点模式的概率松弛匹配法

文章提出了一种将谱图理论、特征点的局部特征和概率松弛法相结合的特征点匹配算法。该算法通过谱方法,求出特征点匹配的初始概率;利用特征点的结构特征和灰度特征,求得初始支持度;将初始概率、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,该方法能够达到较高的匹配效果。     

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%。     

基于Shape Context的形状匹配方法的改进

传统的Shape Context算法只对简单的形状进行形状匹配.关注于人脸形状匹配和智能化视频监控应用,提出一种Shape Context形状匹配的改进方法,并将Shape Context的形状匹配运用到人脸的形状匹配中.本方法基于Shape Context算法,使用改进的边界提取算法,并融入了扩散滤波的预处理算法和数学归一化方法.本方法适用简单形状和人脸形状匹配,具有二维不变性,并且在智能视频监控中能得到稳定和有效的使用.     

基于形状上下文特征的植物叶图像匹配方法

提出一种将形状上下文特征应用于植物叶片图像自动识别的方法.该方法首先根据叶片形状自适应确定边界点数目,然后计算叶片的形状直方图,最后利用形状直方图计算不同目标之间的匹配相似度.实验结果验证了该方法的有效性.     

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。     

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.     

基于反欠松弛方法的不可压流动压力修正算法

对交错网格上不可压流动的压力修正算法进行了研究，利用离散的动量方程和连续方程建立了压力方程，通过检查迭代中速度场的散度来建立压力修正方程和速度修正公式。提出了加速收敛和稳定数值计算的反欠松弛方程，给出了决定反欠松弛函数的准则。数值计算获得了较好的收敛特性。     

基于直方图的形状描述及骨架图匹配算法

考虑物体形状的多变性,给出了一种基于二维直方图的物体形状描述及骨架图匹配算法.该算法利用骨架长度和骨架上点的圆盘半径作为特征量来描述形状.首先基于二维直方图给出一种形状及骨架端点的特征描述方法,其次结合改进的最优子序列匹配算法实现骨架图的匹配.算法中的形状及骨架端点的特征描述在一些常见非刚性变换下具有不变性.实验结果表明,该算法能够实现一些非刚性变换下的物体形状的骨架图匹配和较高精度的形状检索,且复杂度较低.     

一种基于圈基的谱匹配算法

提出一种基于圈基的谱匹配算法.利用两幅待匹配图像的特征点分别构造一组圈基,根据圈基构造赋权邻接矩阵,并进行SVD分解,然后利用分解所得到的特征向量构造反映特征点之间匹配程度的关系矩阵和匹配概率矩阵,最后通过交替归一化将匹配概率矩阵转化为双随机矩阵的形式以获得匹配结果.模拟与真实图像实验结果均表明该方法具有可行性和有效性.     

一种基于Laplace谱的形状匹配算法

提出一种基于谱图理论的形状匹配算法.首先在表示形状的离散点集上构造待匹配形状的Laplace矩阵,根据此矩阵的特征向量确定初始匹配关系,然后利用Viterbi算法将形状自身的结构特性(邻接性和弯曲能)融入求解过程,获得形状间的匹配关系.比较实验表明该文算法具有更高的匹配精度和鲁棒性.     

分块法的模式匹配算法的研究

为提高模式匹配算法性能,介绍经典的模式匹配算法Byoer-Moore和Sunday,分析它们改进后的效率,根据分块法的特点,提出一种新的分块模式匹配(block pattern matching,BPM)算法?BPM算法在预处理阶段先确定模式串的首字符在文本串的位置,再确定此字符后长度等于模式串长度的字符是否等于模式串的尾字符,若符合条件,采用单链表存储结构进行存储,在匹配阶段,利用单链表信息进行双向匹配?实验结果表明,BPM算法大大减少了匹配次数和字符比较个数,从而提高匹配效率?     

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。     

基于Agast-Adaboost的图像匹配算法

针对传统浮点型特征描述算法误匹配率高、匹配率低的问题,提出了一种基于尺度空间金字塔与AGAST(adaptive and generic accelerated segment test)快速特征提取相融合的局部二进制特征匹配算法(Agast-Adaboost local binary feature matching algorithm,ALBFMA).该算法首先构建高斯尺度空间金字塔,将AGAST与尺度空间融合并提取特征点,然后用改进的Adaboost算法对特征点进行二值描述,生成特征向量,从而提高该算法的匹配速率和匹配精度.实验结果表明:与已有算法相比,该算法具有匹配精度高的优点,并且对光照、尺度及旋转有良好的鲁棒性.     

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。     

基于混合索引树的空间文本匹配算法

针对空间文本对象流和订阅流的匹配,采用一种混合索引树来组织数据对象,包括多叉树空间索引、谓词索引和倒排文件三个部分,其中多叉树空间索引用于空间区域管理,谓词索引和倒排文件用于订阅谓词管理.在此基础上,提出了谓词索引建立算法、空间文本对象与倒排项匹配算法和混合索引树检索算法.与基于空间网格加倒排文件的检索方法进行了对比实验,结果表明:所提出的算法提高了用户的检索效率,并验证了其有效性.     

指纹中心点的定位和特征匹配方法

提出了一种新的指纹中心点搜索的方法及其于中心点的指纹匹配算法，它利用指纹块方向图中块方向的变化进行中心点的粗细两步搜索，首先在粗方向图中搜索方向锐变区域，然后在细方向图中对相应的匹配再进一步搜索方向锐变的区域，最终得到中心点，在此基础上介绍了基于网格的旋转匹配方法，此方法对噪声大的指纹有较强的抗干扰性，算法相对简单且效果良好。     

一种块匹配的图像修复算法

在研究Criminisi算法的基础上,提出了一种新的图像修复算法。根据图像待修复点梯度的大小,在源区域中确定其匹配区域的范围,减少搜索次数;以到待修复点距离从小到大的方式搜索匹配块,应用最近最优匹配块对图像进行修复;提出新的置信度更新方法,使更新后的置信度与累积误差成反比。实验表明,本文提出的图像修复算法具有较好的图象修复效果,并且计算复杂度低,效率高。     

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%.     

一种基于遗传算法的指纹比对算法

指纹比对在身份验证与身份识别中具有非常重要的应用。该文提出了一种基于遗传算法的指纹比对算法。该算法针对指纹比对的特点 ,设计了相关的目标函数与遗传算子 ,搜索了两幅指纹间可能存在的平移、旋转等几何参数变化关系 ,并在此基础上确定了二者之间的特征点匹配关系 ,从而可判断两幅指纹匹配的程度。实验结果表明 ,该方法可以在变换与局部变形存在的情况下 ,正确判定两幅指纹之间对应的特征点。与直接利用遗传算法搜索特征点对应关系的方法相比 ,新搜索方法收敛所需的迭代次数仅为遗传算法的1/ 5 ,速度得到了提高