改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。     

基于CenSurE-star改进BRISK图像匹配算法

针对BRISK(binary robust invariant scalable keypoints)算法匹配准确性较低，提出了一种基于CenSurE-star改进BRISK的图像匹配方法。首先检测图像CenSurE-star特征点，并构建BRISK二进制描述符，基于汉明距离相似度量方法采用KNN算法进行粗匹配筛选，并结合RANSAC(random sample consensus)算法对剩余不匹配点对进一步剔除。经实验研究对比，在关于光照、模糊、旋转、压缩比多种变化下该方法相较于BRISK算法准确性更高，保持了BRISK算法的实时性，与SIFT、SURF常见算法相比，该方法具有较高的准确性，且明显提高了匹配速度。     

惯性组合导航系统中基于BRISK的快速景象匹配算法

针对景象匹配/惯性组合导航系统对景象匹配算法精确性、实时性和鲁棒性的要求,提出惯性组合导航用基于二进制鲁棒不变尺度关键点(BRISK)特征描述符的高精度快速景象匹配算法。首先,结合惯性导航的误差特性设置BRISK特征检测子及描述子参数,提取参考图和实测图的BRISK特征和描述符;然后,根据最近邻汉明距离准则获取匹配的BRISK特征点对;最后,利用RANSAC方法和最小二乘算法(LSA),求得位置和航向参数。实验结果表明,本算法具备亚pixel级精度、ms级实时性以及优越的抗噪声、抗光照变化和抗旋转尺度变换能力。     

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法.首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像.实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值.     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

一种适用于智能手机的图像识别算法

针对目前常用的图像识别算法运算复杂和内存占用量大,不能很好的应用于移动平台等问题,本文提出了一种适用于智能手机的图像识别算法：首先,通过使用BRISK特征点检测算法提取图像特征和低字节的FREAK描述符对特征进行表述,解决了特征检测时间长和特征描述符内存占用大的问题;其次,将智能手机的重力信息添加到图像特征中改善了BRISK特征的区分能力,解决了相似结构特征难以区分的问题;最后,建立描述符的多级索引,实现相似描述符的快速查找,解决了描述符匹配问题.实验结果表明,本文提出的算法能有效地运行在资源受限的智能手机上实现对场景的实时识别.     

彩色伪随机编码结构光解码方法研究

在采用伪随机序列生成彩色条纹作为投影图像的基 础上提出了一种对彩色伪随化编码结构光三步 解码新方法。首先,建立向量梯度算子将Canny算子推广到彩色多通道图像,对彩色带状图 像进行彩色边缘检测,确 定边缘特征的位置信息;其次,采用引导式K-means聚类算法和 颜色分辨能力较强的颜色不变量对图像进行颜色识 别和分类,继而获得边缘特征的颜色信息;最后,提出分步窗口匹配算法对边缘特征序列进 行匹配,从而确立拍摄 图像和投射图像上的边缘特征的对应性。实验结果表明,提出的解码方法在不需要假定被测 物体表面颜色和纹理结 构的条件下,依然能够有效地提高解码的精度,具有较强的鲁棒性。     

基于BRISK的模板匹配在变电设备红外监测中的应用

为了提高电力系统变电设备红外监测的效率,同时对多个相似目标进行监测,提出了一种改进的基于BRISK(Binary Robust Invariant Scalable Keypoints,二进制鲁棒尺度不变特征)的模板匹配方法。首先在对目标模板图像与被监测图像预处理的基础上,利用BRISK算法提取模板与被监测红外图像的特征点,生成二进制描述子;利用滑动窗口在被监测图像上等步长滑动,检测出图像中存在的多个疑似目标区域,然后通过Hamming距离来判断正确匹配点对,从而正确识别变电设备。通过实验平台进行了相关实验,通过与模板匹配方法比较,该方法明显减少了运算量,充分满足系统实时性要求,提高了变电设备红外监测的效率。     

基于光流法和颜色概率分布的特征点匹配

为了解决图像特征点精确匹配的难题,提出一种基于光流法图像配准和颜色概率分布匹配的特征点匹配算法,能在图像产生大的形变和光照变化的情况下精确匹配到对应特征点.首先,定义一个5D空间,并用一组参数来表示特征点区域在待匹配图像中产生的位移、旋转、缩放等形变信息,通过这组参数能对特征区域在两幅图像间进行转换映射;其次,通过结合以上提到的两种匹配算法采用M估计法迭代更新这组参数得到更近似的特征区域模型,以达到更精确的匹配要求.实验证明这里提出的光流法和颜色概率分布结合的特征点匹配算法效果尤佳,出现误匹配很少,精度也很高.     

一种改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法。该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中;其次,对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;最后,利用Hession矩阵的迹提高精度以及欧氏距离比率完成特征点匹配,得到正确匹配点对,再通过变换矩阵参数估计和插值处理得到配准图像。实验结果表明,在保证实时性的条件下,该算法相比经典SIFT算法和SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

一种用于图像拼接的改进BRISK算法

为了获得精准的航空拼接图像,本文提出了一种结合BRISK算法与互相关模块匹配算法的新算法。传统的BRISK算法在拼接平移方向上存在较大的误差。针对该问题,首先使用BRISK算法实现尺度和旋转的校正,再引入模块匹配方法完成平移校正,同时在BRISK算法中加入RANSANC算法实现精准拼接。实验结果表明,本文算法是一种运算时间短、精确度高、拼接效果良好的图像拼接方法。     

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。     

结合尺度空间FAST角点检测器和SURF描绘器的图像特征

为了获得能够很好地应用于远距离目标识别且计算快速的图像特征,本文提出了一种结合尺度空间FAST(加速分割试验特征)角点检测器和SURF(加速鲁棒特征)描绘器的新特征算法。SURF算法利用了基于快速海森矩阵的关键点检测算法,容易从图像中快速海森矩阵响应值较高但信息匮乏的边缘区域提取大量关键点,进而导致大量的低独特性特征以及不可忽视的误匹配率;同时,其高斯滤波带来的图像模糊使得算法在远距离目标区域内检测到的关键点数量减少,从而对远距离目标的识别造成困难。针对SURF算法的这些问题,本文方法利用尺度空间FAST算法代替快速海森矩阵,并利用具有良好的独特性的SURF描绘器。该方法能够有效地减少对上述类型的干扰性关键点的提取,对远距离目标的关键点检测的性能相对于快速海森矩阵具有显著优势,且其独特性优于同样使用FAST角点检测器的BRISK特征。实验结果表明,对于带有光照变化、尺度变化和3D视角变化目标,基于本文特征的识别算法的识别正确率高于基于SIFT、SURF和BRISK特征的识别算法;本文特征适用于远程目标识别,同时其计算速度达到了与SURF接近的水平。     

基于特征数不变量的插针特征点匹配算法研究

针对电连接器插针匹配过程中特征点存在的近似对称以及在不同图像间存在大角度旋转变换的问题,提出了一种基于六点特征数不变量的特征点匹配算法。将特征点分为凸包与内点两部分,利用凸包上的点在射影变换中排列顺序的不变性实现了凸包匹配,利用以凸包特征点为基准的内点特征向量的相似性实现了内点匹配。实验结果证明,提出的算法能够很好地实现对插针特征点的匹配,具有一定的鲁棒性。     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

融合颜色和纹理的多特征匹配算法

传统SURF算法在对彩色图像匹配时仅基于灰度图像提取单一特征构建特征描述,在特征相似区域易导致误匹配,为提升图像配准精度,提出了一种多特征融合匹配算法.首先利用SURF算法进行特征点检测并构建特征描述符;其次,将彩色图像转换到归一化RG颜色空间,提取特征点邻域内的局部差值纹理信息,叠加到SURF描述符构成改进多特征描述...     

融合四叉树分布策略的改进ORB算法研究

在视觉同时定位与地图构建（visual-simultaneous localization and mapping）中,当前常见的特征提取与匹配算法存在特征分布不均匀以及错误匹配等问题,严重影响SLAM的性能。首先,在ORB特征提取的基础上,提出一种融合四叉树分布策略的改进特征提取与匹配算法,对上述问题的解决给出了新思路。然后,在特征提取阶段,使用四叉树分布筛选高质量特征点,将图像划分成多个非重叠的方形网格,利用基于图像窗格划分的误匹配剔除方法提高匹配正确率。最后,选取TUM室内图像数据,将所提出的算法与原始ORB算法、BRISK算法进行比较,验证了算法的实时性和有效性。同时针对视觉SLAM过程中可能存在的图像尺度及旋转变换问题,选用Mikolajczyk图像数据集中,不同场景序列图像的第一幅与第二幅图像进行特征提取与匹配实验。结果表明,所提出的算法在应对尺度及旋转变换场景具有一定适用性。     

一种基于轮廓角点与灰度的二维碎片拼接

在碎片拼接过程中,如果用轮廓的全部信息去进行匹配,需要大量计算,增加了算法的时间复杂度;如果用少量的信息去匹配容易造成误匹配,因此提出了一种既能减少匹配过程中所需时间又能提高匹配正确性的碎片匹配算法。首先通过角点检测算法找出角点。其次用角点之间的角度和距离作为匹配特征的方法找出初步匹配轮廓对。然后计算匹配段之间的相关系数检测是否真正匹配。如果满足匹配条件就通过旋转、平移实现碎片拼接。实验表明,所用算法能减少匹配时间同时提高正确性。     

二值特征匹配跟踪算法的快速性和鲁棒性比较

针对目标跟踪实时性和鲁棒性问题,提出了基于二值特征匹配的目标跟踪算法。将二值特征匹配算法应用于目标跟踪过程中,对特征匹配算法的实时性进行比较,并在目标被遮挡的情况下对算法的鲁棒性进行测试。实验结果表明,基于二值特征匹配的目标跟踪算法比SIFT(Scale Invariant Feature Transform)和SURF(Speeded Up Robust Feature)快将近3~4倍,而BRISK(Binary Robust Invariant Scalable Keypoint)对目标遮挡问题的鲁棒性最好。     

基于颜色变化信息的局部立体匹配算法

本文主要针对传统的局部匹配算法中的遮挡区域和重复区域、不连续区域的精度不高问题,提出了一种基于遮挡信息和颜色变化约束的局部匹配算法。首先,提出一种基于颜色变化约束的区域生长算法来提高权重因子的准确性,有效提高不连续区域、重复区域和低纹理区域的匹配精度;接着针对遮挡区域难匹配问题,提出通过降低遮挡像素点的权重影响来提高支持聚合的思想;最后结合生成的区域和遮挡点对权重因子进行分类,最终生成视差图。实验结果表明,该算法能有效提高重复区域、边缘区域和遮挡区域的匹配精度,与当前主流算法具有可比性。