基于改进SIFT算法的双目视觉距离测量

针对视觉传感器距离测量中所使用的图像特征匹配算法精度不高、计算量大、实时性差等问题,提出了一种改进尺度不变特征变换(SIFT)图像特征匹配算法,并应用于双目测距系统当中.改进SIFT算法基于简化尺度构造空间,以曼哈顿距离作为最邻近特征点查询中的相似性度量,提高了算法效率.初次匹配之后与随机采样一致算法(RANSAC)结合,剔除误匹配点;基于精度较高的二次匹配点,提取匹配点像素信息进行距离计算,通过测距试验验证算法的可行性.实验结果表明:提出的方法获取目标距离达到较高精度,满足观测设备要求.     

基于分维搜索和环状描述符的SIFT改进算法

针对SIFT算法在极值点搜索和特征计算方面的低效,提出一种基于分维搜索和环状描述符的SIFT匹配算法(SC-SIFT)。该算法将SIFT算法中的三维极值点搜索策略分解(separate)为两个维度上的逐维搜索,同时引入了一种新的环状(cricoid)特征描述算子来代替原来高维低效的特征。实验证明,该方法不仅能够提高SIFT算法的执行效率,而且提高匹配正确率,实现了对SIFT算法的优化。     

基于SIFT特征匹配的稳健图像拼接算法

针对尺度不变的特征变换方法(SIFT)运用在图像拼接上存在错误匹配,以及匹配后点对位置并不严格对应的两点不足,提出运用随机取样一致性算法(RANSAC)筛选匹配后的点对,并借鉴KLT追踪算法修正特征点的位置,进而得到精确的变换矩阵.实验结果表明,该算法在继承了SIFT算法较强鲁棒性的同时,进一步提升了拼接的精度.     

视觉同步定位与地图重建—–基于先验信息的SIFT 匹配算法

鉴于尺度不变特征转换（SIFT）匹配算法存在计算效率不高且容易出现误匹配的问题,针对视觉同步定位与地图重建,提出了一种基于先验信息的SIFT匹配算法．该算法首先根据机器人和特征点的相对距离变化来预测尺度空间的变化;然后根据机器人和特征点的当前状态来预测特征点的图像位置;最后在预测的图像位置进行SIFT匹配．实验结果表明...     

指纹三角区域特征点融合匹配STSF算法研究

目前大部分指纹自动识别系统(automatic fingerprint identification systems,AFIS)所采用的特征点匹配算法需以准确提取特征点为前提,这些算法在面对存在高度畸变且残缺不全的现场指纹时,往往难以准确识别指纹图像。在相似三角形匹配算法的基础上,研究了SIFT(scale invariant feature transform)特征点与二级特征点之间的位置关系,克服了相似三角形之间尺度不一的问题。此外,提出了一种基于贝叶斯统计推断的相似三角形与SIFT融合算法(similar triangle SIFT feature,STSF)。实验结果表明,STSF算法能够有效提升残缺指纹匹配的精度和计算效率。     

融合彩色信息与SIFT特征的帧内复制粘贴篡改检测

近年来在同源复制粘贴篡改检测中,SIFT特征得到了广泛的应用.但由于该特征在提取过程中摒弃了颜色信息,会造成一部分特征点的误匹配和漏匹配.为此,提出一种基于彩色信息与SIFT融合的CSIFT特征的检测方法,在提取特征点时加入颜色不变量信息,提高了匹配的准确性和效率.算法首先利用结构相似度将视频帧序列分段,提取每段序列的关键帧;然后提取关键帧的CSIFT特征;最终定位复制粘贴区域,并利用目标跟踪算法计算篡改区域在后续帧上的位置.通过实验验证了算法的鲁棒性,与基于SIFT等特征的算法相比,时间效率和准确性更高.     

一种基于SIFT特征的铁道检测图片的匹配方法

提出一种基于SIFT特征的铁道检测图片的匹配方法。由人工标定铁路上的目标位置图片,通过匹配算法计算匹配图片与目标位置图片可匹配SIFT特征点的数量,利用DTW最优路径规划得到全局最优的匹配结果,从匹配结果中得到一张匹配度最高的图片并将其输出用于道路检测。实验证明,该算法在效率和准确度上均有较好的表现。     

基于SIFT的三视图像特征匹配算法

提出一种基于SIFT的三视图像特征匹配算法。采用SIFT算法对三视图像进行特征匹配,引入计算机视觉中的三线性关系和基于三焦张量的像素转移误差计算方法,对SIFT算法的匹配结果进行筛选,剔除匹配过程中产生的误配点。真实图像数据实验表明,该算法有效剔除了SIFT算法产生的97％以上的误配点,提高了三视图像匹配的准确度。     

SIFT和旋转不变LBP相结合的图像匹配算法

SIFT算法是性能最好、应用最广泛的基于局部特征的图像匹配算法,但其计算复杂度高.为此,提出一种SIFT和旋转不变LBP相结合的图像匹配算法,以提高SIFT算法的速度.首先利用SIFT关键点检测方法在2幅待匹配图像上分别检测关键点,得到2个关键点集;然后计算每个关键点周围图像区域的旋转不变LBP特征,并将其作为该关键点的描述;最后采用基于关键点最近邻距离比值的匹配策略,找出2个关键点集之间存在匹配关系的关键点对.实验结果表明,文中算法对结构内容图像的匹配性能与SIFT算法相当,运算速度比SIFT算法大为提高.     

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。     

隐马尔可夫模型下基于SIFT特征的局部遮挡目标识别

提出一种利用隐马尔可夫模型建立目标特征匹配库来识别图像中局部遮挡目标的新方法。该方法首先通过SIFT算法提取目标SIFT特征,然后采用隐马尔可夫模型对目标所有的SIFT特征进行训练,得到目标SIFT特征对应的模型输出概率范围,将该概率范围作为目标特征匹配库。在对图像中的目标进行识别时,利用目标特征匹配库可以把目标特征从图像所有特征中识别出来,即使目标遮挡比例为60%时,该方法仍能识别出目标。实验结果表明,新方法可以精准地识别出图像中被遮挡目标,能够很好地解决遮挡情况下的目标识别问题。与现有局部遮挡目标识别算法相比,新方法所取得的目标识别率均有所提高。     

动摄像机下基于SIFT特征匹配和MHI的目标检测

摄像机的运动使得复杂背景下动目标的检测复杂化。为了应对动态变化的背景,本文提出基于SIFT特征匹配和运动历史图的目标检测算法。首先用SIFT算法提取特征点,采用RANSAC方法求得仿射变换模型参数并实现图像的全局运动补偿,最后利用运动历史图的方法检测出动目标。SIFT特征点匹配的准确性和RANSAC方法去除异常点的有效性使得仿射变换模型参数计算准确,运动历史图则给出了动目标清晰的轮廓,并指明了动目标的运动方向。与Ninad Thakoor实验结果对比说明:该算法能够准确地检测出动目标,并且显示了动目标的运动方向。     

基于改进的尺度不变特征变换特征点匹配的电子稳像算法

针对传统尺度不变特征变换（SIFT）算法运算量大的问题,提出了一种改进的SIFT特征点匹配算法。首先介绍了SIFT特征向量的提取过程,并对算法进行了改进,在单尺度空间内提取目标的关键点,并形成34维特征向量,来代替传统SIFT算法生成的128维特征向量,使算法的实时性得到较大的提高,同时又保持了配准精度,最后将提出的改进SIFT特征应用于电子稳像中的全局运动估计中,并通过实验验证了算法的性能。     

基于Kinect三维重构的特征点提取改进

针对机器人在复杂的室内环境中,因提取特征点低效率、高失真造成性价比较低的问题,提出一种改进的SIFT特征点提取与匹配算法,并在此基础上构建基于Kinect的SLAM系统。SLAM系统前端对SIFT特征点提取法进行改进,使用高斯分离模糊函数,提高SIFT算法提取特征点的速度,并且使用RANSAC筛选不稳定特征点。本文所提出的改进型SIFT特征点提取法的SLAM系统可以对复杂与空旷的室内环境高效率、低失真的重构。     

BEMD–SIFT feature extraction algorithm for image processing application

Scale-invariant feature transform (SIFT) algorithm has been successfully applied to object recognition and to image feature extraction, which is a major application in the field of image processing. Nonetheless, the SIFT algorithm has not been solved effectively in practical applications that requires real-time performance, much calculation, and high storage capacity given the framework level and the iterative calculation process in the SIFT Gaussian blur operation. The extraction of image feature information is accelerated using the speeded-up robust features algorithm. However, this algorithm remains sensitive to complicated deformation. To address these problems, in this paper, we proposes a novel algorithmic framework based on bidimensional empirical mode decomposition (BEMD) and SIFT to extract self-adaptive features from images. First, the BEMD algorithm is used to decompose the self-adaptive features of the original image and to obtain multiple BIMF components. Second, the SIFT algorithm optimizes the extraction of parameters that reflect characteristic information on BIMF components. Related parameters are obtained through genetic algorithm optimization. Third, the method for extracting the characteristic information of the BIMF components involves synthesizing all of the accumulated characteristic information in the original image. Comparison results show that the method of calculating image feature extraction speed, accuracy, and reliability has a stronger effect than other methods.     

SIFT算法在图像配准中的应用

图像配准有很多种算法,在众多算法中尺度不变特征变换(SIFT)算法具有良好的尺度,光照,空间旋转不变性,被广泛的运用于图像配准的应用中。本文对SIFT算法的基本步骤做了简单的阐述,并且在运用在图像配准的应用上。实验结果表明该算法具有较强的配准能力,是一种较好的配准算法。     

基于内容的SIFT+LSH管道缺陷检索算法研究

各个城市对地下管道安全的检测一直是研究的热点和难点。传统的检测仪器不仅费时费力而且误检率特别高,随着技术的发展计算机视觉相关的方法也有在管道检测中应用,但是检测的速度和效果不尽人意。针对当前传统的检测方法操作复杂,成本高的问题,提出了一种基于内容的SIFT+LSH管道缺陷图像检索方法。该方法首先选取了优势较为明显的局部特征SIFT,充分利用了管道缺陷图像的特征,同时选取LSH算法对图像SIFT特征进行优化,将其转化为Hash编码,提高了检索速度。实验结果表明,基于SIFT特征和LSH算法的管道缺陷检索方法,相比与传统的SIFT特征和欧式距离的检索方法,大大提高了检索的速度,使得检测人员在实际操作中能够更快地获取到比较满意的检索结果。     

融合傅里叶描述子和尺度不变特征转换特征的商标检索

针对传统商标检索算法中全局特征容易造成误检,而局部特征SIFT对轮廓描述能力不强及算法复杂度高的问题,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。首先提取图像的傅里叶描述子进行初步检索,并按相似度排序,然后在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征较高的查全率和查准率,优于傅里叶描述子单一特征,而且检索速度比SIFT单一特征显著提高,能很好地应用于商标图像检索系统中。     

基于一种SIFT优化算法的图像检索

提出了一种基于优化后的SIFT图像检索算法,该算法采用高斯核尺寸自适应的方法来构建金字塔影像,降低其计算复杂度,然后按照传统步骤进行提取特征。它将一幅图像转换成特征向量的集合,通过计算两幅图像特征向量间的欧氏距离来度量图像间的相似性,并且采用BBF搜索算法来提高检索速度。实验结果表明,该改良后的算法具有尺度、平移、旋转不变性,一定的仿射、光照不变性,以及对特定形状特征目标的检索,无论在时间还是效率上都具有相当的优越性。     

基于人体主颜色特征的多摄像机目标连续跟踪

多摄像机视野之间的运动目标交接一直是广域视频监控系统中的难点.根据人体模型的基本理论,提出了一种基于人体模型分割和主颜色识别的目标连续跟踪算法.该方法无需进行复杂的特征(如SIFT特征)提取,而以目标质心距离结合目标主颜色距离作为判断特征,实现多摄像机目标交接.实验结果表明,该方法能有效准确识别公共区域内的运动目标,并...