基于Gauss滤波的图像可视化检索(Ⅱ)——全局匹配

基于多尺度Gauss滤波的图像特征提取 ,能够在较大的尺度和视角变化范围内 ,检索出具有相似外观特征的图像。在讨论多尺度Gauss滤波输出用于图像的局部相似性匹配检索的基础上 ,进一步分析了如何将多尺度Gauss滤波方法用于全局相似性匹配检索。首先由图像在不同尺度下的Gauss滤波输出 ,构造出图像的曲率和相位直方图 ,得到图像的多尺度直方图表示 ;然后查询图像和数据库图像的归一化的曲率和相位直方图再进行匹配。归一化的直方图因消除了图像中点的位置信息 ,因此是图像变换如 :旋转、扭曲、拉伸下的不变量。该方法能用到基于图像外观特征的全局可视化检索中 ,并能取得很好的效果     

基于局部亮度直方图特征的实时目标识别与跟踪

针对自寻的电视导引头实时跟踪需求及其硬件平台的限制,借鉴离线训练的思想,提出一种基于局部亮度直方图的二进制特征描述算子,利用该算子设计了基于差异度函数和索引值的两级特征匹配方法。算子的二进制特性使得特征匹配过程主要通过一系列二进制位运算完成,算法复杂度大大降低。实验表明,该算法实时性强,平均跟踪速度可达25 fps以上,运行过程中内存需求量小,并且对目标尺度变化、旋转、光照变化等具有较好的鲁棒性,满足了导引头实时目标识别与跟踪需求。     

一种新的图像特征抽取方法

本文描述了一种新的图像特征提取方法.它基于小波变换的多尺度方法,这种方法通过对二进尺度下图像小波变换局部极大值的检测提取图像边缘特征.文中给出了图像特征提取的实例.     

基于卷积特征的场景地标检索方法

针对场景中地理目标的检索任务主要解决在视角变化、光照变化甚至遮挡等情况下对地理目标的检索匹配问题，也称为实例目标检索，使用高性能的卷积网络构建用于实例目标检索任务的三输入孪生网络架构，采用三元组损失函数进行训练，并使用区域建议网络准确定义目标区域，生成准确并具有鲁棒性且固定长度的图像特征向量。检索时根据地理场景的特点采用图像全局特征进行粗检索，采用局部特征进行精检索，并配合查询扩展的方法实现了精确的实例目标检索结果。实验表明，所提方法与其他具有代表性的检索方法相比，在公开数据集测试中取得了有竞争力的结果。     

基于目标轮廓特征的SAR图像目标识别

提出了一种基于目标轮廓特征的合成孔径雷达目标识别(SAR ATR)方法,该方法充分利用目标的局部空间结构信息进行识别。利用基于马尔可夫随机场(MRF)的图像分割及形态学处理提取SAR图像目标轮廓,在此基础上使用傅里叶描述子作为目标轮廓的特征量,选择最近邻准则下的模板匹配方法构造分类器,实现了基于轮廓特征的SAR图像目标识别。实验结果表明,本文方法具有优良的识别性能。     

基于门控多尺度匹配网络的小样本SAR目标识别

为了解决传统合成孔径雷达(synthetic aperture radar, SAR)目标识别方法在小样本条件下泛化能力差、识别准确率低的问题, 通过在匹配网络的基础上引入权重门控单元和多尺度特征提取模块, 提出了基于门控多尺度匹配网络的小样本SAR目标识别方法。在该方法中, 多尺度特征提取模块能够提取匹配网络不同卷积层的多尺度特征, 权重门控单元能够根据不同的识别任务赋予特征不同的权重大小, 实现根据具体任务选择最具代表性的目标特征, 从而以该特征为主导完成目标识别任务。在运动和静止目标获取与识别(the moving and stationary target acquisition and recognition, MSTAR)数据集上对提出的方法进行了验证, 实验结果表明，所提方法较其他3种小样本学习方法和两种小样本SAR目标识别方法表现出了一定的优越性, 而且所提方法经实验验证在噪声环境下表现出了一定的鲁棒性。     

利用SIFT特征联合匹配的非刚体目标跟踪算法

为了解决非刚体目标跟踪过程中由目标形状快速变化带来的困难,提出了利用SIFT特征联合匹配的非刚体目标跟踪算法。首先分别提取目标模板和当前搜索区域的SIFT特征点;然后利用改进的联合匹配策略在目标模板和当前搜索区域之间进行特征匹配;最后根据匹配结果确定目标在当前帧的位置和尺度。改进的联合匹配策略在构建相似度矩阵时,不但利用了具有旋转和尺度不变性的SIFT特征向量,并且充分考虑了特征点的空间位置信息,有效提高了特征匹配的准确性。将这种改进的联合匹配策略成功地引入到SIFT匹配跟踪中,克服了传统SIFT匹配算法用于非刚体目标跟踪时的缺陷。实验结果表明,该算法对目标的非刚性形变、尺度变化以及背景干扰都具有较强的鲁棒性。     

基于小波变换及傅里叶描述子的图像检索

分析并设计了具有不随目标的平移、旋转和尺度变换以及边界的起点变化而变化的傅里叶描述子。把小波变换的多尺度边缘检测算法及傅里叶描述子应用于基于内容的图像检索。实验结果表明 ,这种方法对于有背景噪声和旋转、平移及尺度变换后的同一类图像的检索率是很高的     

基于HASH感知和小波变换的目标跟踪算法

为了解决视频跟踪过程中,由于运动目标在实际运动中常存在旋转、缩放等形变导致的目标丢失问题,提出了一种融合了图像HASH值、小波变换和模板匹配算法的目标跟踪算法。该方法利用背景差分法得到运动目标模板,通过对图像信息进行小波变换得到低频子图像,并在低频子图像中进行全局搜索,确定最佳匹配区域。模板更新策略利用图像间HASH距离,判断图像间的相似性决定是否更新模板。实验仿真结果证明,该算法在运动目标存在缩放、旋转等形变时,仍可以准确跟踪目标。     

一种基于仿真图像模板的SAR目标分类方法

在基于实测图像模板的SAR目标分类方法中,环境因素、成像参数等差异性造成了模板库存储量过大与完备性需求的矛盾.针对此问题提出一种基于仿真图像模板的SAR目标分类方法,通过减少模板库的存储量来降低实测数据的采集成本.该方法首先采用正则化方法对图像进行预处理来减少噪声,在此基础上提取目标峰值特征,然后利用几何哈希匹配算法实现目标的分类.实验中的仿真图像模板库采用RadBase软件生成,结果表明新方法对MSTAR实测数据进行目标分类的精确度较高,适应性较好.     

基于位平面熵及分布熵的图像检索

针对基于位平面熵进行图像检索存在的问题,提出了位平面熵的改进方法。该算法采用改进的位平面熵来消除熵的对称性对检索效果造成的影响。提出采用位平面分布熵来描述位平面的空间特征,解决了仅依靠位平面熵检索效率低的问题。结合位平面熵及位平面分布熵,给出了图像间的相似性度量准则。仿真实验证明,该算法无论在检索率、精确度还是平均正确率上都具有更好的检索效果。     

结合测地线-灰度直方图的谱匹配算法

针对单纯依赖奇异值分解的谱匹配方法的局限性,提出了一种结合测地线-灰度直方图和松弛迭代的Laplace谱匹配算法。首先,利用图像待匹配点集构造Laplace矩阵,〖JP3〗通过对该Laplace矩阵进行奇异值分解,将得到的特征向量用于计算匹配概率;然后,引入具有局部特征的测地线-灰度直方图作为相容性约束,通过迭代的方式对匹配概率进行优化。实验结果表明,该算法实现了多特征、多算法的优势互补,提高了谱匹配算法的匹配精度和应用范围。     

基于动态局部颜色直方图的图像检索

利用了Mean shift聚类方法对图像进行不规则的划分,在此基础上定义了一种动态局部直方图,设计了一个能同时表征图像颜色和位置信息的统计量,并且给出了计算图像相似度的方法.该算法既改进了以往局部直方图利用图像位置信息的检索方法的不足,而且保留了全局直方图方法具有的旋转不变性和缩放不变性.实验结果表明,在准确引入了图像的空间位置信息后,较大的提高了图像检索的精度,检索结果中不再出现和示例图像颜色成分相似而空间分布不同的图像,实验结果较好的验证了算法的有效性和稳健性.     

基于熵的图像空间特征提取及检索方法

针对图像颜色的空间分布特征,提出了一种新的基于熵的表示方法。该算法采用空间分布熵来描述颜色的空间特征,具有旋转、平移、尺度等不变特性。结合人类的视觉特征及熵的特性,进一步提出利用加权空间分布熵来优化和改进颜色空间分布特征的提取算法。结合图像颜色直方图,给出了两种图像间的相似性度量方法。仿真实验证明,该算法在进行图像检索时具有更好的检索效果。     

基于相似度网络融合的极化SAR图像地物分类

从极化合成孔径雷达(synthetic aperture radar, SAR)图像中提取多种特征向量堆叠成一个高维特征向量用于地物分类,将导致部分特征向量的分类能力减弱或丧失。针对此问题,将每种特征向量看作为不同视角数据,提出了一种基于一致相似度网络融合的极化SAR图像非监督地物分类方法。首先,将极化SAR图像进行过分割,基于超像素提取5种特征向量以构建5个相似度矩阵;其次,采用一致相似度网络融合多视学习算法生成融合的相似度矩阵;然后,基于该矩阵进行谱聚类;最后,提出一种分类后处理策略修正错分像素。仿真和实测极化SAR图像地物分类结果表明,该方法性能优于其他5种经典方法。     

基于纹理上下文的遥感图像目标识别

基于统计流形理论并结合形状上下文思想,提出了能够描述图像纹理目标的纹理上下文特征,进而实现对遥感图像纹理目标的识别。首先将图像的灰度概率密度函数看作统计流形上的点,用所得到的图像统计流形模型来描述图像的纹理上下文特征;然后使用Fisher信息距离来度量流形上点之间的相似度,并利用匈牙利算法来匹配纹理上下文特征;最后通过计算匹配距离来实现不同图像目标的相似性度量。实验表明,与经典的灰度共生矩阵、局部二值模式和统计流形算法相比,对于具有纹理特征的遥感图像,该方法具有更高的识别率且具有普适性和稳健性。     

基于HPal信息熵融合的三维模型检索方法

为了弥补单种特征提取算法描述模型特征的不足,提出基于HPal信息熵的三维模型多特征动态融合检索算法。针对给定的查询模型,利用各特征集上的检索结果列表动态计算各特征相对应的HPal信息熵,基于HPal信息熵确定融合权值,然后通过距离加权计算模型之间的相似度。与融合中最好单特征集相比,该方法的检索准确率明显提高,并且实验结果也表明该方法比其他3种流行的算法更为有效地提高了检索效果。     

基于多小波分布熵的图像检索

为了提高小波直方图的检索性能,提出基于多小波信息分布熵的图像检索算法。对检索图像进行多小波分解,并用滤波器对各个子图进行非线性滤波,计算多小波各子带的能量熵;对各子图的小波能量矩阵进行0/1量化,然后以各子带相同方向子图计算多小波分布熵;针对特征向量进行高斯归一化,利用欧氏距离计算不同图像间的纹理相似度。基于内容的图像检索试验表明,该方法的检索精度比快速小波直方图方法提高了9.7%。     

基于多尺度低频特征组合的线性鉴别分析

目前线性鉴别分析(LDA)方法是在原始图像上直接进行,抽取的是图像的全局特征,受光照、表情变化而引起的局部高频信息影响较大,忽视了更能反映图象本质的低频特征.为此提出先将图像进行多尺度划分,再提取划分后的每个子图像的低频部分,组合起来作为该图像的特征向量,最后根据这些特征向量再应用LDA方法进行鉴别分析.多尺度低频特征组合的向量反映了图像从局部到全局的全部低频特性,具有更有效的鉴别信息.在ORL和Yale人脸库上的实验结果显示,所提出的算法识别性能显著提高,鉴别能力更好.