结合RANSAC的SIFT算法在交通视频检测中的稳像技术研究

交通视频监控摄像头在大风条件下存在抖动问题,给后续的视频分析带来了困难。针对这一问题,文中首先介绍了3种相关方法：RANSAC、SIFT和最小二乘法。并在此基础上提出了一个视频稳像算法,实验证明该方法能较好地解决路面上的摄像头画面抖动问题。     

基于计算集成成像的图像配准算法研究

计算集成成像是目前三维重构与显示领域的主流研究方向,是一种基于透镜阵列来获取和重现目标场景三维的技术,针对集成成像采集的子图特征点匹配问题,传统的图像匹配方法匹配点少、耗费时间长、容易产生局部极值等问题。为了获取更多的匹配点,在原有SIFT配准算法基础上进行了适当的改进,实现集成成像稠密的图像配准,较大地缩短了配准时间。     

基于SIFT关键点的增强现实初始化算法

介绍了一种基于SIFT关键点的无标志点增强现实初始化算法。算法在已知场景少量标定关键帧图像的基础上,将关键帧图像与当前视频图像帧中的SIFT关键点进行匹配,利用RANSAC算法消除外点,而后利用图像匹配算法获取摄像机的位置和方向信息,完成系统的自动初始化工作。实验结果表明,算法鲁棒性强,跟踪定位精度高,有效地减小了人工干预的工作量。     

多模跟踪技术在轮式侦察车图像处理器的应用

为解决目标旋转形变、遮挡、光照变化等目标跟踪的难题,对粒子滤波和尺度不变特征变换（SIFT）算法进行了改进,结合两种算法提出了决策主导模式的多模跟踪技术。该技术采用粒子滤波预测目标位置进行粗定位,SIFT特征匹配进行精定位的方法,在解决上述难题上有很好的鲁棒性。将该技术应用于轮式侦察车图像处理器,并进行了各种实验验证,结果证明了提出算法的有效性。     

Computational analysis for the determination of deleterious nsSNPs in human MTHFD1 gene

Single nucleotide polymorphisms (SNPs) are the most common genetic polymorphisms and play a major role in many inherited diseases. Methylenetetrahydrofolate dehydrogenase 1 (MTHFD1) is one of the enzymes involved in folate metabolism. In the present study, the functional and structural consequences of nsSNPs of human MTHFD1 gene was analyzed using various computational tools like SIFT, PolyPhen2, PANTHER, PROVEAN, SNAP2, nsSNPAnalyzer, PhD-SNP, SNPs&GO, I-Mutant, MuPro, ConSurf, InterPro, NCBI Conserved Domain Search tool, ModPred, SPARKS-X, RAMPAGE, FT Site and PyMol. Out of 327 nsSNPs form human MTHFD1 gene, total 45 SNPs were predicted as functionally most significant SNPs, among which 17 were highly conserved and functional, 17 were highly conserved and structural residues. Among 45 most significant SNPs, 15 were predicted to be involved in post translational modifications. The p.Gly165Arg may interfere in homodimer interface formation. The p.Asn439Lys and p.Asp445Asn may interfere in binding interactions of MTHFD1 protein with cesium cation and potassium. The two SNPs (p.Asp562Gly and p.Gly637Cys) might interfere in interactions of MTHFD1 with ligand.     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

基于SIFT特征点和交比值的水印图像抗攻击算法

为提高数字水印图像对常规信号和复杂几何攻击的抵抗能力,利用SIFT(scale invariant feature transform)特征点的稳健性和交比值不变特性,提出了一种数字图像顽健水印算法。首先,在原图像经过NSCT(nonsubsampled contourlet transform)变换后的低频子带系数中提取SIFT特征点并对其进行优化筛选,从中确定满足“近凸正四边形” 的系数区域作为水印嵌入的局部区域,然后利用事先设定好的一些交比值在各局部区域中确定要嵌入水印的具体系数,最后利用奇偶量化调制方法嵌入水印信息。与传统算法相比,在提取水印信息时无需对含水印图像进行几何逆变换。实验结果表明,该算法对常规信号处理及多种几何攻击具有较强的抵抗能力和顽健性。     

基于ASIFT的图像拼接技术在监控系统中的应用

提出了一种基于改进仿射-尺度不变特征转换(ASIFT)特征的监控图像拼接算法,ASIFT特征比传统的尺度不变特征变换(SIFT)算法具有完全的仿射不变性,在低重叠图像匹配上,ASIFT算法能够检测到更多准确的特征点,满足拼接要求。实验结果表明,该算法在视频监控系统中具有很强的实用性。     

基于SIFT和Affinity Propagation的遥感图像配准算法

随着传感器和光学影像测量等各种技术的快速发展,航空遥感技术已经在电力巡检、森林防火、地理测绘等领域中发挥着越来越重要的作用,而图像配准作为遥感图像的预处理步骤为图像融合等后续处理提供了参考和依据,目前已经成为遥感图像处理领域的研究热点。文中提出了一种基于尺度不变特征变换（Scale-invariant Feature Transform,SIFT）和仿射传播聚类（Affinity Propagation,AP）的图像配准算法。该算法与原有算法相比优势在于无需预先设定参数,并且实验仿真表明该算法能有效地对多源图像进行高精度的配准,与随机抽样一致算法（Random Sample Consensus,RANSAC）相比提高了正确匹配点的数目。     

基于Bag of Features算法的车辆图像识别研究

将Bag of Features算法引入汽车图像识别领域中,并提出了将DoG(Difference of Gaussian)特征提取算法和PICA分类算法结合在一起实现车辆和背景图像分类.首先用DoG特征提取算法提取图像特征.用这些特征聚类产生码书并对图像进行柱状图描述,最后设计PLSA分类器对车辆图像和背景图像进行分类.实验对比了该算法与Tamura纹理特征算法和Gabor纹理特征算法在车辆图像识别中的效果.结果表明本文算法分类正确率优于另外两种方法.