电力巡线无人机航拍图像匹配算法研究

基于局部特征的图像匹配算法是电力巡线无人机航拍图像匹配算法中最为实用的一种方法。针对传统匹配算法构建尺度空间会致使图像边缘信息丢失或者效率较低等问题,提出一种基于高斯曲率尺度空间的航拍图像匹配算法。借助高斯曲率滤波器构建一阶尺度空间,利用FAST算法提取特征点并选择特征采样区域,再以对特征采样区域建立二阶尺度空间并提取二阶尺度空间层内LIOP描述符,随后二阶尺度空间两两层LIOP描述符做差值并二值化处理,累加二值化值得到ASV-LIOP描述符完成匹配。在航拍图像上,使用SIFT、ORB、KAZE、AKAZE、改进KAZE等算法与所提对比实验,实验表明,所提算法正确匹配率平均提高5%左右,匹配效率约降低50%,可应用对稳定性要求较高且实时性较低的场景。     

纹理抑制的光照不均图像配准算法研究

针对KAZE算法对光照不均图像特征点提取效果不佳的问题,提出了一种基于纹理抑制改进后的KAZE图像配准算法。改进算法的主要流程如下：将纹理抑制算法嵌入到非线性扩散滤波方程中,以实现对图像更好的光照估计;对光照估计后图像的亮度分量进行自适应Gamma校正;利用改进的KAZE算法对图像进行配准。实验结果表明,改进算法相较于SIFT、SURF、KAZE算法的平均正确匹配率分别提高了48.5个百分点、22.1个百分点和20.1个百分点,查全率提高了26个百分点、5个百分点和5.5个百分点,所提算法能有效地降低误匹配,并且广泛地应用到多种处理场景中。     

改进KAZE算法的移动目标检测

针对KAZE算法特征提取速度慢以及移动目标检测效果差等问题,提出一种改进KAZE算法的移动目标检测算法。在原有KAZE算法基础上,对求解线性非尺度空间的迭代步长进行了重新修正;在特征匹配阶段,对特征点在相邻帧间位移进行求解后,用于背景估计。实验结果表明:改进后的算法加速了非线性尺度空间的求解,特征点提取速度提升了9. 3%,特征匹配率提升了1. 6%;用于无人机移动目标检测中,也取得了良好效果。     

基于改进KAZE的无人机航拍图像拼接算法

为了更好地解决航拍图像易受光照、旋转变化、尺度变化等影响,KAZE算法实时性较差以及基于K近邻的特征匹配算法耗时较长等问题,该文提出了一种基于改进KAZE的无人机航拍图像拼接算法.该方法首先利用加速的KAZE算法提取图像的特征点,采用二进制特征描述子FREAK（Fast retina keypoint）进行特征点描述,然后使用Grid-KNN算法进行特征点粗匹配,利用随机一致性算法对匹配的特征点进一步提纯并计算几何变换模型,最后采用加权平均算法对图像进行融合.实验结果表明,该文所提算法使图像在光照变化、旋转变化及尺度变化下具有较好的性能,且处理速度较KAZE算法与K近邻特征匹配算法有较大提升,是一种稳定、精确度高、拼接效果良好的无人机航拍图像拼接方法.     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

一种快速鲁棒的SAR图像匹配算法

针对目前SIFT算法及其改进算法在多波段SAR图像匹配时匹配性能低下(普适性差、匹配精度低、时间复杂度高)的问题,在SIFT算法框架下分别从尺度空间构建和描述符构建两个方面进行改进。在构建尺度空间层面,提出将高斯引导滤波引入多尺度空间构建和预处理阶段,采用双边滤波策略,充分利用高斯引导滤波的实时性和旋转对称性与双边滤波的边缘保持优势,高效地滤除斑点噪声并保持边缘信息。在构建描述符阶段,提出采用局部差分二进制(Local Difference Binary,LDB)算法描述特征,在保证不降低特征点描述符区分性的同时,减少特征的向量维度,从而缩短构建描述符的时间。在特征匹配阶段,首先采用最近邻算法进行粗匹配,然后采用稀疏向量场一致性(Vector Field Consensus,VFC)快速剔除错误匹配点。实验结果表明,所提算法在SAR图像配准时间复杂度和匹配概率评价上要优于原始BFSIFT算法和KAZE算法。总体上,文中提出的SAR图像匹配算法是具有实时性、鲁棒性与高匹配概率的高效算法。     

三元组描述符的特征匹配算法

针对"风"(KAZE)/加速"风"(Accelerated KAZE)算法鲁棒性差、速度慢等问题,提出三元组描述符(Learned Arrangements of Three Patch Codes)与KAZE/AKAZE算法结合的方法,称作KAZE/AKAZE-LATCH算法。利用AOS算法或者FED算法解非线性方程搭建金字塔;利用海森矩阵在非线性金字塔上寻找特征点;以特征点为圆心按照尺度大小选择相应的采样窗口以建立描述符;利用三元组算法建立二进制描述符。将该算法与KAZE算法和AKAZE算法在公开数据集上对具有模糊变换、光照变换、视角变换和JPEG变换的图像进行匹配时间和匹配正确率的对比实验。经实验表明:该算法的匹配正确率得到巨大提升,匹配速度增加。与现有算法相比,该算法的鲁棒性和实时性更好,可用于对匹配速度和精度要求较高的场景。     

一种KAZE算法在人脸图像匹配中的应用

基于KAZE人脸图像匹配算法是通过加性算子分裂算法来进行非线性扩散滤波,从而解决高斯分解带来的边界模糊和细节丢失问题. 利用任意步长构造稳定的非线性尺度空间,寻找不同尺度归一化后的Hessian局部极大值点来实现特征点的检测,采用M-SURF来描述特征点,从而构造特征描述向量. 在VS2010和Opencv环境下分别对KAZE特征和SIFT特征实现人脸图像的匹配. 通过改变输入人脸图像的模糊度,旋转角度,尺度大小,亮度变化结合Matlab对KAZE,SIFT,SURF进行进一步的性能仿真实验. 实验结果表明,即使在高斯模糊,角度旋转,尺度变换和亮度变化等情况下依然保持良好的性能.     

图像失真条件下的模板匹配算法研究

传统模板匹配算法在图像出现局部遮挡、形变等失真情况时适用性不高,为提高图像失真时的匹配性能,本文提出一种基于等距有效点的局部模板匹配算法。首先,利用局部图像网格处理方法得到候选局部特征向量;然后,根据对应坐标位置的局部相似度提出一种等距有效点的判定方法;最后,通过归一化等距有效点数量及其相似度得到综合相似度。利用局部相似度对失真部分进行筛除,从而使得参与综合相似度计算部分的特征值更准确,进一步增大了综合相似度的真实性和可靠性。本文算法在原始图像集和干扰图像集中的匹配率均为100.0%;在遮挡图像集和形变图像集中则分别为94.1%和83.3%。实验结果表明该算法在图像失真条件下具备较强的抗干扰性,且对噪声和光照变化也具备鲁棒性。     

室外光照易变场景下的回环检测方法

针对室外光照条件易变场景下,传统回环检测算法容易产生感知变异,进而导致回环召回率降低的问题,结合可在线删增视觉词的词袋模型,提出了一种适用于光照易变场景的回环检测方法.首先提出一种基于信息熵的图像曝光检测算法,然后利用基于曝光区域的自适应直方图均衡化对图像进行预处理,使图像整体恢复更多细节,从而提高算法在复杂环境下的鲁...