基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法。建立Harris函数的尺度空间表示,检测每个尺度水平上的极值,利用迭代算法验证每个尺度水平上LoG算子是否获得最大值,从而得到特征角点的位置及其尺度。该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时,还能检测出多尺度下的特征点。通过实验验证该方法具有尺度不变特性,适用于尺度变化较大的视觉系统。     

基于概率密度分割的特征约束角点匹配方法

为克服Harris算子特征点匹配的角点群聚现象, 提出了一种基于概率密度的角点匹配算法。该方法将角点间的图像距离作为基本区域划分的主要参考系数, 利用划分区域的角点概率密度减少匹配区域, 然后将区域外的特征点判定为伪角点并将其去除。实验表明, 该改进算法的匹配结果有效地减少了干扰点, 从而提高了算法的实时性和准确性。     

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法．首先，利用在图像特征点提取领域中运用最为广泛的SIFT（Scale Invariant Feature Transform）算法提取图像稳定特征点，生成特征向量描述符；然后根据向量最近邻（NN）和次近邻（SCN）的距离之比，对匹配点进行初步筛选；最后运用Mestimators法估计特征点对间的几何约束模型，利用该模型进一步精选特征点，确定真正的匹配点对个数，将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准．实验结果表明：该方法能够准确地提取出图像特征点，并通过精选特征点能够在很大程度上改善误匹配问题，从而快速有效地检测出错误的印刷品，得到了良好的检测效果．     

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法.首先,利用在图像特征点提取领域中运用最为广泛的SIFT(Scale Invariant Feature Transform)算法提取图像稳定特征点,生成特征向量描述符;然后根据向量最近邻(NN)和次近邻(SCN)的距离之比,对匹配点进行初步筛选;最后运用M-estimators法估计特征点对间的几何约束模型,利用该模型进一步精选特征点,确定真正的匹配点对个数,将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准.实验结果表明:该方法能够准确地提取出图像特征点,并通过精选特征点能够在很大程度上改善误匹配问题,从而快速有效地检测出错误的印刷品,得到了良好的检测效果.     

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。     

基于曲率尺度空间的轮廓线匹配方法

基于曲率尺度空间(curvature scale space,CSS)理论,提出了一种匹配和识别存在仿射变化的平面曲线的方法。首先借助边缘检测算法提取图像轮廓,利用PCA白化算法消除轮廓线尺度、平移和切变的影响;然后对轮廓进行重采样并求取对应曲率尺度空间图的局部极值点;最后利用局部极值点向量数组作为轮廓线的描述符进行匹配。在MCD形状数据库的对比检索实验结果表明本文所提出的方法不仅有较高的检索率,而且对仿射变化具有良好的鲁棒性。     

基于SIFT特征匹配和模约束的摄像机分层自标定方法

在一些计算机视觉和摄影测量任务的执行过程中,需要在线地标定摄像机参数,这就使得不依赖标定参照物的自标定成为必需,提出一种基于SIFT特征匹配和模约束的摄像机分层自标定方法。自由移动或旋转摄像机拍摄同一场景内部参数不变条件下的四幅以上图像。对每幅图像进行SIFT特征点提取,通过特征点匹配在每幅图像中分别获得对应三维场景空间同一特征点的像素坐标。进行投影标定,获得每幅图像在投影重建空间中的相机投影矩阵,以及每个特征点在投影重建空间中的三维坐标。进行仿射标定,采用模约束法确定无穷远参考平面在投影重建空间中的参数。进行度量标定,确定内参矩阵。实验表明,该方法能在线地稳定地获得摄像机内参标定结果,从而对现有的摄像机自标定方法进行了改进。     

基于Harris角点与SIFT的快速图像匹配算法

针对基于局部特征的图像匹配算法,当图像发生较大的旋转变化时此算法会发生匹配率下降的问题,并且随着时间、场景、遮挡、光线的变化,图像的特征会发生模糊变化,这将严重影响匹配率,因此提出了一种基于Harris角点与SIFT的快速图像匹配算法,该算法用Harris检测图像的角点,在角点邻域内筛选SIFT特征点,并且利用高斯圆形窗口对筛选过的特征点建立低维描述子.该算法不仅具备了Harris算法的高稳定性而且兼顾了SIFT算法对于旋转变化较大的图像也有着高匹配率的特性.仿真结果表明,与SIFT算法相比,本文提出的算法不仅匹配速度快,而且在图像发生模糊变化、旋转变化的情况下可得到高匹配率.     

一种基于特征点匹配的自动拼接算法

针对图像的无缝拼接问题,本文提出了一种基于特征点的自动拼接算法。通过对其原理和流程的分析,对智能拼接的核心过程——图像特征点的自动匹配和图像的融合进行了详细的阐述,重点分析了原始图像和目标图像特征点的自动提取。实验表明,基于特征点匹配的拼接算法对提高航空像片质量和拼接精确度具有比较好的效果。     

基于SITF特征提取的加速匹配方法

SIFT算法是目前应用最广泛的特征点提取匹配算法,该算法具有尺度不变性,旋转不变性和一定的光照不变性.但SIFT算法复杂度较高,而且图像匹配时间较慢,在较大形变和光照变化下易出现匹配不准确.针对上述问题,提出极值分类匹配算法,将特征点分为极大特征点和极小特征点两类,进行分类匹配,并利用扩散过程来代替欧式距离计算特征点之间的距离.该文方法不仅降低了时间复杂度,提高匹配速度,而且对图像形变和光照变化更具鲁棒性.     

基于双边滤波改进的Harris特征点检测

经典的Harris特征点检测和Harris-Laplace特征点检测在传统的算法中占据重要的地位,但它们或在尺度或在冗余上仍存在问题,并且对弱的特征点不能很好地检测。为此,文章提出了一种改进的方法,在多尺度Harris检测特征点时用改进的双边滤波来替代传统的高斯滤波,而且在检测时对特征点进行分组,一组代表同一局部结构,然后在各组中选取一个自相关矩阵特征值最接近的点来代表这一结构。实验表明此方法能较好地定位特征点位置和去冗余特征点。     

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。     

序列全景图像的特征提取与匹配

为了提高SLAM系统特征提取和匹配的稳定性,文章提出了在全景展开图像的多尺度空间上提取特征的方法.该方法首先对全景图像进行基于虚拟柱面的展开和矫正,然后在此基础上为展开图像建立多尺度空间,最后在多尺度空间内通过Harris特征跟踪器来选择候选特征点,并用Laplace公式选择出在尺度空间范围内具有局部最大值的特征点.这些特征点具有尺度、旋转和光照不变性,并且在有限视角变化下也能保持稳定性.实验证明,这种方法比在未展开图像或展开图像的单尺度空间内提取特征更具稳定性.     

基于SIFT检测的Demons图像配准

提出一种计算简便且配准效率高的算法.通过拟牛顿对Demons算法里的目标函数进行优化,从而得出形变向量u的方法,阐明了此方法配准的高效性,同时再结合SIFT算法对配准结果的检测,便能很直接很直观地看出配准结果的好坏,避免了判断两幅图相似性的大量计算.实验验证了所提出算法的有效性.     

基于ESDA的国内旅游流规模时空差异分析

1997-2011年时间序列上国内各地区旅游流规模时空差异的分析结果显示：国内旅游流规模区域间的绝对差异逐渐扩大,相对差异呈现出缓慢下降、波动发展和快速下降3个发展阶段。各年份国内旅游流规模全局Moran’s I值均为正值,国内旅游流规模分布存在着一定的空间集聚性, Moran散点图显示的各年份区域旅游流规模空间分布特征没有太大差异。 LISA聚集图和局部Moran’s I分析表明,随着时间的变动,逐渐形成了以山东、江苏和安徽为核心的发达国内旅游业聚集区,而新疆和甘肃一直处于冷点区域,四川和海南则一直为HL和LH的显著代表区域。     

基于约束条件的无锡市合理人口规模判断

城市的发展需要科学的规划,而人口规划是城市规划的核心.本文综合土地、水、经济等因素,用可能一满意度法(P-S法)对无锡市合理人口规模进行测算,并综合考虑影响人口规模的其它因素,确定城市的合理人口规模和人口目标,为城市的人口规划乃至城市规划提供参考数据.     

Grid services trusted authentication algorithm based on image trusted root in scale space

A new authentication algorithm for grid identity trusted computing unlimited by hardware is presented;the trusted root is made as an image data.The grid entity is trusted in the soft platform when its feature of image root is entirely matched with that from the other entities’ feature database in a scale space process.To recognize and detect the stable image root feature,the non-homogeneous linear expandable scale space is proposed.Focusing on relations between the scale parameter of the inhomogeneous Gaussian function terms and the space evolution of thermal diffusion homogeneous equations,three space evolution operators are constructed to exact and mark the feature from image root.Analysis and verification are carried on the new scale space,operators and the core of making decisions for grid entities certifications.     

基于双尺度SIFT描述符及搜索区域限制的图像匹配算法

针对尺度不变特征变换(SIFT)算法的匹配结果存在大量的错误匹配点对,提出一种基于双尺度SIFT描述符及搜索区域限制的图像匹配算法(DSLSR-SIFT).该方法使用双尺度描述符来计算初始匹配点集,然后加入局部搜索区域限制条件在初始匹配点集中剔除偏离区域限制条件较大的点对从而得到提炼的匹配结果.最后,利用随机抽样一致性(RANSAC)算法进行评估两种算法的匹配结果.实验结果表明,本方法比SIFT算法在匹配正确率上平均提高了17%左右,显著地提高了匹配精度.     

基于特征匹配的全景图的生成

提出了一种基于图像特征匹配的全景图生成的方法 ,该方法允许图像有一定的倾斜、旋转和变形 ,克服了获取图像时轴心必须一致的问题 ,还允许相邻图像之间有一定色差 .设计了一种高效的匹配算法完成两幅图之间的无缝平滑拼接 ,进而生成 36 0°全景图 .