检索结果-南通市图书馆

中国图象图形学报 2009年第7期14卷 1369-1377页

作者：张洁玉白小晶徐丽燕陈强夏德深南京理工大学计算机科学与技术学院南京210094

针对sift(scale invariant feature transform)特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的sift误匹配校正方法。该方法首先利用sift算法进行匹配;然... 详细信息

针对sift(scale invariant feature transform)特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的sift误匹配校正方法。该方法首先利用sift算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的"一对多"和"一对一"的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC(随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。

关键词：空间分布描述符 sift特征描述符独特性校正误匹配

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

基于多特征融合的人脸识别技术的研究

基于多特征融合的人脸识别技术的研究

引用

作者：李文洋扬州大学

学位级别：硕士

随着网络信息技术的飞速发展,信息已经成为推动经济快速发展的新型生产力,信息安全带来的隐患成为制约信息生产力发展的重要因素。对人的身份信息进行快速准确判别的途径已经成为了一个亟待解决问题,人脸识别由于其非接触式、信息采集... 详细信息

随着网络信息技术的飞速发展,信息已经成为推动经济快速发展的新型生产力,信息安全带来的隐患成为制约信息生产力发展的重要因素。对人的身份信息进行快速准确判别的途径已经成为了一个亟待解决问题,人脸识别由于其非接触式、信息采集设备简单、多平台支持等优势从众多的生物识别设备中脱颖而出。实时的人脸识别系统涵盖了人脸检测、人脸校准、图像预处理、人脸注册、人脸特征提取与匹配等若干模块。人脸检测可以通过视频流的实时检测,以检测是否包含人脸图像及位置确定,人脸识别是通过对检测到的人脸图像与已知身份的人脸相匹配,以确定检测到的人脸图像的身份。本文对人脸检测算法以及主要的图像预处理算法做了详细的介绍,并重点对人脸识别阶段进行研究并提出了算法改进。目前,人脸识别的方法一般分为基于尺度不变特征(sift)、局部二值模式、Harris角点等的局部特征表征,以及基于线性以及非线性子空间分析、流形学习、神经网络和支持向量机等的全局特征表征。尽管这些方法对正面人脸以及简单背景环境的鉴别有较好的效果,但是当人脸存在姿态变换、角度偏转等复杂因素时,鉴别精度就会出现较大波动,是以复杂因素下鉴别精度的提升成为科研的主要方向。主要研究工作如下：(1)尺度不变的sift特征是人脸局部特征的表征方式之一,在传统sift方法中,由于特征点的坐标是根据高斯差分空间的局部极值点来确定,造成特征点匹配困难。为了解决这一问题,提出了基于标点邻域sift描述符的特征提取(LN-sift)算法。本文首先采用基于回归的局部二值特征对人脸进行校准,获取了与人的面部几何特征相吻合的标点,从而采用有益于人脸鉴别的标点代替sift算法的特征点。然后,用具有不变特性的sift描述符来表征标点邻域内的局部特征,从而有效地提高了鉴别速度以及鉴别精度。最后,对标点按照人脸几何特征区域进行加权,能够对人脸的姿态变化以及角度偏转等因素引起的误差有一定的鲁棒性。(2)由于非线性的拉普拉斯特征映射,具有难以获得新样本的低维投影的缺点,局部保持投影对其进行了线性扩展,使样本可以通过线性投影矩阵快速的投影到子空间中。但是,这一方法是一种不包含标签信息的无监督方法,未能使用已知的标签信息提高鉴别精度。为了解决这一问题,提出了最大类间相斥的局部鉴别投影(MR-LDP)算法。本文采用添加了局部类别信息的权值矩阵,从而使近邻的同一类别样本尽量紧凑,近邻的不同类别样本尽量远离。同时,针对未能充分利用全局类别标签信息的缺点,引入了最大化不同类别间样本信息,从而使不同类别间均值中心最大程度地相互远离带动了不同类别间样本的整体分散,最后得到既保持了内在流形结构又使不同类别的距离最大的全局特征投影矩阵。(3)人类以及其他高等生命面对未知的待识别对象时,都会自主提取对象若干的最有意义特征,然后通过若干特征的综合融合作为鉴别的依据。单独的特征鉴别很难达到最优的效果,难以对光线、背景、姿态等若干因素的变化做出自适应的反应,从而缺乏依据环境变化的自动调节性。为了解决这一问题,通过对本文的局部特征提取算以及全局特征提取算法进行了融合,提出了基于混合特征的人脸鉴别算法,有效的提高了鉴别精度。

关键词：人脸校准 sift特征描述符局部鉴别投影流形学习信息融合

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

多光谱图像配准技术的研究与实现

多光谱图像配准技术的研究与实现

引用

作者：陈长智西安电子科技大学

学位级别：硕士

图像配准的根本目标是寻找到对同一场景的两幅图像或多幅图像之间的空间变换关系,并对其中的一幅或几幅图像进行对应的变换,这是图像拼接,融合,重建等操作的前提。而多光谱图像的理论基础是不同的物体具有不同的吸收、反射和辐射不同波... 详细信息

图像配准的根本目标是寻找到对同一场景的两幅图像或多幅图像之间的空间变换关系,并对其中的一幅或几幅图像进行对应的变换,这是图像拼接,融合,重建等操作的前提。而多光谱图像的理论基础是不同的物体具有不同的吸收、反射和辐射不同波段光谱的特性。图像在不同的应用领域对配准的要求不同,图像来源的多样性,获取的设备千差万别等原因都造成了图像配准技术的复杂性。在配准过程中,需要对图像进行特征提取、描述、匹配等一系列操作,其工作之复杂和难度之大,使得对于多光谱图像配准的研究具有极其重大的理论和实践意义。本文研究了基于互信息的配准算法和基于特征的sift配准算法。在基于互信息配准法速度过慢,时间过长的情况下,选取了基于特征的配准算法应用到多光谱31通道图像的配准之中。实验表明:相比较于基于互信息的方法,基于特征的多光谱图像配准法对于一般的多光谱图像,可以在保证配准精度的条件下,显著的提高配准速度,缩短配准时间。本文针对所拍摄的多光谱图像噪声点较多,信噪比较低的特点,在顺利完成图像配准的基础上,还要兼顾配准的速度与精度问题,提出了一种基于简化的特征点提取和sift特征描述符的多光谱图像配准法。研究针对sift算法中特征点的选取计算复杂,计算量大等缺点,引入了角点滤波检测算子,使得每幅图像通过5次x,y方向上的滤波就可以生成角点计算量矩阵,从而根据角点量确定特征点;此外还可以针对不同的图像设定不同的阈值,实现了特征数量的可控性以及针对不同质量图像都可以实现配准的自适应性。在此基础上,对特征点进行基于正方形窗口的滤波筛选,使得健壮的特征点得以保留,低对比度的特征点被筛选掉,对筛选过后的特征点再应用sift描述符以实现特征点的匹配。实验结果表明:改进后的方法相比较于传统的sift算法,在保证配准精度的条件下,有效的缩短了配准时间,提高了配准效率,并且针对高噪声的多光谱图像,算法具备较高的适应性。多光谱图像在不同光谱之间,特别是相隔波段较远的图像之间的配准是研究的重点与难点。因此在本文的基础上,未来的研究工作可以从以下方面展开:其一是针对多光谱图像波段众多,光谱间几何变换微小,配准运算量大等特点,能否使多个波段图像在二维坐标系中对同一特征点一次性完成所有图像的对应特征点的检测与匹配工作。其二是能否在多光谱图像配准中应用视频帧筛选的相关技术,从而避免多光谱图像配准中连续多次的两两配准造成大量的重复运算的缺点。

关键词：图像配准高噪声多光谱图像简化角点检测 sift特征描述符

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于扩散距离的sift特征匹配算法

引用

计算机系统应用 2012年第9期21卷 92-96,52页

作者：胡刚刘侍刚吴清亮王刚陕西师范大学计算机科学学院西安710062

sift(Scale Invariant Feature Transform)是目前最流行的局部特征提取及匹配算法.但传统sift算法采用欧氏距离来度量特征之间的SSD(Sum of Square Differences)并进行匹配,而传统的欧氏距离不能使高维特征向量恢复到具有低维的几何结构... 详细信息

sift(Scale Invariant Feature Transform)是目前最流行的局部特征提取及匹配算法.但传统sift算法采用欧氏距离来度量特征之间的SSD(Sum of Square Differences)并进行匹配,而传统的欧氏距离不能使高维特征向量恢复到具有低维的几何结构,导致错误匹配.为了克服这缺点,利用扩散距离代替欧氏距离进行匹配,然后使用随机抽样一致从候选匹配中排除错误的匹配.实验表明:该方法在图像形变、光照变化和图像噪声方面优于原方法.

关键词：计算机视觉 sift特征描述符扩散距离图像匹配

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：