基于density-ORB特征的图像特征点匹配算法

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.     

边界元在基于形状特征图像检索中的应用

针对目前Freeman链码在描述图像形状特征时边界特征点空间相关性不强、与颜色或纹理等特征相关性不强、抗噪性差的问题,提出了一种新颖的基于边界元的形状特征描述方法.利用定义的4种类型边界元来描述图像的形状信息,结合像素网格单元及图像颜色信息,采用图像边界元直方图和边界元自相关图特征矢量作为图像的形状特征描述,并综合这两个特征矢量进行相似性度量.试验结果表明,相较于已有文献中的形状特征提取方法,该方法有效地提高了检索的精准率,改善了检索结果的排序值,并具有很好的抗噪性和稳定性.     

基于张量黎曼度量的序列图像匹配光流场计算方法

使用序列图像的灰度-时空张量描述子来描述图像特征,并在此基础上提出了一种基于张量黎曼度量的序列图像匹配光流场计算方法. 该方法使用张量的黎曼度量给出序列图像特征描述子间距离的定义,并使用改进的Hausdorff距离取代欧式距离来完成黎曼度量的计算,据此构造序列图像匹配相关函数,以提高图像在噪声及遮挡情况下的匹配能力;在上述基础上,给出匹配光流场算法. 仿真结果显示,该算法相对于传统基于微分的光流场计算方法（H-S算法,L-K算法）和传统的基于灰度的块匹配算法在计算精度、抗噪声等方面更有优势.      

一种视频时空特征提取算法及其应用研究

目前基于内容特征的视频检索系统,大多采用提取视频关键帧的颜色、纹理、形状等底层特征,来进行视频相识度匹配,这些底层特征是基于全局统计或者人工设计的特征提取方式,存在泛化抽象能力不强、易受光照和噪声的影响等问题,同时,由于未考虑视频帧时序上的关联性,导致视频检索精度偏低。为此,基于深度学习框架,提出了一种视频时空特征提取算法。该算法以关键帧附近16帧图像作为学习源,采用三维卷积神经网络,融合帧的内容特性和时序变化特性,获取4 096维特征向量作为新的视视时空特征描述子。在标准动作视频数据集UCF-101上进行实验,结果表明该特征能显著提高视频检索精度,在查全率为90%的情况下,平均查准率不低于84%,检索效果优于传统视频检索方法。     

基于颜色纹理和形状特征相结合的图像检索系统

灰度共生矩阵是一种有效的纹理图像分析方法,为了更有效地进行图像检索,定义了一种新型的灰度共生矩阵描述子,该矩阵描述子能够有效结合颜色、纹理和形状特征,通过描述像素的空间相关性来进行基于内容的图像检索. 利用该矩阵描述子进行图像检索时,先在RGB颜色空间中计算彩色梯度,然后利用灰度共生矩阵来描述图像特征. 实验结果表明其检索性能优于传统的普通灰度共生矩阵.     

黑白棋盘格角点检测算法

分析了现有棋盘格角点检测算法存在的不足,提出了一种新的棋盘格角点检测算法.该算法定义4个特征方向,并通过黑白检测算子(BW)检测特征方向上像素的灰度分布特征,获得像素级精度的角点坐标位置;再根据局部窗口内响应值的相似度与影响因子对角点坐标加以修正,实现了亚像素级精度的角点坐标定位.该算法对图像的旋转和亮度变换具有鲁棒性.将本方法应用于实际拍摄的棋盘格图像,证明了其对棋盘格角点检测的有效性和实用性.     

一种新颖的单基因相位描述子的自然图像检索方法

提出了一种新的单基因相位描述子的自然图像检索方法,首先对图像进行Riesz变换,获得图像的能量信息和结构信息,然后编码局部区域的单基因相位变化和每个像素的单基因相位特征,接着计算抽取的局部特征的统计特征并运用基于块的fisher判别分析进行特征降维,最后进行相似性度量.实验结果表明提出的方法能够有效地描述自然图像,明显改善了图像检索的精度.     

融合颜色信息的尺度特征提取及匹配算法

实现有效三维重建的关键是将图像中的特征点检测并匹配,已有的算法中对特征点检测实效不高,特征描述子依赖灰度信息,导致匹配率不高。为了提高特征匹配率和时间,提出在尺度空间下提取Harris角点,对SIFT特征描述子进行颜色改进,对描述子进行二值化和主成分分析法降维,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台进行3组图像测试,改进后的算法提取的特征点具备尺度不变形,特征点分布较SIFT均匀,特征匹配正确率均在90%以上,匹配时间优于对比算法,尤其对于灰度相似但色彩不同和灰度区别小的图像也维持了高匹配率。     

发动机叶片ICT数字切片图像特征边界的提取

目的 实现数字切片图像特征边界的提取。方法 针对有噪声信号影响的发动机叶片ICT(Industrial computed tomogmphy)数字切片图像，根据图像特征边界点相邻像素灰度值变化特点，通过预先确定提取边界所占矩形区域的大小、方向和预提取图像边界的数量，沿垂直某一矩形边的方向自动产生与提取边界点数量相等的一组等距平行线，并将每一平行线穿过图像的像素灰度变化拟合成一条三次样条曲线或B-样条曲线。结果 根据拉普拉斯边界检测算法在出现边界点处一阶段数为最大和二阶段数为零的特性，计算机边界点的坐标，实现灰度图像特征边界的提取。结论 通过实验得到的测量误差，使用统计的方法进行分析，该算法不但能够达到1／4像素的亚像素精度，而且还有计算效率高的特点。     

多聚焦图像的自适应分块融合方法

人类的视觉系统对图像边缘区域非常敏感,属于不同区域的像素在边缘位置处的相似性最低。为了体现多聚焦图像在成像方面的差异,突出不同图像中的聚焦景物,提出一种基于像素块灰度相似矩阵的自适应多聚焦图像融合方法。方法以像素块灰度相似矩阵及其偏差中值作为融合的分块及融合准则,即根据像素块的灰度相似性来对融合源图进行自适应分块并依据偏差中值对分块后的图像进行融合的方法。由实验、主观评价及客观评价(标准差、清晰度、最大偏差、空间频率)结果显示,该方法优于常规小波变换融合方法。