基于SIFT算法的二维图像匹配研究

SIFT算法是基于尺度空间的算法,具有良好的尺度、旋转、光照等不变的特征。本文利用SIFT算法研究了二维图像匹配,并对其结果进行了分析。     

一种基于四叉树划分的改进ORB算法

原ORB （oriented FAST and rotated BRIEF）算法提取的图像特征点经常出现“扎堆重叠”现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题。为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法。首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度。用加速分段测试的特征（features fromaccelerated segment test,FAST）算法通过多个检测阈值对划分后的图像进行特征点检测。检测完毕后,根据划分出的子块总数和提取的特征点总数对划分出来的各个子块设置自适应阈值,提取ORB特征点。操作完成后通过采取非极大值抑制的方法筛选最佳特征点,并使用改良后的二元鲁棒独立基本特征（binary robust independent elementary features,BRIEF）算法计算得出特征点的描述符,最后进行特征点匹配。实验结果表明,本文算法提取的图像特征点较原ORB算法提取的效果在均匀程度上得到了明显地提升,冗余重叠的特征点数量减少,且在特征点提取速度方面较原ORB算法的提取速度提高了30%以上。     

一种基于四叉树划分的改进ORB算法

原ORB(oriented FAST and rotated BRIEF)算法提取的图像特征点经常出现"扎堆重叠"现象,其分布较为密集且缺乏尺度不变性,因而容易造成图像特征点误匹配的问题.为了解决该问题,提出了一种基于四叉树划分的图像特征点提取算法.首先对图像建立尺度金字塔,然后使用四叉树划分图像并限制划分深度.用加速...     

基于分块SIFT和GMM的人脸识别方法

当前人脸识别方法对采集环境要求严格,多是基于不变特征格,普适性不强.提出一种基于分块SIFT和GMM的人脸识别方法,首先在人脸整体和各分块图像上分别提取SIFT特征,并采用PCA方法进行降维处理,得到鲁棒性强和区分能力好的人脸特征;然后借鉴假设检验的思想,用通用的背景模型描述生物特征识别问题,并通过GMM方法和本文提出的成对模型构建人脸的背景模型和个体模型,据此计算待识别样本与注册样本之间的相似度,求取分类指数,采用分层决策框架实现人脸识别.仿真实验表明,本文方法对环境变化的识别鲁棒性强、识别性能好.     

基于改进局部保持映射的图像特征提取算法

针对目前局部保持映射算法(LPP)因忽略类标识信息而造成的计算效率问题,提出了基于类标识信息的监督局部保持映射算法,并将其用于图像特征提取中,该算法通过用类标识信息指导最邻近图构造过程来提高算法的效率,仿真实验的结果表明,该方法可以有效提高传统局部保持映射算法的运算效率,提高图像特征提取性能.     

基于多特征提取的识别算法数学建模优化研究

数据建模优化在多特征提取领域应用广泛,基于统计特征和基于结构特征的识别算法需要在数学建模优化下实施,可以改变图像的输入结构,从而能够对图形的统计特征进行提取,采取网格划分方法,对图像进行划分,然后对网格内文字像素进行比对,保证文字图像能够通过细分类模式进行识别.     

基于卷积神经网络的时空权重姿态运动特征提取算法

在传统姿态运动特征提取过程中存在有效提取效率低的问题,于是提出了基于卷积神经网络(convolutional neural network,CNN)算法的时空权重姿态运动特征提取算法.针对所选择的运动时空样本,提取相应的时空运动关键帧并以静态图像的形式输出;采取运动目标检测、图像增强等多项措施完成初始运动图像的预处理工...     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。     

基于改进ORB特征检测的多视角图像拼接

针对多视角图像拼接方法中存在的实时性较差,以及拍摄图像是存在运动物体产生的拼接裂缝和"GHOST"现象,提出基于改进ORB特征检测的多视角图像拼接.通过对ORB算法的改进使得图像的特征点提取和匹配有更高的实时性和稳定性,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理,从而对多视角图像中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

特征提取算法KPCA的改进与设计

特征提取的本质就是变换.针对传统核主成分分析(KPCA)在分类问题中所提取出的特征组合的不足,提出了一种基于信息度量改进的KPCA算法.数据集使用广泛应用的KDDCUP99安全审计数据集,用训练样本各特征向量的类内聚集程度和类间离散程度所组成的信息度量来代替传统KPCA中的累积贡献率,选取有利于分类的特征组合.实验结果表明,改进的KPCA方法在较低的维数下就具有较明显的分类效果.     

基于SIFT特征检测的图像拼接

针对图像拼接方法中存在的特征提取精度低,以及拼接后存在的拼接裂缝和"GHOST"现象等问题,基于SIFT特征检测的图像拼接.通过采用图像特征点提取和匹配有较强的稳定性和精确度的SIFT特征检测算法,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理来完成图像的拼接,并采用自行拍摄的图像进行仿真实验.仿真实验结果表明,基于SIFT特征检测的图像拼接方法具有较高的稳定性和特征提取精度,同时具有较低的特征点提取误差,并对图像拼接中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

肋骨皮质纹理特征提取分类算法设计

肋骨的皮质纹理特征是判断骨折的重要依据.提出了肋骨皮质纹理特征提取与分类算法,利用Canny算子图像进行预处理,利用Gabor小波实现纹理特征提取,利用KPCA完成降维和分类.实验结果表明,该算法得到的肋骨纹理特征提取与分类,提高了肋骨骨折的诊断率.     

改进的SIFT算法在书帖检测系统中的应用

针对书刊印刷品的书帖检测过程,设计了一套改进的书帖错帖检测系统.系统的硬件由CCD传感器、数字信号处理器DSP和可编程逻辑器件CPLD构成,实现书帖信息的采集与处理;软件采用改进的SIFT检测算法,实现对书帖的准确并快速检测.给出了系统的硬件框图及软件算法的原理以及系统的工作流程图.与传统的SIFT算法相比,改进后的检测算法检测一张书帖的平均时间由原来的40 ms降低为1 ms,检测准确率高达98%.     

基于特征提取的调制识别方法研究

基于特征提取的调制识别是通过分析信号在时域、频域或其他变换域的差异来提取信号的特征并对信号进行识别分类.针对调制信号载有信息的特点,从信号的瞬变信息、缓变信息以及提取方式等方面对特征提取方法进行研究,并对一些经典的信号特征以及基于时频分析的特征进行了分析,最后研究了两种分类器(神经网络和基于支持向量机)在基于特征提取的调制识别领域的应用.     

基于TLD与SIFT的增强现实三维注册方法

针对目前增强现实三维注册易受复杂环境以及算法复杂度高的影响,提出一种基于TLD与SIFT的增强现实三维注册方法.该方法分为4步:(1)采用TLD目标跟踪算法对目标区域进行跟踪;(2)采用SIFT特征检测算法对跟踪的目标区域进行特征点的提取与匹配;(3)利用特征点的匹配关系计算出三维注册矩阵;(4)根据计算出的三维注册矩阵完成注册,从而完成对现实世界的增强.仿真实验结果表明,当标识可见、不可见以及待注册图像发生旋转变换、尺度变换时,基于TLD与SIFT的增强现实三维注册方法都能成功完成注册,该三维注册方法有效提高了AR系统的实时性、稳定性和鲁棒性.     

基于样本扩展和线性子空间特征提取的单样本人脸识别

针对单训练样本情况下的人脸识别问题,提出一种虚拟样本扩展方法. 利用光照模板映射将单一样本扩展为一组虚拟样本,从而增强单训练样本的分类信息. 采用主成分分析（principal component analysis, PCA）对扩展的虚拟样本进行降维,并用Fisher 鉴别变换作二次特征抽取,然后用最近邻分类器识别人脸图像. 所提方法在人脸图像库Yale B 和Extended Yale B 上进行试验,用PCA+LDA 方法把扩展图像作为训练集对测试图像进行特征提取和识别. 相对于以单样本图像为训练集的PCA 特征提取,该方法显著提高了识别率.     

基于彩色图像不变矩的交通标志特征提取方法

本文提出了一种利用RGB颜色差分矩阵对Hu不变矩进行加权的新方法．并将该方法和Hu不变矩投影变换快速算法相结合,对彩色交通标志的特征值进行提取．实验表明,该方法可以在Hu不变矩不受目标图像大小、位置、旋转等因素影响的基础上,进一步减小光照条件及天气因素对彩色目标图像的影响,快速、准确地提取出目标特征值,为目标识别提供依据．     

基于中间值的最大间距准则特征提取方法

针对最大间距准则算法中训练样本类内平均值并不能对类内中心做精确估计的问题,提出一种基于中间值的最大间距准则特征提取方法.首先应用样本中间值代替样本的平均值来重新定义类间散度矩阵和类内散度矩阵,然后根据最大间距准则思想得到最优投影矩阵,最后利用三阶近邻分类器进行分类识别.在ORL、Yale和FERET人脸图像库上的仿真实验结果表明,该方法不仅提高了人脸识别率,而且具有较强的鲁棒性.     

基于小波包负荷特征提取和径向基网络的短期负荷预测新方法

准确的负荷预测是电力系统做出合理调度的重要依据.提出基于小波包能量和神经网络理论的短期负荷预测新方法,将负荷序列进行小波包分解,提取小波包能量作为径向基神经网络负荷序列的输入特征量.大量的预测实例分析表明,所提出的预测方法具有稳定性和准确性.