基于多种修正方式的概率松弛匹配算法

文章提出了一种将谱图理论、特征点的灰度特征及空间特征和概率松弛法相结合的特征点匹配算法;首先通过谱方法求出特征点匹配的初始概率,然后利用特征点的灰度相关性及形状上下文关系来修正初始概率,再利用特征点的形状上下文关系作为初始支持度,最后将修正过的初始概率、初始支持度与概率松弛迭代法相结合,获得匹配结果;实验结果表明,该方法能够达到很高的匹配效果.     

一种适用于近景数码影像的概率松弛匹配方法

用于近景摄影测量的普通数码影像与航空影像相比,存在更为复杂的影像变形和影像遮挡等问题,这使得其影像匹配的难度大大增加。针对近景数码影像的特殊性,提出一种改进搜索策略的概率松弛匹配算法。该算法采用格网点和特征点相结合的方式来确立初始点匹配过程;并从核线、视差等方面进行多重约束,保证匹配的连续性和正确性。实验结果表明,该算法适用于近景数码影像的匹配,在复杂的高山峡谷地区的立体匹配正确率可达到98%。     

一种新型的图象形状松弛匹配方法

松弛匹配方法是一种重要的图象匹配方法。本文通过图象中特征间的相互关系,利用松弛过程不断更新标识符的原始值,并且引入简单方便的寻优技术,以减少混乱度及提高相容性为原则提出了一种优化准则,从而加速及改善了松弛过程。本文提出的松弛匹配方法还可应用于识别重叠景物,结果优于一般的松弛匹配方法。     

识别库函数的特征点匹配法

库函数识别是反编译系统的前端环节，完成将可执行文件中调用的库函数识别出的工作，使得反汇编出的程序能以一条调用语句代替一段函数代码．本文提出了特征点匹配识别库函数的方法，并讨论了特征点集的抽取、匹配识别的可靠性及实现效率等问题．     

一种有效的车牌字符识别法——模板匹配—特征点匹配相结合的车牌字符识别法

汽车车牌字符的识别是车牌自动识别系统中的最后一个环节,采用模板匹配—特征点匹配相结合的车牌字符识别法有效地利用了传统模板匹配法方法简单的特点,同时利用特征点匹配的方法克服了其对图像质量要求很高的缺点,最后结合车牌的语法校验使得正确率和适应性都得到提高,取得比较好的效果。     

指纹特征匹配若干问题的研究

研究了指纹细节点特征匹配的关键问题.在匹配准则上,算法考虑了待匹配点的质量以及重合区域内匹配点和未匹配点对打分的影响.将待识模式和模板分解为局部模式,寻找最大密度点作为最优匹配.实验表明,该方法降低了计算量,并提高了匹配的准确性.     

指纹特征匹配若干问题的研究

研究了指纹细节点特征匹配的关键问题. 在匹配准则上,算法考虑了待匹配点的质量以及重合区域内匹配点和未匹配点对打分的影响. 将待识模式和模板分解为局部模式,寻找最大密度点作为最优匹配. 实验表明,该方法降低了计算量,并提高了匹配的准确性.     

基于KL变换的点匹配

提出了一种新的点匹配算法.算法分别提取点集中点的特征,用KL变换得到点的KL特征,通过比较KL特征获取点集间匹配关系.文中定义了点集中点的特征,给出了几种提取点特征的方法.分析了KL特征的稳定性和能量集中性,据此提出了基于KL变换的点匹配算法.文章结合经典的特征向量匹配算法,从算法抗噪性能分析着手,分别由能量守恒性质和最小方差匹配原则推导得出经典特征向量算法是KL算法的特例,KL算法更具普遍性的结论.通过实验,证明了算法的有效性及结论的正确性.     

基于三角形局部特征点模型指纹匹配算法

指纹识别是一种生物识别技术,指纹匹配是指纹识别的一个重要过程,如何解决指纹匹配过程中出现的待识别指纹出现的指纹平移、旋转与挤压引起的形变问题,是本文重要的研究内容。提出了一种基于局部特征点的三角形模型匹配算法,根据指纹中图像中的细节点,与其相邻的局部细节点构成一个三角形,并引入了它与邻近细节点间的距离、脊线数目作为判断因素,从而有效解决指纹图像匹配过程中遇到的因平移、旋转与挤压引起形变导致的识别率较低的问题,提高了指纹识别的精确度和可靠性。最后通过3个实验的结果表明,本文提出的算法比另外2种算法具有拒识率低、正确识别率高(正确率达到98.92%)的特点,即基于三角形局部特征点模型的指纹匹配算法有较好的性能。     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

基于模式识别神经网络的重力匹配算法

为了提高重力辅助惯性导航系统在重力异常明显区域内的定位精度和匹配率,用模式识别神经网络的方法进行了重力匹配.在匹配时刻,根据惯导指示位置确定在一定的网格点范围内搜索载体真实位置,以每个网格点为终点把惯导指示航迹放置到重力图上,由此提取一系列的参考重力图上数据,并把它和对应网格点的位置定义成一个模式类,把所有的模式类作为概率神经网络的样本训练一个模式识别神经网络,然后把重力仪测量数据使用该神经网络识别到某个模式类,对比模式类的定义可以确定此时的载体位置.计算仿真研究表明,该算法的重力匹配率优于通常的相关匹配算法,其组合导航系统的定位误差在1个重力图网格左右.     

基于高斯过程的点匹配方法

针对点匹配问题,在已知两个点集对应关系的情况下,通过高斯过程回归计算两个点集的空间几何变换模型.首先,给定高斯过程的协方差函数,通过对训练样本的学习计算协方差函数中的未知参数,得到后验的高斯过程.然后,根据后验的高斯过程预测测试样本的目标值,完成函数映射.该方法在空间几何变换模型的非线性映射能力与问题求解复杂度之间折衷,是一个基于训练样本的自动学习过程.仿真结果表明:该方法具有较好的非线性映射能力,并且只需较少的运算时间.     

基于点模式匹配和能量最小化的模板定位算法

阐述了分步利用点模式匹配和能量最小化实现模板定位的原理和算法．介绍了利用点模式匹配实现模板快速粗定位的原理,以及利用能量最小化实现模板精确定位的原理和算法．试验结果表明：此模板定位算法充分地利用了点模式匹配的特点,提高了定位的效率和通用性;能量最小化算法有效地实现了模板在输入图像中的精确定位．     

基于划分的模式匹配改进算法

为提高基于划分窗口的字符串匹配算法(SKIP和KMPSKIP算法)的性能,结合QS算法的优点,通过提前预览下一窗口最后一个字符的移动信息跳过尽可能多的字符进行下一轮匹配,减少了匹配次数,提高了匹配效率.理论分析及实验结果均表明,改进算法在平均时间复杂度方面优于原始算法,在模式较短的情况下,ISKIP算法的平均运行时间仅为BMH算法的65%~85%.     

基于S-D分配的多传感器联合概率数据互联算法

为解决集中式多传感器系统中多目标跟踪问题,提出了一种基于S-D分配的集中式多传感器联合概率数据互联算法。算法首先应用广义S-D分配的规则对每个传感器送来的观测数据进行排列组合,然后对每个组合中各量测点进行概率加权以获得一个等效量测点,最后根据每个等效量测点的联合似然函数计算其联合互联概率并获得融合中心的状态估计。该文最后给出了该算法与已有集中式多传感器联合概率数据互联算法的仿真比较,仿真结果表明该文算法的跟踪性能更优越。     

基于概率协作表示的运动想象脑电分类算法

在脑机接口的研究中,针对运动想象脑电信号的特征识别,提出了一种基于概率协作表示的分类方法（probabilistic collaborative representation based classification, ProCRC）,通过比较测试样本在每个类别中的最大可能性,从而确定其所属的类别。采用BCI竞赛数据库Ⅲ中的数据集Ⅰ,利用S变换进行特征提取,然后对不同的分类器进行比较,以分类准确率作为评价标准验证了该算法的有效性。该算法的分类准确率能够达到90%,为脑机接口系统分类算法的研究提供了新思路。     

基于BM的模式匹配改进算法

文章分析了BM算法及其改进算法BMHS,在此基础上提出了BM的改进算法FSBM.该算法利用当前匹配窗口的下一个字符的位置信息以及当前尝试中的已匹配子串,增大右移量,减少匹配次数,有效地加快了模式匹配的速度.     

一种基于概率投票的新型高效微支付方案

提出了一种新型的高效微支付方案,它允许客户使用一个由银行签名的公钥证书与多个商家进行交易,通过在支付阶段采用概率投票的方法,大大减少了客户进行超支花费的概率．在本方案中,因客户超支花费而造成的经济损失是由商家和银行共同承担的,且循环交互支付协议也使客户和商家的利益都得到了保障．与PayWord方案相比,其公平性大大提高,并为客户提供了有限的匿名性。