基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少，会丢失部分重要信息的问题，课题组提出先对图像进行预处理，即增强对比度，提高亮度，使特征信息更明显，特征点更充足，再使用SIFT算法提取特征点；针对SIFT算法因特征描述符维数过多导致耗时长，实时性差的问题，课题组提出一种新的特征点描述方式，降低了描述符维数，提高了算法运行速度；最后，针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题，课题组提出一种权重阈值的方法，对距离特征点不同位置的种子点设置不同的阈值，提高匹配正确率。实验表明：与SIFT算法以及PCA SIFT算法相比，改进的算法匹配精度提高了10%~20%；同时，匹配时间也有所提高。该算法既有效提高了匹配正确率，又缩短了算法运行时间。     

二维离散余弦变换的一种新的快速算法

介绍了二维离散余弦变换的一种新的快速算法,对于N×N DCT(N=2~m),只需用N个一维DCT和若干加法运算,与常规的行—列法相比,所需的乘法运算量减少了一半,也比其它快速算法的乘法运算量要少,而加法运算量基本上是相同的。     

SIFT匹配算法在视频拼接中的优化应用

在视频拼接中．由于视频帧存在噪音大,光线变化、模糊以及旋转等情况,传统的SIFT算法处理后出现了较多的错误匹配点时。为了提高匹配的准确率,提出了一种优化的SIFT算法：在SIFT算法的图像匹配过程中,计算所有匹配点对所确定的直线的偏转角度,设置一个角度误差范围,对匹配点对进行角度误差约束筛选,根据得到的匹配点对时偏移量进行精确计算,实现视频帧的融合。最后通过大量实验,验证了优化后的SIFT算法更加准确地对视频帧进行匹配拼接,消除了重复区域拼接的模糊性,符合视频拼接对于偏移量计算的精确要求,实现了视频拼接的实时性和高效性。     

基于二维主分量分析的人耳身份识别研究

有效的特征提取方法是解决人耳身份识别任务的关键之一。以主分量分析(PCA)为代表的线性子空间方法在特征提取工作中得到了广泛应用。为了更有效地提取人耳图像特征并减少运算量,将基于二维图像矩阵的2D PCA方法应用于人耳身份识别。针对三个USTB人耳图像库,采用最近邻分类器,研究了选用不同的特征维数、贡献率,及不同的相似性测度时,2D PCA方法与传统的PCA方法的识别性能。交叉验证的实验结果表明:2D PCA方法较PCA方法获得了更短的训练时间和更高的识别率,说明基于图像矩阵的2D PCA方法是一种效率更高     

基于帧差法与SURF匹配的异纤机棉流速度测量

针对异纤机输棉通道内棉流速度的不确定性导致其打击精度无法提高的问题，课题组提出了一种基于帧间差分法和SURF特征匹配算法相结合的混合棉速测量方法。首先，对采集到的棉团图像进行预处理，采用帧间差分法提取棉团边缘信息，得到分离的二值化棉花图像；其次，基于形态学操作对二值化图像进行腐蚀、膨胀运算，得到完整的待检测棉团信息；最后，通过SURF特征点匹配算法对2幅图像中的特征点进行匹配，计算相邻帧间同名点之间的像素距离，将像素距离转换为实际距离后，计算得到棉团运动速度。研究结果表明：与直接匹配相比，特征点数量减少了67.8%，无效匹配点对减少了97.47%，算法计算所得速度与直接计算所得速度误差低于4%。课题组提出的算法可以满足实际工业应用要求。     

利用多基链计算椭圆曲线标量乘的高效算法

椭圆曲线标量乘是椭圆曲线密码体制中最耗时的运算,多基链作为双基链的一个推广,具有标量表示长度更短、非零比特数目更少的特点,非常适宜用于椭圆曲线标量乘的快速计算。该文给出了新的五倍点公式,同时以2、3和5作为基底,给出了一个利用多基链计算椭圆曲线标量乘的高效算法。由于多基数表示的高度冗余性,该算法能够抵抗某些边信道攻击,与常用的标准倍点加和非邻接形标量乘算法相比,该算法的运算量更少。     

一种基于周期平稳信号特性的递归盲波束形成算法

提出了一种快速盲波束形成递归算法,可以大大降低运算复杂度,该算法尤其适用于对运算量有要求的阵列系统。实验结果验证了其有效性。     

一种实现任意基FFT的快速整序算法

提出了一种数据整序快速算法,能对任意基ＦＦＴ变换的数据进行快速整序。该算法对数据进行循环嵌套分组,简化了数据交换的判断条件,并减少了求解数据序号位倒序值的运算量。计算结果表明,当数据规模越大,该算法的数据整序时间较其他算法越少,并使基２－ＦＦＴ的运算时间较用其他整序算法时减少１．３％～４％。较用直接整序方法时减少７％～１９％。     

有限Fu_(33)y关系的传递闭包的一种算法

设?是包含n个元的集上的Fu33y二元关系。如果根据等式?=?U~2U…U?~n计算传递闭包?,那么运算的复杂性是O(n~4)。本文提出一种算法,运算量减少为2n~3,并举了一个应用的例子。     

基于改进的遗传算法的快速图像相关匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷,提出了一种基于改进的遗传算法的匹配方法,算法的主要改进手段是,用自识别交叉算子进行交叉操作,避免种群过早成熟。实验结果表明,与基本遗传算法相比,基于该算法的图像匹配具有运算量小、匹配精确等优点,且算法稳定。     

融合Sobel-SIFT的花朵图像的特征提取方法

由于花朵图像特征的复杂性,往往需要先对原有图像进行花朵轮廓检测,再进行特征点提取.本文在传统的SIFT算法的基础上,提出了改进的Sobel-SIFT算法,以适用于花朵图像的特征提取.该方法首先针对传统的Sobel算法进行了方向模板的扩展,其次对检测到的边缘特征进行细化处理,最后使用SIFT特征提取算法对花朵图像进行特征点提取.试验结果显示该算法比原有算法获取了更为准确的特征点,验证了本文方法的有效性.     

基于广义逆的无谱逆反卷积算法

在时域循环卷积运算实现反卷积方法的基础上,基于广义逆的概念提出了一种改进算法,该算法不仅可以有效地避开无谱逆问题,而且运算量增加较少,易于编程实现。     

基于指纹识别的登录系统

以指纹作为登录信息,在客户端采集指纹信息,用直方图均衡化、平滑处理、二值化处理以及膨胀和腐蚀等算法把指纹信息特征点部分保留下来,用开运算和闭运算以及细化运算提取指纹特征信息,把该信息和数字安全证书相结合匹配数据库的指纹信息验证方式,以实现用户安全登录,保护了用户的信息安全。     

DRM系统中OFDM模块的高效实现

结合世界性数字广播(Digital Radio Mondiale,DRM)系统具有多种鲁棒性模式和带宽占用模式的特点,设计了适用于DRM系统的快速傅里叶变换算法。与其他快速傅里叶变换算法相比较,这种通用长度N的同址、顺序素因子算法点数选取灵活,运算精度高,可以实现同址、顺序运算,因此其存储量和数据传递次数少,运算量小,运算速度快,且程序结构规整,利于软、硬件实现。该算法也可用于其他采用正交频分复用调制技术的系统。     

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。     

一种基于小波变换和PCA的人脸识别改进方法

针对主成分分析PCA算法中存在的问题,提出了利用小波变换对人脸图像进行预处理,PCA提取图像特征,最近邻法分类的人脸识别改进方法.基于ORL、YALE数据库的相关实验表明,这样的系统能够降低数据维数和克服角度、位移变化对算法的影响,能够取得比传统PCA更好的识别性能。     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

基于自适应提升方案的低比特率图像压缩编码

通过采用自适应提升小波分析,根据处理信息的局部特征自适应地调整预测和更新算子实现与处理信息的准确匹配,有效地降低信息小波分析的运算量和计算的复杂性,并且能较好地实现同址运算,便于采用DSP等硬件实现;其次,通过定义浮动阈值,在编码中提出了采用自适应深度优先搜索的扫描策略,进一步改善了数字图像的编码效率。实验结果表明,通过这些措施实现的数字图像压缩算法,其重构的图像质量较好,有效地降低了压缩后图像的比特数,图像的压缩效果、编码时间等亦有较大的改善。     

数字图像匹配算法的改进及研究

本文从数字图像匹配运算的速度与精度方面出发，详细地讨论了数字图像匹配算法的改进，经粗略匹配和亚像素级精确匹配以后可快速得到亚像素级匹配点．计算机仿真实验表明．本文给出的改进匹配算法与现行的最小误差法和最大相关系数法相比，在1／20亚像素分辨率条件下的运算速度提高了大约5倍。     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.