A ciosed-loop algorithm to detect human face using color and reinforcement learning

A closed-loop algorithm to detect human face using color information and reinforcement learning is presented in this paper. By using a skin-color selector, the regions with color “like“ that of human skin are selected as candidates for human face. In the next stage, the candidates are matched with a face model and given an evaluation of the match degree by the matching module. And if the evaluation of the match result is too low, a reinforcement learning stage will start to search the best parameters of the skin-color selector. It has been tested using many photos of various ethnic groups under various lighting conditions, such as different light source, high light and shadow. And the experiment result proved that this algorithm is robust to the vary-ing lighting conditions and personal conditions.     

ICP方法匹配深度图像的实现

针对ICP(迭代最近点 )方法中寻找深度像之间点对应关系这一难点问题 ,首先介绍对ICP方法匹配深度图像的原理并给出单位四元数和旋转角度间的关系 ,然后提出一种验证两个深度图像中对应点对有效性的方法 ,给出了判断待匹配深度图像之间的点对应条件的准则 ,同时给出了实现这种准则的数据结构以及程序设计思想 .最后 ,用真实深度图像证明此方法的有效性 ,并用“主次缝合线”法合成匹配后的深度图像     

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TMS320C6000DSP图像匹配积相关算法的实现

提出了在TMS320C6000系列DSP上实现图像积相关算法的软件方案,重点介绍C6701的设计方案.在该方案中使用了Ping Pong存储区交替、基准图与实时图错位存放、按列扫描输入、基准图和实时图分割与填零扩充等技术措施,解决了片内存储区数量少、图像大小随机变化和存取冲突等难题,并人工优化核心汇编语言程序,充分发挥了C6701的并行处理能力,并在此基础上通过比较得出C6201的实现方案.实验证明,对于72×72实时图与320×320基准图的积相关处理,C6701用时1s,C6201用时0.85s.     

基于局部分形特征的快速图像匹配方法

利用分形的方法建立了一种新颖的基于分形特征的影像匹配方法，该方法具有良好的抗几何形变能力和较强的抗噪能力，由于利用了分块、序贯检测及分层搜索技术，计算量大为减少，试验结果表明这是一种良好的图像匹配方法。     

δ—网分形指纹及其在图像匹配中的应用

基于δ－网分形指纹特征，提出了一种自然景物图像的匹配方法，实验结果表明δ－网分形指纹特征是一种自然景物图像的稳定分形特征，采用δ－网分形指纹特征对自然景物图象进行的匹配，能获得比传统的基于灰度和边缘的特征匹配方法以及多尺度分形指纹匹配方法更好的匹配结果。     

基于模糊信息增益的图像相关性度量

针对图像中所含有的统计概率不确定信息以及模糊不确定信息,提出了一种综合图像概率信息与模糊信息的新模糊信息增益度量方法来比较目标图像与参考图像之间的相关度,从而为图像相关匹配与检索提供强有力的依据.实验结果表明,该方法是有效的.     

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。     

鲁棒Hausdorff距离在SAR／惯性组合导航图像匹配中的应用研究

分析了适用于SAR景象匹配辅助导航系统的图像匹配算法的特点，提出了一种新型Hausdorff距离的鲁棒型图像匹配算法．首先分析了传统的Hausdorff距离算法的不足，然后引入了一种能有效消除高斯噪声影响的新算法．同时针对此算法图像匹配时全局搜索的不足，提出了扫描终止法技术，以有效解决图像匹配实时性的问题．针对高斯噪声的大小对图像匹配的影响进行了仿真实验．仿真结果表明，新图像匹配算法能大大提高合成孔径雷达图像的匹配精度和实时性，对组合导航系统的精度提高有重要的意义，是一种行之有效的方法．     

一种基于孪生网络的图片匹配算法

随着卷积神经网络（Convolutional Neural Networks,CNN）的不断改进，基于CNN的图片匹配成为图像处理的关键，然而，许多基于CNN的图像相似度检测算法对图像特征的表达能力较差，且曼哈顿距离或欧式距离的计算方式导致在计算损失函数时模型不一定能很好地收敛.针对此问题，提出一种基于孪生网络和注意力机制的方法（CSNET）来提升图像匹配的性能，主要步骤如下：使用将激活函数改进为Mish函数的VGG16网络作为主干网络提取图像的特征，在模型的卷积层加入注意力机制模块（Convolutional Block Attention Module,CBAM），这提高了模型的特征提取能力和鲁棒性，保证训练可以收敛.对模型输入图片对的特征向量的欧氏距离，再利用网络全连接层输出的相似度分数来度量被检图片是否相似.将提出的CSNET与其他图片匹配方法在Omniglot和SigComp2011等数据集上进行比较，实验结果表明，CSNET能有效提高图像相似度匹配的准确性.