融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

基于改进遗传算法和LVQ神经网络包裹算法的特征筛选

在皮肤症状计算机辅助测试系统研究中，症状特征的筛选是提高系统诊断的关键问题，针对这个问题提出基于遗传算法和LVQ神经网络相结合的包裹算法。同时为了提高搜索效率，采用改进的自适应遗传算法。并用留一交叉法验证LVQ神经网络分类器的识别率．对初步提取的体现病态皮肤症状特点的22个特征以及它们的10个随意组合构成的干扰项进行特征选择，选择出使皮肤症状诊断率得到明显提高的特征组合。实验证明该方法是可行的。     

改进的综合BTC颜色矩和DT-CWT的图像检索算法

特征提取是基于内容的图像检索中的关键技术.针对基于单一特征检索效果不理想的问题,提出一种改进的综合颜色和纹理特征的图像检索算法.该算法在YIQ颜色空间中进行特征提取,首先结合方块编码(BTC)的思想,提取颜色矩作为颜色特征;采用双树复小波变换(DT-CWT)提取纹理特征,融合两种特征并利用相似性度量方式进行图像检索.实验结果表明算法所提取的颜色、纹理特征更利于检索,使用综合特征检索的平均查准率比同类算法更高.     

一种图像的感兴趣区域提取方法

感兴趣区域(Region of interests,ROI)是图像中可能引起人眼视觉关注的区域。根据视觉注意机制的经典模型Itti模型来提取图像的低层特征,利用局部迭代的特征合并策略并在此基础上综合自动阈值分割和种子点的区域生长方法得到感兴趣区域的提取方法。实验结果表明该方法符合生物的视觉注意机制,具有良好的鲁棒性。     

地面场景红外图像特征分析

为了研究并掌握场景中目标的红外图像变化规律,提高自动目标识别系统的可靠性和稳定性,对实际采集得到的地面场景典型气象条件下一天24 h的长波红外图像进行分析,研究了不同地物类型对应的红外图像典型统计特征随时间和气象条件变化的规律.研究结果表明,图像各区域亮度的日时变化表现为近似余弦的变化规律,标准差和熵特征表现为单峰的变化规律,并且,各区域由于亮度变化不一致而存在对比度反转的现象.     

基于小波分解及KCN的雷达目标特征提取

讨论了利用一维距离像进行雷达目标识别的特征提取。从缩减表征距离像的特征维数和表征目标所需特征数出发，提出了一种基于小波分解及KCN的目标特征提取方法。为比较不同特征提取方法及所提取特征的性能，引入了Fisher距离来表明各类的类内紧致性和类间分离性。实验结果表明能够有效地进行特征提取。     

基于实例学习和协同子集搜索的特征选择方法

特征子集搜索是数据挖掘分类任务中一个关键性的难题,常用的过滤器方法忽略了基因之间的相关性,此外,现有的解决方法并不是专门针对处理小样本数据,因此在特征选择方面表现出了不稳定性.为了解决上述问题,在实例学习的基础上提出了一种新型的混合封装过滤算法,并且提出了一种具有封装器评价体系的分类器算法——协同性子集搜索(CSS).选取几个高维小样本的癌症数据集作为数据来源,对提出的评价体系进行了实验测试,结果表明,该方法在准确性及稳定性方面较其他方法表现更好.     

光电跟踪系统中扩展目标的成像对比度分析

分析了影响大气层内扩展目标成像对比度的主要因素,研究了整体倾斜校正对扩展目标对比度影响的数学关系,并分析了采用绝对差分算法提取整体相位倾斜的复杂度优化问题。采用快速倾斜镜对成像光束整体倾斜进行校正能够提高扩展目标的成像对比度,降低后端数字图像处理的难度,进一步减少目标识别和跟踪所需要的时间,对提高低对比度目标的光电跟踪效率具有参考意义。     

双目视觉中的角点检测算法研究

为了实现双目视觉中的特征提取与立体匹配,在研究现有角点检测算法的基础上,提出一种改进的Harris角点检测算法。该算法首先采用图像分块和邻近角点剔除的策略,实现了阈值的自适应调节,并保证角点分布的均匀和避免角点聚簇的产生。结合Forstner检测算法,将精度提高到亚像素级。编程计算结果验证了该方法的准确性和稳定性。     

纹理图像检索的不同相似性度量方法的比较研究

图像特征和相似性度量方法的选取是基于内容图像检索的一个关键环节。针对该问题，提出一种基于整数小波包分解的纹理特征检索方法。通过连接小波包分解后各尺度内和尺度闯不同频带的小波系数，提取标准方差和均值信息描述纹理。此外，对8种相似性度量方法进行了分析和比较。通过对纹理库的检索实验表明，与传统的距离测度相比，Canberra和Bray—Curtis距离测度能有效地提高图像的检索性能。