SURF

摘要： 提出了采用SURF特征匹配的方法对钻杆接头目标识别的控制方法。对钻杆接头获取目标图片后进行工作环境干扰模拟和自身工作状态模拟预处理,以提高仿真实验的真实准确度,便于更好地对不同环境和工作状态的目标特征的匹配识别。对预处理后的钻杆接头图像采用SURF特征提取匹配的方法进行图像目标识别,模拟实验中主要对SURF特征匹配阈值和匹配特征点的数量进行了学习。实验结果表明,文中提出的图像目标识别方法效果较好,为井口自动化工具的全自动化、智能化控制提供一种思路,具有一定的参考价值和借鉴意义。

摘要： 为解决图像配准中因旋转变换,尺度缩放,光照变化,相机抖动,气流变化以及压缩等影响成像质量,而导致特征点检测数目不足的问题,本文提出了基于组合模型的图像配准方法.该方法采用KAZE与SURF算子联合检测局部区域中线性与非线性特征点;同时为了提高计算效率,采用二进制向量描述符表征特征点,并使用汉明距离计算特征点之间的匹配距离,有效地提高匹配效率;最后,利用随机一致性算法(RANSAC)进一步消除异常点,并根据内点之间的对应关系来计算几何变换模型.实验结果表明:本文有效地解决了因特征点数目不足配准失效的问题,多幅图像的配准实验结果说明了本文方法具有更好的稳定性与鲁棒性,同时运行效率最快.

摘要： 为解决动态背景下运动目标检测所得目标较为微弱且目标区域离散的问题,文中提出一种动态背景下的运动目标检测算法。首先利用SURF(Speeded Up Robust Features)算法提取图像中的特征点,通过双向匹配法去除误匹配的SURF特征点对,并将特征点分为前景点和背景点两部分;再利用背景点计算仿射变换矩阵,以提高仿射变换矩阵的准确性,完成背景运动的补偿,消除背景运动对目标检测的影响。然后对补偿后的图像采用帧差法和形态学操作,完成对目标的初步提取。最后利用颜色、位移和位置信息对目标进行归并处理,完成运动目标的检测。实验结果表明,文中算法能够准确检测出运动目标,并且所得目标较为明显且目标区域连续。说明文中算法准确率高且具有较强的鲁棒性。

摘要： 为实现高质量、高效率的隧道巡检,基于AR技术设计隧道人工巡检辅助系统。通过AR终端使得真实场景叠加虚拟信息,对巡检作业进行分析、指导和决策,有效辅助隧道人工巡检工作。应用SURF的尺度不变和高效的识别性能对机电设备进行识别匹配,并采用Lowe’s算法保证匹配的最佳效果;通过隧道5G室内高精定位、物体的POI信息、AR智能终端中的方向角度传感器等数据信息,建立基于目标物体唯一属性的识别匹配;最后,选择PSO信息优化算法对SURF算法识别匹配的结果和唯一属性识别匹配的结果进行优化关联融合,极大地提升识别匹配的准确性。从匹配性能、AR渲染性能并结合实际运行效果对AR隧道虚拟巡检系统和传统人工巡检效果做出对比评估,验证了AR巡检辅助系统相对于人工巡检有明显优势。系统所展示的设备实时数据及辅助决策功能使巡检平均耗时缩减为传统人工巡检的54%,按AR辅助巡检系统规划的巡检路线可有效避免漏检的情况,且巡检总体准确率接近94%,有效提升了巡检质量与效率。

摘要： Individuals and PCs(personal computers)can be recognized using CAPTCHAs(Completely Automated Public Turing test to distinguish Computers and Humans)which are mechanized for distinguishing them.Further,CAPTCHAs are intended to be solved by the people,but are unsolvable by the machines.As a result,using Convolutional Neural Networks(CNNs)these tests can similarly be unraveled.Moreover,the CNNs quality depends majorly on:the size of preparation set and the information that the classifier is found out on.Next,it is almost unmanageable to handle issue with CNNs.A new method of detecting CAPTCHA has been proposed,which simultaneously solves the challenges like preprocessing of images,proper segmentation of CAPTCHA using strokes,and the data training.The hyper parameters such as:Recall,Precision,Accuracy,Execution time,F-Measure(H-mean)and Error Rate are used for computation and comparison.In preprocessing,image enhancement and binarization are performed based on the stroke region of the CAPTCHA.The key points of these areas are based on the SURF feature.The exploratory outcomes show that the model has a decent acknowledgment impact on CAPTCHA with foundation commotion and character grip bending.

摘要： Recently,ground-penetrating radar(GPR)has been extended as a well-known area to investigate the subsurface objects.However,its output has a low resolution,and it needs more processing for more interpretation.This paper presents two algorithms for landmine detection from GPR images.The first algorithm depends on a multi-scale technique.A Gaussian kernel with a particular scale is convolved with the image,and after that,two gradients are estimated;horizontal and vertical gradients.Then,histogram and cumulative histogram are estimated for the overall gradient image.The bin values on the cumulative histogram are used for discrimination between images with and without landmines.Moreover,a neural classifier is used to classify images with cumulative histograms as feature vectors.The second algorithm is based on scale-space analysis with the number of speeded-up robust feature(SURF)points as the key parameter for classification.In addition,this paper presents a framework for size reduction of GPR images based on decimation for efficient storage.The further classification steps can be performed on images after interpolation.The sensitivity of classification accuracy to the interpolation process is studied in detail.

摘要： This paper is concerned with a vital topic in image processing:color image forgery detection. The development of computing capabilitieshas led to a breakthrough in hacking and forgery attacks on signal, image,and data communicated over networks. Hence, there is an urgent need fordeveloping efficient image forgery detection algorithms. Two main types offorgery are considered in this paper: splicing and copy-move. Splicing isperformed by inserting a part of an image into another image. On the otherhand, copy-move forgery is performed by copying a part of the image intoanother position in the same image. The proposed approach for splicingdetection is based on the assumption that illumination between the originaland tampered images is different. To detect the difference between the originaland tampered images, the homomorphic transform separates the illuminationcomponent from the reflectance component. The illumination histogramderivative is used for detecting the difference in illumination, and henceforgery detection is accomplished. Prior to performing the forgery detectionprocess, some pre-processing techniques, including histogram equalization,histogram matching, high-pass filtering, homomorphic enhancement, andsingle image super-resolution, are introduced to reinforce the details andchanges between the original and embedded sections. The proposed approachfor copy-move forgery detection is performed with the Speeded Up RobustFeatures (SURF) algorithm, which extracts feature points and feature vectors. Searching for the copied partition is accomplished through matchingwith Euclidian distance and hierarchical clustering. In addition, some preprocessing methods are used with the SURF algorithm, such as histogramequalization and single-mage super-resolution. Simulation results proved thefeasibility and the robustness of the pre-processing step in homomorphicdetection and SURF detection algorithms for splicing and copy-move forgerydetection, respectively.

摘要： 针对地下遮蔽空间内弱纹理环境下视觉/惯性定位方法特征点提取、追踪困难问题,文章结合快速鲁棒性(Speeded Up Robust Features,SURF)特征点法提取速度快、识别精度高、光流法追踪精度高的特点,提出了一种基于光流融合快速特征提取的视觉/惯性定位方法。该方法改进视觉前端部分,以SURF算法构建Hessian矩阵对图像信息中的特征点进行提取,提高特征点匹配效率与提取效果;随后,利用LK(Lucas–Kanade)光流法对特征信息进行追踪,保证特征追踪速度,以提高算法精度与鲁棒性;在信息融合部分参考多状态约束卡尔曼滤波算法框架,对视觉信息与惯性信息进行融合。采用EuRoc室内数据集进行仿真实验。结果表明,该算法具有良好的定位精度。与传统MSCKF算法相比,该算法漂移较小,相比MSCKF平均轨迹误差减少8%,均方根误差减少21%,具有更好的定位效果。

摘要： 传统的Web UI自动化测试以底层调用为基础,其测试方法如文本验证法、页面元素验证法和窗口变化验证法等,存在着图片、动态元素和元素样式无法测试和测试结果不够全面等问题,代码迁移成本高,用例覆盖度低。图像匹配技术可以有效避开网页底层结构设计,以用户视角进行UI测试。该文将图像匹配技术引入Web UI自动化测试进行方法研究,测试Web UI是否存在元素样式错乱和内容显示错误等现象。使用了基于特征点匹配的改进型SURF(Speeded Up Robust Features,加速鲁棒特性)算法作为方法设计验证主体,并结合了RANSAC(Random Sample Consensus,随机采样一致)算法优化特征点对,降低SURF算法中误差匹配和错误匹配的发生概率。在此基础上还利用了基于模板匹配的SSDA(Sequential Similarity Detection Algorithm,序贯相似性检测算法)完成误匹配图片集的辅助验证。在实验中,验证了所设计的图像匹配综合测试方法在Web UI自动化测试中的有效性,并且与传统方法相比具有一定的优势。

摘要： 为实现对空间姿态翻滚航天器的在轨服务与维护以及对空间碎片的清理,需对其进行精确的相对位姿测量。针对相对位姿测量问题,提出了基于单目视觉与卡尔曼滤波的相对位姿测量方法。通过对特征点匹配算法进行调查,采用了具有尺度不变性与旋转不变性的尺度不变特征变换算法(SIFT)和加速稳健特征算法(SURF)的特征点提取方法,并对二者进行了对比,得到了二者分别适用的工况条件。通过对Kalman滤波算法进行研究,引入了相机偏置矩阵,设计了Kalman滤波器,解决了单目相机的距离模糊问题,估计得到了非合作目标的相对位姿、主惯量比以及特征点位置信息。经过仿真,姿态角度估计误差在稳定后低于0.3°,相对位置估计误差在稳定后低于0.5 m,相较于真值,误差小于1.67%,主惯量比估计误差在稳定后低于0.01,特征点位置误差在稳定后低于0.005 m。在引入相机偏置条件后,滤波状态变量均收敛,并得到具有足够精度的估计,成功解决了单目相机深度信息缺失问题。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 针对现有的复制粘贴图像篡改检测算法需要某些先验信息、对后处理操作失效且计算量大等问题，本文提出了一种新的针对复制粘贴篡改的检测模式。采用SURF（Speed Up Robust Feature)提取图像的几何不变量特征，KNN（最近邻）进行特征匹配，待鉴定图像的匹配点对用点与点之间连线标记,如果图像被篡改过，所标记的线段将明显集中于某两个区域之间，采用CASIA图像集，通过Matlab仿真实验，验证了该算法不但可以适应平移、旋转及缩放等几何变换，而且有效的抵抗噪音污染、有损JPEG压缩等攻击，检测的速度也得到了很大的提高，检测速度是经典检测算法的十倍以上。

摘要： 本发明公开了一种基于ULBP和SURF的特征递进的手指静脉图像精确匹配方法，包括以下步骤：S1：手指静脉图像预处理；S2：对预处理后图像进行图像增强；S3：将所提特征与数据库中特征信息进行匹配，并输出匹配结果；实现了由粗到精的手指静脉识别算法；解决了单个ULBP算法灰度范围小、识别精度不高，以及利用SURF特征点进行匹配时的耗时过长的问题。

摘要： 本发明公开了一种面向立体视觉三维重建的Har‑SURF‑RAN特征点匹配方法，属于数字图像处理领域，包含如下步骤：步骤(1)：对图像中的像素点进行高斯差分预处理，筛选出候选特征点，再利用权重系数筛选，获得特征点。步骤(2)：对特征点数据集进行处理，得到特征点的特征描述子；步骤(3)：利用最近邻特征匹配对检测到的特征点进行匹配；步骤(4)：对特征匹配点对中的误判点初步剔除，利用PROSAC的思想将数据集进行排序，对RANSAC选取模型及评价部分进行改进，利用局部最优化的思想对RANSAC进行改进，引入优化参数K对模型局部进行进一步优化。本发明减少了计算量，提高了速度，改进算法产生的冗余点较少，精确度较高。

摘要： 本发明涉及基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。本发明的优点在于：基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法相较于已有的障碍物检测方法，能够有效检测无人机在飞行中遇到的数目不定的障碍物，为无人机自主飞行提供安全可靠的飞行路径。

摘要： 本发明请求保护一种基于改进FAST‑SURF算法的V波段功率放大器的车载雷达设备，包括外壳，所述外壳内设置有信号发生单元、发射器和接收器，所述信号发生单元被配置为生成车载雷达信号，并发送给发射器进行发射，所述接收器用于接收外部发送来的雷达信号；其在信号发生单元与发射器之间还设置有一个高增益甚高频波段功率放大器，所述高增益甚高频波段功率放大器包括：输入端匹配网络、第一伪差分共源放大器、第二伪差分共源放大器、级间匹配网络、输出匹配网络及电阻负载，所述第一伪差分共源放大器和第二伪差分共源放大器之间采用X型交叉混合耦合电容，所述输入端匹配网络的输入端连接信号发生单元的输出端。

摘要： 本发明请求保护一种基于改进FAST‑SURF算法的无人机雷达设备，其包括外壳、天线、USB接口、电源模块、信号发生单元、信号收发模块、信号放大模块、信号转换模块、微处理器模块、执行模块、驱动模块和通讯模块，所示电源模块与USB接口相连，信号收发模块与信号放大模块相连，信号放大模块与信号转换模块相连，信号转换模块与微处理器模块相连，微处理器模块与执行模块相连，执行模块与驱动模块和通讯模块相连，所述信号发生单元被配置为生成车载雷达信号，并发送给信号放大模块进行信号放大，并通过信号收发模块进行发射，所述信号收发模块还用于接收外部发送来的雷达信号；信号收发模块与信号放大模块相连，信号放大模块与信号转换模块相连，信号转换模块与微处理器模块相连，微处理器模块与执行模块相连。

摘要： 本发明公开了一种基于SURF算法的老年人护理需求识别方法。该方法如下：获取老年人的面部表情图像，并生成训练集、测试集；利用SURF特征提取算法对训练集进行特征提取，确定表情类型；采用词袋模型，结合K‑means聚类算法对训练集的所有图像中提取出的特征向量进行聚类，将每一个聚类中心作为视觉词，再将所有聚类中心所对应的视觉词集合形成码本；将同一幅图像的SURF特征向量映射到码本生成Bow向量；将训练集所有特征向量聚类生成的视觉词序列构成的码本放入SVM支持向量机中进行训练；提取测试集中测试图像的SURF特征并映射为Bow向量作为测试数据，使用SVM算法得到分类结果。本发明提升了老年人护理需求识别的实时性和准确性。

摘要： 本发明公开了一种基于SURF特征匹配的图像快速去遮挡方法，属于计算机视觉领域。其包括以下步骤：输入遮挡图像；构造Hessian矩阵；构造高斯金字塔尺度空间；初步确定特征点位置；精确定位极值点；确定特征点的主方向；构造SURF特征点描述算子；图像配准；图像融合。本发明可以有效减小图像去遮挡的运算时间，为计算机视觉的应用提供了一种既精准又高效的图像去除遮挡的方法，达到了预期的效果。

摘要： 本发明为用于抑制SURF4基因表达的RNAi试剂和组合物，涉及能够抑制SURF4表达的短反义寡核苷酸和RNAi试剂。本发明还涉及包含一种或多种所述短反义寡核苷酸或RNAi试剂的组合物。本发明还涉及所述短反义寡核苷酸、RNAi试剂或组合物在受试者中降低血脂，或治疗或预防与血脂异常相关的疾病中的用途。

摘要： 本发明公开了一种基于KCF和SURF特征的实时鲁棒目标跟踪方法，涉及目标跟踪技术领域，其技术方案要点是：包括以下步骤：S1、获取目标图像，并基于KCF算法进行目标跟踪；S2、基于峰值旁瓣比来判定目标是否被遮挡或丢失；S3、基于SURF‑RANSAC目标检索匹配，重新对目标进行匹配；S4、重新框选目标，更新目标模板，并继续执行KCF目标跟踪任务。本发明的方法能够有效的解决在目标发生遮挡、丢失或跟踪失败时再检测跟踪的问题，能够实现在失配的情况下，自动匹配框选目标，并继续执行跟踪策略；并且，本发明的方法考虑到无人机的机载计算机的计算能力有限，设计的实时鲁棒目标跟踪方法简洁高效，计算耗时少，满足实时性要求。

摘要： 本发明公开了一种改进SURF算法的低照度图像增强方法，包括以下几个步骤：获取原始图像，将其像素值矩阵由RGB颜色空间转换到HSV颜色空间；获得图像在HSV颜色空间的V分量，通过设置非线性函数对V向量进行亮度重映射；将亮度重映射后的图片由HSV空间转换至RGB空间；对增强后的图像进行SURF特征检测；构建Hessian矩阵，构建尺度空间，定位特征点；确定特征点主方向，生成特征点描述子；提取与匹配特征点，得到增强后的特征匹配图像。本发明提供的方法，能够在光照不足情况下改变光照情况，在不增加其他干扰噪声的前提下提高图像的对比度以及特征点匹配数量。