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．     

极端嗜热菌Thermosipho melanesiensis普鲁兰酶基因的异源表达与酶学性质分析

选择来源于极端嗜热菌Thermosipho melanesiensis(DSM12029)的普鲁兰酶基因,以购自德国菌种保藏中心的基因组为模板,扩增出普鲁兰酶基因TM-pulA;利用酶切酶连构建了重组质粒pET21a-TM-pulA;转入大肠杆菌Rosetta(DE3)菌株中诱导表达并经纯化后,进行了水解产物分析和酶学性质测定.结果显示:TM-pulA为Ⅰ型普鲁兰酶,最适pH为5.8;最适温度是80℃;70℃下半衰期为4.75 h;Mn~(2+)、Co~(2+)、AL~(3+)、Fe~(3+)、SDS及EDTA对其酶活有不同程度的抑制作用;该酶的K_m、V_(max)、K_(cat)及K_(cat)/Km值分别为4.68 g·L~(-1)、0.0085 mmol·L~(-1)·s~(-1)、71.18 s~(-1)、15.21 L·g~(-1)·s~(-1).     

A color based face detection system using multiple templates

A color based system using multiple templates was developed and implemented for detecting human faces in color images. The algorithm consists of three image processing steps. The first step is human skin color statistics. Then it separates skin regions from non-skin regions. After that, it locates the frontal human face(s) within the skin regions. In the first step, 250 skin samples from persons of different ethnicities are used to determine the color distribution of human skin in chromatic color space in order to get a chroma chart showing likelihoods of skin colors. This chroma chart is used to generate, from the original color image, a gray scale image whose gray value at a pixel shows its likelihood of representing the skin. The algorithm uses an adaptive thresholding process to achieve the optimal threshold value for dividing the gray scale image into separate skin regions from non skin regions. Finally, multiple face templates matching is used to determine if a given skin region represents a frontal human face or not. Test of the system with more than 400 color images showed that the resulting detection rate was 83%, which is better than most color-based face detection systems. The average speed for face detection is 0.8 second/image (400 x 300 pixels) on a Pentium 3 (800MHz) PC.     

改进模型估计与平差的多幅异源影像匹配方法

针对多幅异源影像匹配准确性不高的问题,提出了一种改进模型估计与平差的多幅异源影像匹配方法。首先利用基于快速自适应鲁棒性尺度不变的特征检测子与鲁棒性交叠的标准特征描述子,来增强特征匹配的鲁棒性;然后提出改进的随机抽样一致性算法,来提高模型估计的执行效率,同时保证鲁棒性;最后提出针对多幅异源影像匹配的平差方法,来优化异源匹配结果。实验结果表明,在异源影像存在较大差异的情况下,改进模型估计与平差的多幅异源影像匹配方法具有精度高的优势。