使用M进制小波对尺度与旋转不变的图像特征点进行检测

基于小波变换和尺度空间理论,提出了一种尺度与旋转不变的图像特征点的检测方法。首先对图像进行多尺度的M进制小波变换,然后根据M进制小波变换系数的能量构造对应的二阶矩阵,最后通过考察该矩阵的特征值确定图像的特征点。实验表明,与目前最常用的方法相比,本文方法对图像的旋转变化与尺度变化均具有更好的不变性,在光照变化和噪声干扰等外部条件影响下也能保持较高的鲁棒性。     

基于小波变换的多尺度图像边缘处理

对小波变换后的图像边缘信号关于多尺度边缘检测、提取和重建方面进行了讨论,以利于进一步对图像进行有效的编码、识别和增强等处理;同时也讨论了将小波变换与多尺度边缘检测方法有机结合起来的一些实用技巧。     

核辐射环境下图像特征点提取方法

准确、稳定的图像特征点提取对图像拼接、三维重建以及基于特征点的视觉同时定位与建图（SLAM）等计算机视觉应用十分重要。核辐射环境下采集的图像噪点量多、噪声块较大,传统的特征点提取方法存在容易将噪声判定为特征点的问题。基于某辐照厂卡源故障采集的受γ射线影响的图像噪声分布特点,提出一种抗核噪特征点（ANF）提取算法。首先,分析核辐射下图像的每个像素点的红绿蓝（RGB）特性以及灰度特征,获取可能为噪点的像素;然后,通过传统算法提取特征点;最后,采用特征点与可能噪点的欧氏距离大小进行排序筛选特征点,剔除较大可能性为噪点的特征点。标准图像数据集合成的噪声以及真实核辐照环境下拍摄图像的实验表明,ANF提取方法相对于传统的加速分段测试（FAST）和二进制鲁棒尺度不变特征点（BRISK）提取方法具有更好的稳定性,并可以提高特征提取效果和降低匹配错误率。     

基于图像尺度空间的几何不变特征点提取算法

图像特征点的提取是实现抗几何攻击数字水印算法的重要步骤，所提取的特征点是否鲁棒，将直接影响抗几何攻击水印的鲁棒性．Harris—Laplace角点检测方法是一种多尺度抗几何攻击角点提取方法，但计算比较复杂．将Harris．Laplace角点检测方法进行改进，把直接分析图像局部灰度值的角点提取方法与图象尺度空间的思想相结合，并兼顾多尺度的不同权值，则既可以保证角点抵抗一般几何攻击的鲁棒性，又减少计算复杂度的，根据此思路提出了加权平均Harris-Laplace角点检测方法来提取特征点．实验结果表明，该算法提取的图像特征点不仅具有很好的抵抗图像裁剪、几何缩放能力，而且计算复杂度明显低于相同重复检测率的Harris—Laplace角点检测算法．     

调制信号小波变换的尺度特征

本文根据小波变换的定义和通信调制信号的一般表示形式,分析了典型调制信号的小波系数在时间-尺度平面上的特征,详细推导了小波系数达到最大时所对应的最佳尺度因子与调制类型的关系,并给出了仿真结果.理论分析和实验结果均表明,不同调制信号的小波系数有着不同特征,最佳尺度因子的变化规律与调制类型一一对应,并且与被调制的基带信号存在确定关系.最佳尺度因子的这种特征可用来构造基于小波变换的调制信号分类器和解调器.     

PACS图像处理中SURF特征点提取算法实现

在PACS图像处理中经常会遇到分辨率和视野的矛盾问题。视野范围越大则分辨率越小,分辨率越高则视野范围越小。图像拼接技术可以有效地解决这个矛盾问题。图像拼接最终能否达到良好效果,最重要的一点就是选择一个鲁棒而快速的图像配准方法。首先介绍了图像拼接流程,然后详细分析比较了基于特征图像配准中不同特征点检测算法的优劣性。最后用C语言实现了SURF特征点检测算法,并用真实的PACS图像进行试验,验证了不同PACS图像特征点检测算法有效性。     

反对称双正交小波应用于多尺度边缘提取的研究

本文对反对称双正交小波所具有的多尺度边缘提取能力进行了理论分析，提出了一种反对称双正交小波变换域内的多尺度边缘提取算法，并通过实验进行了验证。该结果为在基于小波变换的压缩数据域内利用边缘信息实现图像检索提供了依据。     

基于FPGA的图像多尺度特征点提取及匹配

对于图像的多尺度特征点提取及匹配存在提取特征有限、算法复杂度高、处理速度慢的问题,提出了一种利用多尺度Harris角点方法提取图像中物体边界特征点,采用二维高斯拉普拉斯算子检测图像斑点信号,并基于SIFT特征描绘子计算特征描绘子相似度来完成匹配的方法.该方法充分利用FPGA的并行性特点,通过降低多尺度Harris角点检测、斑点提取和SIFT特征描绘子生成算法的复杂度,在FPGA中实现了图像多尺度特征点的快速提取及匹配.通过对多组图片进行对比测试验证,该方法相对于软件实现方法具有处理速度快,而图像主要特征点不丢失的特点.     

基于图像尺度变化的一种特征点匹配算法

通过对灰度相关法特征点匹配算法的理论研究和实验分析,提出了一种能够克服图像尺度变化的特征点匹配算法。该算法主要根据图像特征点间欧氏距离的关系,结合传统的特征点灰度相关法和特征点的梯度相关法进行精确匹配。实验证明,该算法容易理解,易于实现,匹配结果较精确,误匹配点较少。     

基于DSP的指纹图像特征点连续提取系统设计

采用传统光学型、半导体型和超声波型设备进行指纹图像特征点提取时,缺少自动保护机制,导致系统提取结果不精准,为了解决该问题,设计了基于DSP的指纹图像特征点连续提取系统.该设计以TMS320C5000为DSP芯片,形成统一数据映射,可以自动保护和恢复现场.使用MBF200型号指纹传感器,将电压值转换为数字信号形式,产生感...     

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一.近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合.该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义.     

彩色图像人脸特征点定位算法研究

本文提出了一种基于复合局部信息模型的改进Active Shape Model(ASM)算法,并进一步提出了基于人脸特征点Gabor小波特征降维分类的特征点搜索方法,对改进ASM的结果进行精确校正,达到鲁棒精确定位特征点的目的.本文首先对经过Adaboost检测的彩色图像人脸区域进行光照补偿,然后根据眼睛和唇色的色度特性定位双眼和嘴唇中心位置,从而得到较好的人脸特征点的初始位置.在特征点位置搜索中,本文结合肤色概率信息对ASM方法进行了改进,从而提高了仅基于灰度梯度信息的传统ASM方法的鲁棒性和准确性.最后选取改进ASM搜索后的某些特征点一定领域内梯度值较高的点,提取其Gabor小波特征,通过线性判别式分析法(Linear Discriminant Analysis)和最近邻分类法对其进行分类,搜寻最符合训练样本Gabor特征的点作为最佳位置点,修正了ASM的搜索结果,使得搜寻结果更加精确.     

多尺度对称变换及其应用于定位人脸特征点

提出了一种在图像的反对称双正交小波分解数据域中,实现多尺度对称变换的方法,并将它应用于脸部图像中主要特征点的定位.这种方法与直接在原始图像数据域中的同类方法相比,能大幅度减少计算量、加快定位速度,并明显提高定位准确度.除此之外,由于它是在小波分解数据域上实现的,这就为在图像数据压缩域中提取人脸图像特征奠定了基础.     

人脸关键特征点的自动定位

提出一种自动定位人脸关键特征点的方法。选取人脸图像中两眼球中点、各内外眼角点、鼻唇中点和两嘴角点作为9个关键特征点,利用SUSAN算子提取边缘和定位两眼内外角点,并与方向积分投影等方法结合,可以快速准确地获得特征点位置。实验结果表明,该方法能自动定位人脸各关键特征点,平均定位准确率在95%以上。该方法将有助于人脸特征的自动提取和提高人脸识别算法的识别率,虽然是针对固定大小图像(336×480)进行的,但方法本身并不受图像大小的约束;该方法对绝大多数灰度正面人脸图像特征点都能准确地自动定位,即使小角度旋转人脸也取得较好的定位效果,但目前对大角度旋转人脸仍有一定局限。     

基于特征点的抗几何失真数字图像水印

为了增强水印的抗几何攻击能力,本文提出了一种基于图像内容的水印方案。图像的内容由具有几何不变性的特征点选出,在每块选出的内容上进行水印的嵌入和检测。由于图像的特征点在经过几何攻击后仍然可以保持,这样就很好地解决了水印的同步问题,保证了水印检测的可靠性。实验表明该算法能够很好地抵抗诸如旋转、缩放、剪切等几何攻击以及JPEG压缩攻击。     

基于特征点抽取的图像中闭合曲线快速检测

本文从图论的观点出发,通过抽取细化后图像中的端点、歧点和叉点等特征点作为图的顶点,计算出图的边数ε和顶点数v,在分析二者数量关系的基础上,确定图像中闭合曲线的存在性.本方法实现简单,抗噪能力强,是一种实用高效的闭合曲线检测方法.     

图像尺度不变特征提取新方法

在文献[1]的基础上对尺度不变核进行深入研究,从理论上解决了初始函数选择的问题,构造了一族对尺度缩放具有不变性的核函数,能有效提取图像的尺度不变特征。核函数用于目标识别时,将图像发生尺度变换时数字化抽样插值所产生的误差引入到核参数的优化中,使得核函数能根据目标调整参数,达到最优的识别效果。实验结果表明,当用于二元目标的识别分类时,基于尺度不变核的方法能取得很好的识别效果。     

三维人脸特征提取方法综述

有效提取人脸特征是人脸识别技术的关键组成部分。传统的二维图像容易受到光照、姿态及表情的影响,而三维数据被认为具有光照姿态不变性。文中从局部特征和整体特征两个角度,对三维人脸特征提取进行综述,对部分方法进行比较,并分析了方法的有效性,总结了三维人脸特征提取方法的优势和困难。     

语音识别的鲁棒性特征提取方法研究

训练环境和测试环境的不匹配是造成实际情况下语音识别性能下降的主要原因。在深入研究语音识别的噪声环境和Mel域倒谱系数(MFCC)流程的基础上,基于累计分布函数匹配思想,给出了3种通过减小训练环境和测试环境的不匹配度来提高系统在不同环境下适应性的鲁棒性特征提取方法,分析了它们的理论基础、基本算法,并在Aurora2.0数据库上进行了实现,验证了方法的有效性,为实际应用中如何选择语音识别系统提供了参考。