传统的EigenFace方法, 同时能有效地克服光照变化对人脸识别的影响, 在一定程度上对表情的变化也有较好的鲁棒性 .     

基于小波变换和2DPCA的人脸识别

主成分分析(principal component analysis:PCA)已成功用于人脸识别,但基于主成分分析的人脸识别方法需要将图像数据向量化,而向量化后的图像样本维数非常大,计算代价非常高.二维主成分分析(2 di mension principal component analysis:2DPCA)直接处理图像数据,不需要向量化的过程,2DPCA降低了计算复杂度,但是2DPCA与PCA相比,需要存储更多的系数,即要占用更多的存储空间.本文提出了一种基于小波变换和2DPCA的人脸识别方法,可以克服上述缺点,实验结果证明了该方法的有效性.     

基于遗传神经网络的战场声目标识别

通过小波包分析提取战场声信号不同频带上的能量作为特征向量,设计了遗传神经网络作为战场声目标识别的分类器,克服了传统BP神经网络容易陷入局部最小点的缺陷,通过Matlab仿真对比实验结果,证明遗传神经网络能够提高战场声目标的识别率。     

基于分级轮廓分形特征的舰船目标识别方法

采用一种共线性检查算法去除舰船轮廓底边，利用轮廓曲率的分级分形特征建立前视成像末制导过程中舰船目标的分级模型数据库，提出了一种基于分级分形特征的大型舰船目标识别方法．对舰船目标的实验结果表明了该识别方法的有效性和正确性．     

基于遗传算法的骨肿瘤分类方法研究

为了更好地利用骨肿瘤分形参数集对骨肿瘤进行模式判别，将基于连续变量的遗传算法和相应的交叉与变异算子应用于骨肿瘤的模式分类中。针对该算法在实验中出现的振荡及不收敛问题，相应采用了自适应技术加以改进。通过对比改进前后遗传算法的精度和速度，证明了改进后的自适应遗传算法稳健性能好，运算速度快。利用该算法，可根据分形参数模式集对骨肿瘤进行有效的分类，达到了预期的目标。