基于局部不变特征的目标自动识别

为快速、准确地识别图像中的目标,提出一种结合图像熵和加速鲁棒特征算法的目标自动识别方法.首先,分块计算图像的信息熵,根据阈值筛选出纹理丰富区域.然后,结合Hessian矩阵和Harris算法提取纹理丰富区域的局部特征点.接着,计算特征向量并用主成分分析降低向量维数.最后,采用双向最近距离比例匹配算法进行分类,并用随机抽样一致算法剔除误匹配点.实验结果表明:对仿真数据库中带有视角、光照和尺度变化的图像,识别率分别为87.12%、75.31%和84.98%,平均识别时间分别为70.35ms、71.27ms、220.63ms;对含8956×6708像素的航空大面阵图像,正确匹配率为78.13%,识别时间为68.09s.本方法识别率和时间性能均优于加速鲁棒特征算法.     

基于改进的FAST-SURF快速图像拼接算法

针对SURF（speeded-up robust features）算法计算量大、图像拼接效率低的不足,以FAST （features from accelerated segment test）角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几何约束法剔除错误匹配点,提高匹配的准确性。匹配完成后,通过减少样本集的个数和舍弃不合理参数模型来改进RANSAC（random sample consensus）方法,获取单应性矩阵,最后进行图像变换、融合和拼接。实验结果显示,该图像拼接算法与传统的SURF算法相比,图像拼接总时间减少了12%,拼接效率得到了显著提高。     

尺度不变特征与几何特征融合的人耳识别方法

要提高人耳的识别率,关键是特征的提取与表达.尺度不变特征变换(SIFT)技术是局部点特征提取算法,在尺度空间寻找极值点,提取对图像的尺度和旋转变化具有不变性,对光照变化和图像变形具有较强的适应性的特征向量.尝试用SIFT技术来提取外耳图像的结构特征点以形成稳定的特征描述子,为了克服一幅图像中有多个局部描述子相似的问题,在SIFT特征描述子中融入一个耳廓几何特征.最后采用特征向量的欧氏距离作为两幅图像相似性度量标准进行人耳识别.在耳图像库七进行实验.结果表明,该方法不仅可以有效地提取人耳特征,通过少量特征可获得较高的识别率,而且对耳图像刚体变化具有较强的稳健性.     

基于局部均值分解和串行特征融合的光纤周界振动信号识别

提出了一种基于局部均值分解(LMD)和串行特征融合(SFF)的光纤周界振动信号识别方法。该方法先去除噪声,提取振动信号的相关信息,再进行SFF以得到具有准确描述能力的特征向量,最后采用概率神经网络(PNN)算法进行学习和分类。利用不同单一振动信号和风雨天气干扰下的不同振动信号对该方法进行验证。结果表明,该方法在上述两种情况下的平均正确识别率分别达到96.0%和96.7%,识别时间分别为0.87 s和0.91 s,在敏感信息识别和特征提取方面明显优于传统的LMD算法和SFF-PNN算法。     

基于BLCD分解与ACO-DBN网络的光纤振动信号识别

针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法。首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和。其次,利用峭度因子和能谱系数构成融合指标筛选有效分量。然后,分别提取有效分量在时域、频域和时-频域的熵值特征进行融合并降维。最后,将综合特征向量馈入蚁群优化后的深度置信网络进行训练和识别,提高算法效率和识别率。采用实测数据进行实验验证,结果表明,信噪比平均提升8 dB,信号平均识别率可达95.83%,平均识别时间为0.715 s。     

自适应特征引流管故障智能识别方法

为了实现对高压输电线存在的故障隐患进行自动检测,本文提出了一种自适应特征引流管故障隐患智能识别算法。首先,分析了故障引流子的红外热图像特征,把故障分为两类:明显发热和微弱发热;其次,针对引流管所引起的明显发热,采用改进的Otsu阈值分割法对红外图像进行分割,运用改进的Sobel算子提取轮廓;第三,用种子填充算法分离连通域,通过Thread特征判断是否为故障引流管;最后,进入引流管所引起的微弱小区域发热识别,运用高压输电线平行特征寻找主干线区域,在主干线区域检测Harris角点,通过STWN特征判断是否为故障引流子。实验结果表明,发热隐患的识别率为94.6%,漏检率为2.2%,误识别率为5.5%。     

应用角点匹配实现目标跟踪

角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。     

仿选择性注意机制的语音情感识别算法

有效特征的选取一直都是语音情感识别算法的关键。为此,针对语音情感特征选择与构建的问题,一种仿选择性注意机制的语音情感识别算法被提出。考虑到语音信号的时频特性,算法首先计算语音信号的语谱图;其次,模仿选择性注意机制,计算语谱图的颜色、方向和亮度特征图,归一化后形成特征矩阵;然后,将特征矩阵重排列并进行PCA降维,形成情感识别特征向量;最后,利用改进的支持向量机分类方法进行语音情感识别。对愤怒、恐惧、高兴、悲伤和惊奇5种情感的识别实验显示,基于选择性注意的方法能够获得较好的识别效果,平均识别率为85.44%。相比于韵律特征和音质特征,语音情感识别率至少提高10%;相比于其它语谱特征,识别率提高7%左右。      

基于自适应分块编码SVM的车道导向箭头多分类方法

针对在道路导向箭头的检测和识别中支持向量机(SVM)多分类器的识别效率下降的问题,提出一种利用简单二分类SVM通过对结果的自定义二进制编码实现导向箭头多分类的方法。对导向箭头感兴趣区域(ROI)图像进行Harris角点粗检测,利用改进FAST-9(Features from accelerated segment test-9)算法对伪角点进行筛选,根据最终获取的角点集合中纵坐标最大的两个角点位置分割图像获得待识别区域;再利用几何不变矩特征训练SVM分类器;对分类结果进行二进制编码,从而实现单一种类SVM下多种导向箭头的分类。算法在实拍获取的500帧图像中进行测试,识别率优于96.8%。结果表明:所提算法不需逆透视变换,利用一种SVM二分类器即可实现导向箭头的识别,有效提高了导向箭头识别的准确率和运行效率。     

基于Gabor小波变换的ICA火灾图像纹理识别算法

针对火灾图像纹理识别问题,提出了基于Gabor小波变换的ICA火灾图像纹理识别算法,并根据火灾图像纹理识别特点进行了优化。首先用不同尺度和方向的Gabor滤波器对待识别图像滤波,得到其特征图像,然后将特征图像转化成特征向量作为ICA的输入,得到基矢量子空间,再将测试图像经过Gabor滤波器的特征向量投影到ICA子空间中得到系数向量作为目标识别特征,最后用支持向量机进行识别。通过与Gabor滤波器法和ICA方法的对比实验,表明该算法可以在火灾纹理图像的识别率上比传统方法提高5%以上,为火灾图像识别提供了一种新思路。     

无人飞行器视觉SLAM特征检测和匹配算法研究

近几年图像局部特征检测和描述在机器人视觉中得到了广泛的应用,鲁棒的、快速且高精度的视觉特征检测和描述算法对飞行器进行实时的位姿估计和地图构建具有决定性意义。本文针对四旋翼无人飞行器平台的RGB-D传感器同时定位与地图构建(SLAM),讨论FAST、STAR、SIFT和SURF等检测算法和ORB、FREAK和SURF等匹配描述符的性能,对不同的特征算法进行对比评估出最合适的特征检测方法和匹配描述符。最后,基于Eclipse与OpenCV平台进行了实验,实验结果表明FAST检测和FREAK描述符比其他方法更适用于四旋翼飞行器在板视觉SLAM,且能基本满足实时性。     

AKAZE结合自适应局部仿射匹配的视差图像特征匹配算法

针对常用的图像特征匹配算法对具有视差的图像在图像特征匹配阶段会产生大量误匹配点的问题,提出了一种AKAZE（accelerated-KAZE）算法结合自适应局部仿射匹配的特征匹配算法。首先,采用AKAZE算法提取特征点;接着,采用二进制描述符M-LDB(modified-local difference binary)进行描述并进行暴力匹配产生粗匹配点对;最后,基于图像的仿射变换可以提供较强的几何约束这一特性,采用自适应局部仿射匹配完成精匹配。实验结果表明,该算法针对具有旋转变化、尺度变化、视角变化的图像匹配,具有提取特征点均匀、匹配准确等效果,提取的正确特征点数量分别平均相对于SIFT算法提升了1.66倍、SURF算法提升了1.08倍、ORB算法提升了6.92倍、GMS算法提升了1.23倍,能够满足具有较大视差图像匹配的需求。     

特征级联在车辆检测中的应用与研究

对现有的采用机器学习算法检测车辆进行研究,分析其存在的不足;表现在特征或者算法单一,对光照等条件变化鲁棒性不够;针对这些问题,提出一种融合LBP特征与HOG特征,并结合Adaboost与SVM的车辆检测算法;借鉴级联的思想,首先采用AdaBoost对训练样本提取LBP特征进行训练,得到的分类器用于初步筛选并将其分类结果作为下一层分类器的输入;然后采用SVM算法对训练样本提取HOG特征进行训练,得到的分类器用于二次筛选上一层分类器的分类结果;实验结果证明Adaboost-SVM相结合的办法检测结果精度高,准确率和召回率均达到95%以上,FPPW与FPPI的值均在5%左右;同时由于算法采用的特征对光照条件具有较强的鲁棒性,因此光照条件的变化对算法的识别结果影响较低;实时性方面,每帧图像的处理时间为75 ms,满足实时性要求。     

基于特征点自动匹配的红外图像配准研究

在模糊和含噪声的红外图像配准中,利用角点检测实现特征点的选择,在提高角点提取效率的同时又保证了角点提取的精度。根据互相关的双向匹配实现对应特征点的自动匹配,然后由对应的特征点对估计出仿射变换的参数。实测的数据和计算结果表明,这种方法对于双波段红外图像的配准是有效的,而且有利于后续的图像融合。     

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

高分辨率遥感图像SIFT和SURF算法匹配性能研究

遥感图像匹配是图像校正、拼接的基础。由于遥感图像特征相似度大,重叠区域小,遥感图像对匹配算法的要求更高。本文首先从特征检测、特征描述和特征匹配三个方面,比较了SIFT算法和SURF算法在计算速度和准确度方面性能,然后研究了算法对遥感图像重叠度、度量距离的要求,并针对SURF算法对特征方向误差敏感的特点,提出一种oSURF算法;最后利用卫星1A级条带遥感图像分析各个算法优劣性。测试结果表明,相比于SIFT算法,SURF算法计算速度为SIFT的3倍,需要的图像重叠宽度仅为1.25倍描述向量尺寸,而在保证同样匹配率的情况下,SIFT算法则需要图像重叠宽度为1.5倍描述向量尺寸。本文提出的oSURF算法在保证计算速度的同时,准确度相对于SURF算法提升5%~10%,因此,oSURF算法更适合1A级条带遥感图像的拼接。     

基于快速轮廓转动力矩特征的激光主动成像目标识别

针对激光主动成像的图像特性,提出一种基于快速轮廓转动力矩的目标识别方法。将转动力矩的概念引入目标识别中,提出的快速轮廓转动力矩特征(FCTF)不仅包含了轮廓的尺寸、位置、规则度以及目标的亮暗等信息,同时对于旋转、尺度缩放等变换具有不变性。采用转动力矩的快速计算方法,提高了识别算法的计算效率。识别算法首先使用最大稳定极值区域(MSER)算法检测出目标特征区域,并将其变换为圆形区域,然后结合快速转动力矩特征算法提取出目标区域的局部不变特征,最后输入训练好的支持向量机分类器进行识别。实验结果表明相比于已有的激光主动成像目标识别方法,所提算法对于旋转、仿射变换均具有更高的识别率,同时单帧平均运算时间为9.68 ms,满足激光主动成像目标识别系统实时性的要求。     

一种基于特征不变描述的图像无缝拼接算法

针对尺度变化不明显场景的拼接,提出一种基于特征不变描述的图像无缝拼接算法.利用Harris特征检测算子进行特征点提取,在此基础上对提取出的特征点采用SIFT描述子进行处理,使其具备旋转不变性,然后利用k-d树算法进行遍历搜索定位,并用RANSAC算法进行图像间单应性变换矩阵计算,最后利用加权平均的融合方法进行图像无缝平滑,得到无缝拼接图像.实验结果表明:该算法在图像任意角度旋转的情况下,能有效地实现图像无缝拼接,并具有较强的鲁棒性.