一种改进的多分辨率自适应图象平滑算法

分析了对经典多分辩率图象平滑算法在噪声较高时平滑效果较差这一现象，提出了一种改进的多分辨率图象平滑算法。经过对各种算法所作的计算机仿真实验，结果证明新算法具有较大的优越性。     

一种基于形态中值金字塔的线特征提取方法

基于掌纹的身份识别技术是基于人体参数身份识别技术的重要内容,如何选择合适的掌纹图象及其线特征,如何提取这些线特征是该项技术的关键所在,传统的边缘检测方法易产生双边缘,。易出现位置偏移,易受噪声影响,因此不适于掌纹线特征的提取,本文提出的一种基于形态中值金字塔的多分辨率线特征提取方法,借鉴多分辨率分析的思想,结合掌纹图象的特点及其相关知识来提取线特征,取得了较理想的实验结果。     

一种基于局部金字塔分解的图像拼接

目的研究提高图像拼接效率的方法。方法利用拼接区域的相似性信息降低图像拼接的计算量。结果提出一种图像拼接过渡区域的搜索方法,并以此在空间上约束被拼接图像拉普拉斯金字塔(Laplacian pyram id)分解和图像的拼接、重构计算。结论实验表明该算法在保证拼接质量的前提下明显提高了基于金字塔分解的图像拼接算法效率。     

基于金字塔匹配核的音乐信息检索

分析基于内容的音乐信息检索(music information retrieval,MIR),其关键在于特征提取.传统的单特征向量表示方法存在局限性:难以选定用于提取特征的片段或时间窗;只选取音乐片段会丢失一些重要的信息.为了消除局限性,引入多特征向量的特征表示方法,在获取音乐的多个声学特征向量的同时,也可以完整地表示该音乐曲目.为了更加准确地计算由多特征向量表示的2个音乐曲目之间的相似度,引入金字塔匹配核技术(pyramid match kernel,PMK)计算不同长度的多特征向量之间的相似度.实验结果表明,PMK技术的引入可以提高MIR的性能.     

处理旋转运动图象模糊问题的一种算法

提出了处理旋转体图象运动模糊现象的一种算法。该算法取决于图象退化过程的先验知识。在先求出匀速直线运动模糊处理算法的基础上,推导出匀速旋转体的运动模糊处理算法。实验结果表明,该算法较好地解决了图象运动模糊问题。     

在多Transputer系统上产生金字塔图象数据结构的并行算法及其实现

图象的多解析度处理技术广泛地用于计算机视觉研究中.然而这种图象处理技术要求采用功能强大的计算机,如由多个 Transputer 处理器组成的并行计算机,来处理繁重的运算任务.本文介绍如何在 Transputer阵列机上实现用于产生几种图象金字塔数据结构的并行算法.实验结果表明,在并行 Transputer 计算机上运行上述算法的程序,运行速度比个人计算机完成同样任务时的运行速度提高数倍.     

一种新的图象分割方法

大多数图象处理系统都需将目标从背景中分离出来。本文介绍一种新的自适应门限图象分割方法。门限曲面通过梯度值较大的象素点即可能的边缘点灰度值内插得到。     

一种模拟自然纹理图象的神经网络模型

讨论了随机神经网络模型－吉布斯随机场模型的势能函数和分布规律，用该模型对自然纹理图象进行模拟，建立了神经网络模型，并在微机上进行了实验，结果表明，当设量不同参数时，可以得到不同的纹理图象。     

一种基于金字塔策略的人脸超分辨率方法

高分辨率预期图像与低分辨率输入图像分别位于高斯金字塔的第0层和第i层.超分辨率过程据此被分成i-1个子过程,逐层进行,即将第k层低分辨率图像的超分辨率估计图像(位于第k-1层)作为第k-2层高分辨率预期图像的输入,直至产生第0层高分辨率估计图像为止.在每个超分辨率子过程中,采用基于patch的搜索策略.文中对这种基于金字塔策略的人脸超分辨率方法进行了实验,结果表明该方法能够达到很好的超分辨率效果.     

基于双空间金字塔匹配核的图像目标分类

提出一种基于局部特征的双空间金字塔匹配核(bi-space pyramid match kernel,BSPM)用于图像目标分类.利用局部特征在特征空间和图像空间建立统一的多分辨率框架,以便较好地表达图像的语义内容.该方法同时在特征空间和图像空间建立金字塔型结构,通过适当匹配可以得到正定核函数,该函数具有线性计算复杂度,可以运用于基于核的学习算法.将BSPM嵌入支持向量机对公共数据库中图像目标进行分类,实验结果表明该方法对图像具有良好的分类能力,优于词汇导向的金字塔匹配核和空间金字塔匹配核.     

采用GPU并行计算与图像匹配的工件条码识别算法

设计基于图形处理器(GPU)并行计算与图像匹配的条码识别算法.首先,设计基于归一化协方差的图像匹配算子,定位每个条码的位置.然后,根据条码面积、周长、形状因子,确定条码种类.最后,采用GPU并行计算方式完成条码解析.实验数据显示:与当前条码识别技术相比,所提算法能够同步识别多种条码,且在面对光照强度较暗或过高时,该算法具有更高的稳定性与抗干扰性,其仍具有更高的识别精度与效率.     

基于Matlab机群的分布式并行图像匹配算法

分析了Matlab并行计算工具箱中各部件的关系,对分布式并行计算环境中的关键参数进行了设置,构建了并行计算机群。将基于Matlab机群的分布式并行处理引入到图像匹配中。以灰度相关匹配算法为例,结合并行处理对图像灰度匹配进行并行实现。实验结果表明:并行化处理能有效缩短匹配时间,对进一步研究并行图像处理有一定的指导意义。     

一种基于互相关的图像定位匹配算法研究及应用

提出了一种基于互相关的图像定位匹配算法.该算法利用互相关实现图像定位匹配,同时采用了金字塔分层来弥补互相关匹配带来的大运算量的不足,克服了以往图像匹配中精度低的缺点,匹配精度可以达到亚像素甚至1/100像素级;通过在印刷质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性.     

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性(RANSAC)算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明:该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。     

基于VLSI技术的实时图像匹配阵列结构的研究

通过分析图像匹配算法特点，推导了图像匹配算法的一维表示公式，进而给出了两种串行输入／串行输出方式的实时图像匹配ｓｙｓｔｏｌｉｃ阵列结构，计算了上述两种结构执行图像匹配操作所需的时间。结果表明，两种结构充分利用了算法内在的并行性、流水性、规则性，满足实时要求，适合ＶＬＳＩ技术实现。     

不同分辨率图像的角点匹配方法

针对不同分辨率图像的匹配问题,提出了一种利用高斯金字塔的一对多角点匹配方法.采用一种变形的特征描述算子(SIFT)对角点附近的图像区域进行特征提取,根据提取出的特征向量进行角点匹配,并提出一种简单有效的抽样一致性算法以剔除错误匹配点对,最后在一对多角点的匹配结果中选出最佳的匹配作为最终的角点匹配结果.实验结果表明,该算法能有效地克服分辨率的差异给匹配带来的困难,算法简单,可靠性好.     

一种基于多特征的匹配方法研究

基于区域特征与边缘特征，对存在仿射变换的实测图与基准图进行匹配，包括；对图像进行动态门限分割，以去除噪声点，提取图像中的主要区域，进而利用这些区域特征进行粗匹配，然后结合边缘特征准确确定匹配位置．实验表明，将这种方法用于出现仿射交换下的景像匹配可取得较好的效果．     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

干扰条件下的景象匹配模型分析

在景象匹配系统中，实时图由于受到噪声和畸变等因素的影响，经常无法有效、准确地找到其实时匹配位置。建立了实时图的受干扰模型，得出了信噪比和相关值之间的定量关系式；然后通过分析实时图的畸变模型，得出了可匹配条件下，实时图畸变方差的上限值。这些研究工作，对于分析受干扰实时图对景象匹配的影响，具有重要意义。