基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

基于不变特征的区域相关技术

研究了如何利用不变特征实现区域相关；给出了具有平移、旋转、比例不变性的两组特征，即不变矩特征和同心圆特征；提出了计算二值图像不变矩的快速算法。通过对复杂背景下的区域相关实验，证实了利用不变特征相关的可行性。     

基于小波变换的图像边缘检测

基于信号与噪声在不同尺度下小波系数模的变化特征，利用小波变换系数模局部极大值来提取图像的边缘特征。实验结果说明了这种特征提取方法能够较准确地提取图像的边缘并有效地降低噪声。     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

基于区域综合特征的图像检索方法

提出一种基于目标区域综合特征的图像检索方法,通过把图像分割为若干区域,然后提取区域的颜色、纹理、形状特征,在提取区域特征的基础上再进行区域匹配,然后进行检索和性能分析．实验结果表明,在基于目标区域的图像检索中,在查全率一查准率性能上,综合特征检索要比单一特征检索性能更好．     

一种基于区域信息的图像高斯噪声滤除方法

提出了一种滤除加性脉冲噪声的模糊加权平均滤波器，其加权系数是一个携带了原图像信息的隶属度函数，同时该滤波器还根据图像区域特性差异采用了不同的滤波方法．新的滤波器优点是简单快速，和neuro-fuzzy滤波器相比又无需训练学习时间．实验表明该方法滤波效果优于传统的滤波器和其他模糊滤波器．     

基于固定尺度椭圆与稳定相对不变点机制的图像局部不变区域检测算法

为了使图像局部不变区域与相对不变点具有稳定性;且可消除仿射变换对其检测算法带来的负面影响,并显著降低算法的信息量和复杂度,提出了固定尺度椭圆耦合稳定相对不变点选取机制的图像局部不变区域检测算法。将S变换引入到Canny算子中,获得S-Canny算子;将多尺度卷积方程融入到DoG算子,形成多尺度乘积DoG算子;将该算子耦合S-Canny算子,在图像上抽取出DoG角点;嵌入拟合技术,设计了特征方向确定规则;并根据该特征方向,定义了稳定相对不变点的提取机制;最后连接角点和相对不变点,构建直角三角形,建立固定尺度椭圆不变区域。实验数据显示:与其他算法相比,算法的区域具有很好的稳定性,可重复率性能最好,所耗时间最短;且具有很强的鲁棒性。     

序列图像中运动区域的检测与几何特征提取

提出了一种基于色度的运动区域检测算法,利用像素的色度分量进行检测,克服了亮度变化和阴影的影响,并利用形态学方法对检测结果进行后处理,对处理后的运动区域进行标记,提取每个区域的面积、周长、形状因子等几何特征参数,为运动目标后期的分析和跟踪奠定了基础.最后给出了实验结果和数据,证明了算法的有效性.     

基于区域特征的图像分类技术

为解决自然图像的对象分类问题,提出了一种新的区域特征提取和表示方法. 该方法采用六边形近似区域边界,使用六边形的边长比和角度表示区域的形状特征,并采用简化的SIFT描述子描述区域的外貌特征. 将这种区域特征矢量量化后形成码书,用于基于特征包的识别模型,完成分类任务. 用PASCAL2007视觉竞赛数据集作为测试数据集,获得了较好的分类效果,结果表明,该区域特征表示法综合了外貌特征和形状特征,具有较高的分辨性能,同时还具有描述简洁、通用性强的特点.     

基于方向小波变换的高斯噪声图像恢复方法

提出一种基于方向小波变换的相关和阈值去噪方法,恢复高斯噪声图像.方向小波去掉了标准二维小波变换仅沿水平和竖直两个方向的限制,可沿任意方向变换,这种多方向组合变换方法有利于削弱Gibbs效应,对去噪后图像的边界保护具有积极作用.实验结果表明,相对于标准小波变换,该方法无论是PSNR值还是视觉效果都较原有的方法更好.     

面向自适应计算的局部四面体网格重划分

为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中, 采用由线到面、 由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.     

尺度不变特征点提取

结合传统的角点检测算法,提出一种基于高斯金字塔匹配的尺度不变特征点提取算法PBSI,首先建立高斯金字塔,在每层图像中检测Harris角点,根据高斯尺度理论自上而下找到它们在不同层的对应点,所有层上都有的匹配点就是最终的尺度不变特征点.实验结果表明本文算法具有计算简单、抗噪声能力强、稳定性好的优点.     

基于SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

基于高斯统计模型的快速图像区域分割方法

目前很多图像分割方法不能满足图像信息生成的随机性以及面对应用的实时性.提出一种基于高斯统计模型的快速图像区域分割算法,与已有的一些图像区域分割算法相比,该方法不用图像去噪,直接利用噪声建立高斯统计模型,还采用最大最小值的方法,提出初始分割的思想.实验结果表明新方法增强了分割结果的稳定性,提高了分割速度,更加符合了图像要...     

基于区域特征的胃炎病理图像二值化分割方法

二值化图像侵害方法因方法简单、易于实现而得到广泛应用,文章提出了一种基于区域特征的二值化图像分割方法。实验表明,该方法针对胃炎病理图像能得到较好的效果。     

基于特征融合的快速图像去雾方法

针对图像去雾问题, 提出一种基于特征融合的快速单幅图像去雾方法, 解决了暗通道方法存在的块效应问题. 该方法先采用基于K均值聚类的暗通道先验求得粗尺度下的透射率, 再通过分析雾对成像的影响, 提取有雾图像自身能反映景深变化的饱和度作为细尺度的透射率, 最后通过图像融合技术得到精确的透射率. 通过对
各种真实有雾场景进行测试的实验结果表明, 该方法简单且有效, 能得到理想的去雾效果.     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

基于图像高维特征压缩映射的混凝土表面裂缝检测算法

在复杂背景下,基于单一朴素特征表示的混凝土裂缝检测算法易受光照、背景杂波的干扰.利用多种图像区域特征描述子可以提取混凝土图像区域大量丰富的纹理特征,取得良好的裂缝病害检测效果.然而高维度的图像区域特征向量给后续的裂缝分类检测过程带来巨大的存储与计算负担.针对此问题,提出一种基于图像高维特征压缩映射的混凝土表面裂缝检测算法.基于Johnson-Lindenstrauss引理,本文算法可以利用较少的区域特征向量获得关于裂缝与非裂缝区域具有良好区分度的特征描述.在高维特征压缩映射的基础上,进一步利用最小二乘支持向量机快速准确地判断出裂缝与非裂缝样本.通过在实际采集的混凝土图像数据集上进行测试验证,本文算法的训练效率比高维样本模型训练快150多倍,同时裂缝病害区域检测准确率为90.3%、召回率为91.2%,优于其他对比裂缝检测算法.