改进SIFT的图像匹配算法

针对SIFT(Scale-Invarivant Feature Transform)算法存在的不足,提出Harris算法与SIFT算法相结合的方法。选用Harris算法检测出的角点邻域范围内的SIFT特征点作为特征点,利用高斯圆形窗口对特征点建立64维描述向量。实验证明,该算法在保证匹配精度的同时,有效提高了匹配速度。     

采用不变矩图像匹配与直方图的仪表识别算法

为了解决当前仪表识别算法在机床仪表状态信号多变、实时性强的环境下状态识别错误的不足,设计一种基于不变矩图像匹配与直方图的在线仪表识别算法.首先,基于不变矩特征,通过图像的重心坐标获取其中心不变矩,设计图像匹配算子,并根据仪表灯的匹配度量值定位当前状态信号位置.然后,根据定位到的信号中心点坐标,提取出状态信号外接最小矩形.最后,依据信号灯颜色的直方图特性,计算出反投影直方图,实现对状态信号颜色的判断.实验结果表明:与当前机床仪表识别技术相比,面对机床仪表状态信号多变的环境时,文中算法具有更高的识别精度.     

一种基于SURF和扩展哈希的空间约束图像匹配算法

图像匹配是计算机视觉中一个重要的研究方向,是图像拼接、图像检索等相关应用的基础工作。如何实现快速、高效的图像匹配技术是本文的主要研究内容。提出一种基于SURF和扩展哈希的空间约束图像匹配算法,为了提高特征检测的速度,首先提取SURF特征描述图像局部特征,然后在局部敏感性哈希算法基础上,提出一种改进的高维数据搜索算法,该改进算法变换局部敏感性哈希的投影空间,使变换后的每一维特征数据都比原算法具有更好的局部敏感性。最后采用空间约束RANSAC算法剔除误匹配点,进一步增加算法的鲁棒性。实验结果表明,本文提出的算法与传统算法如BBF、LSH以及iDistance等算法相比具有更优的搜索效率,在一定程度上提高了图像匹配的性能。     

一种面向图像匹配算法的高性能专用集成电路设计

介绍了一种面向图像匹配算法的专用硬件集成电路(ASIC),这种专用ASIC电路结构简单、易于级连、易于流水,特别适合嵌入式实时图像匹配.     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

一种基于边缘知识的雷达图像匹配定位算法

针对低信噪比实孔径雷达图像的特点，选用适于提取多尺度稳定边缘的Ｃａｎｎｙ算子，结合具有视觉非线性的门限准则、Ｎｅｖａｔｉａ细化和跟踪准则及Ｈｏｕｇｈ变换，提取可靠稳定的边缘特征描述，根据可见光参考图提取与ＳＡＲ图像共性的稳定边缘特征的知识以及稳定边缘的知识描述，提出一种基于边缘知识的雷达图像与可见光图像匹配定位算法，实验结果表明，该算法能可靠地完成雷达图像的匹配定位。     

一种分形图像匹配方法

通过对ＦＢＭ的Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ随机分形逼近函数的频谱分析，给出了多重分形特征的定义，并给出了判别图像的ＦＢＭ区域的方法，在ＦＢＭ区域内采用该特征进行匹配能克服复杂自然景物图像中灰度与边缘特征的不稳定性，实验表明该匹配方法能够获得比传统匹配方法，例如平均绝对差算法以及特征匹配法更高的匹配定位精度和匹配概率。     

基于边缘信息的SIFT 图像匹配算法

李岩(1978-), 男, 长春人, 长春工业大学副教授, 主要从事智能机械与机器人、机器视觉研究, (Tel)86-13069046655(E-mail)liyan_dianqi@ ccut. edu. cn。     

基于粒子群算法和模糊神经网络的车牌图像匹配

本文将粒子群算法和模糊神经网络结合用于智能交通中的车牌图像匹配。利用粒子群算法全局寻优的快速性和模糊神经网络精确性，优化神经网络权重学习和训练神经网络。实验结果表明：本文设计算法具有精确性、收敛性和匹配快等特点。     

基于竞选算法的灰度图像匹配研究

针对灰度图像匹配算法普遍计算量大、速度较慢的问题,将灰度图像匹配问题转化成全局优化问题,然后利用竞选算法求全局最优解,以达到优化匹配性能的目的。图像匹配实验证明:在保证匹配精度的条件下,基于竞选算法的灰度相关匹配算法匹配速度大幅提高。     

挖掘机器人图像匹配算法研究

对当前应用于挖掘机器人视觉系统上的图像匹配算法进行分析,提出了SIFT图像匹配算法.对SIFT特征描述子进行改进,即通过非线性映射函数将原有的SIFT特征描述子映射到更高维的特征空间F上去,然后在空间F上对其数据进行降维处理.实验表明:改进后的SIFT图像匹配算法缩短了图像匹配时间,获得了更高的匹配精度;将该算法应用于挖掘机器人目标识别与定位中,其通用性与鲁棒性更强,能够满足挖掘机器人视觉系统精确性与实时性的要求.     

一种SAR图像与光学图像匹配算法研究

INS/SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了较高的实时性和准确性要求。针对以往直线匹配算法与角点匹配算法的缺陷,首先提取SAR实时图像与光学参考图像直线中的直线与角点特征,然后在干线对粗匹配的基础上利用精确的角点特征进行小参数变化下SAR图像与光学图像的精匹配。经实验验证,该方法实时性与匹配精度高,可较好的应用于INS/SAR组合导航系统的图像匹配中。     

一种基于数组的递归算法

以Hanoi塔问题为例,研究了递归程序运行速度慢的原因,提出了一种基于数组的递归算法,实验结果表明,该算法可使程序的计算速度提高到最快。     

一种基于数组的递归算法

以Hanoi塔问题为例,分析递归程序运行速度慢的原因,提出一种基于数组的递归算法.该算法可以使计算机程序的计算速度提高到最快.     

基于改进ASIFT算法的遥感图像匹配

ASIFT算法是一种具备完全的仿射和尺度不变性的特征提取算法.但其存在一定的不足,如计算量大、匹配效率低、易出现重复特征等.针对这些不足,本文提出了一种改进的算法.该算法首先对多仿射造成的畸变图像进行模拟获得模拟图像,然后对模拟图像构建高斯阶梯(Zoser)图像金字塔,由24邻域极值点构成特征点,并确定特征点的尺度和方向,最后利用RANSAC算法剔除误匹配特征点对.通过对遥感图像匹配实验证明该算法效率较高,并能够适用于实时性要求较高的系统.     

一种基于贝叶斯的渐进式图像匹配框架研究

提出了一种新的渐进式图像匹配框架,将图像匹配与图像概率更新结合在一起解决这一问题.该框架在当前匹配结果上,利用贝叶斯方法对最可信目标图像进行高效的重新估算,并且可保证提高后续的图像匹配效果.实验结果表明,与一次性图像匹配方法相比,所提方法的匹配性能更优.此外,即使是对外观发生变化及包含远离主体对象的图像场合,所提方法性能仍然健壮.     

基于扩散距离的SURF特征图像匹配算法

针对高维特征向量存在的使用传统欧氏距离计算最近邻匹配正确率低的问题,文章提出了一种基于SURF和扩散距离的图像匹配算法。首先用Fast Hessian检测子进行特征点检测,生成SURF特征描述向量,然后利用扩散距离代替欧氏距离进行匹配,使用随机抽样一致从候选匹配中排除错误的匹配。实验证明该算法提高了SURF算法匹配的正确率,并在图像形变、光照变化方面具有较高的鲁棒性。     

图像匹配特征的一种融合表示

提出图像匹配特征的一种信息融合表示方法,对由不同传感器所获得的对同一场景进行描述的灰度信息、边缘轮廓特征信息和图像熵信息,进行综合分析,利用不同有效信息之间的互补性,导出更为丰富的图像特征信息,进行图像匹配．实验表明该方法能够提高图像匹配的正确率．     

一种面向快速图像匹配的扩展LSH算法

基于局部不变特征的图像匹配是三维场景重建的基础.本文使用SIFT特征,在LSH算法基础上,提出一种改进的高维数据搜索算法,较好地解决了图像的快速有效匹配问题.该算法提出一种改进的投影空间,使投影到新空间的高维数据特征的每一维比海明空间具有更高的局部敏感性,相比于经典的LSH、BBF、iDistance等高维搜索算法,本文算法可以获得更高的搜索精度和更快的搜索速度.