1 贵州大学大数据与信息工程学院, 贵州 贵阳 550025
2 贵州大学半导体功率器件可靠性教育部工程研究中心, 贵州 贵阳 550025
3 贵阳朗玛信息技术股份有限公司, 贵州 贵阳 550022
针对量子图像拼接使用传统尺度不变特征变换(SIFT)算法易造成 特征点数量不合理和误匹配率高的问题,提出基于动态阈值和全局信息的SIFT量子图像拼接算法。针对特 征点数量问题,利用特征点数量与量子点或量子环数量呈正比例关系这一特性,通过量子点或环的密度对SIFT算法 的对比度阈值进行设置,以得到合适的特征点数量。针对误匹配率问题,通过构建全局信息描述子,并与SIFT局部描 述子相结合,以降低误匹配率。实验结果表明:改进的算法有效地完成了量子环、量子线和量子点图像的拼接; 将量子图像的特征点有效地控制在一个合理的范围内,并将误匹配率从17.34%~33.02%降低至10.84%~20%, 使量子图像的拼接具有更好的可靠性。
图像处理 尺度不变特征变换 量子图像 全局信息 动态阈值 image processing scale-invariant feature transform quantum image global information dynamic threshold
1 中国科学院 长春光学精密机械与物理研究所 航空光学成像与测量重点实验室, 吉林 长春130033
2 中国科学院大学, 北京100049
为了能更准确地检测出图像中的各种显著性目标, 针对单一域的显著性目标检测方法容易造成有用信息遗失的缺点, 提出一种将图像频域的全局信息与空域的局部信息结合获得更全面的显著性目标信息的新模型。通过融合两个域中的有用信息, 将空域中的局部信息与频域中的全局信息进行信息的优势互补。此模型不但可以加强复杂背景下显著区域部分, 而且可以有效抑制重复的非显著性部分。实验表明该模型方法相对于其它单一域的模型能较好的提取显著性目标区域, 与单一的空频域模型比较, 在准确率上相对于空域模型提高9.5%, 相对于频域模型提高了6.3%。
计算机视觉 显著性目标检测 空频域结合 局部信息 全局信息 融合显著图 computer vision saliency detection joint spatial-frequency local global fusion
燕山大学 信息科学与工程学院, 河北 秦皇岛 066004
为提高局部图像拟合(LIF)模型对初始轮廓的鲁棒性, 提出了一种新的融合图像全局和局部信息的活动轮廓模型(LIF_GI模型)。针对灰度均匀图像, 利用图像的全局均值构建了全局图像拟合(GIF)模型, 结合GIF模型和LIF模型的优势, 通过构造新的图像拟合函数构建了LIF_GI模型。为避免对水平集函数进行繁琐的重新初始化操作, 使用反应扩散(RD)方法实现水平集演化。实验表明, 所构建的GIF模型在灰度均匀图像上能够获得满意的分割结果,且容许灵活的轮廓初始化。在分割灰度不均匀图像时, LIF_GI模型有效地降低了LIF模型对初始轮廓的敏感性, 与LIF模型相比, LIF_GI模型又表现出迭代次数少、检测速度快的优势。
图像分割 图像拟合函数 局部图像拟合模型 全局图像拟合模型 融入图像全局信息的局部图像拟合模型 image segmentation image fitting function local image fitting model global image fitting model local image fitting model fused with global image
1 中国科学院 长春光学精密机械与物理研究所,吉林 长春 130033
2 中国科学院 研究生院,北京 100039
提出了结合全局信息的SIFT(Scale Invariable Feature Transformation)特征匹配算法,解决了图像中存在多个相似区域时造成的误匹配问题。在尺度空间检测出特征点,生成包含两基于局部信息的SIFT向量和基于全局信息的全局向量;采用BBF(Best Bin First)算法进行搜索,并采用欧氏距离作为度量函数进行特征向量的匹配。实验结果表明,由于在基于局部信息的SIFT向量中加入基于全局形状信息的全局向量,使得当特征点的尺度较小时,可以借助更大邻域范围内的信息对其进行描述,从而降低了由于局部信息相似而造成的误匹配的概率。所用图像误匹配的概率由19%下降到了11%,极大地改善了匹配效果。
特征匹配 SIFT算法 全局信息 BBF算法 feature matching SIFT algorithm global information BBF algorithm