基于SIFT的多焦距图像特征点提取算法

将尺度不变特征变换（SIFT）算法应用到图像的特征点提取与匹配中,SIFT算法可在尺度空间寻找极值点,提取对图像焦距变化具有稳定性的特征点及其特征描述符。在采用SIFT算法提取图像的特征点及其特征描述符后,提出了一种特征点精匹配算法进行特征点的匹配,并通过仿真证明该算法具有很好的效果。     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于改进特征点的电子稳像算法研究

提出了一种改进特征点匹配算法的电子稳像技术.通过合理的区域划分,进行图像的特征点提取,并采用距离不变准则,对特征点的有效性进行验证,利用卡尔曼滤波的方法来进行运动补偿.实验结果表明:此算法具有良好的稳像效果.     

基于SIFT特征的复杂环境下目标跟踪算法研究

为有效地解决复杂背景情况下运动物体有效跟踪问题,利用SIFT特征匹配算法的尺度不变、旋度不变的特性优越性,提出了一种优选的匹配方案.运动目标采用背景减除法分割提取,通过优化的SIFT算法快速地检测特征点,计算出其相应的坐标,并有选择性的更新相应特征点的坐标,然后重复提取运动目标,刷新背景区域,融合多特征信息,更准确地匹配图像中特征点.实验表明,本算法有效改善了光线变化,运动物体发生尺度变换等复杂环境下的目标跟踪效果,具有较强的鲁棒性.     

基于SIFT特征点的图像匹配算法

SIFT特征点是图像的一种尺度不变局部特征点。首先给出了尺度空间的生成方法;接下来给出了SIFT特征点的提取步骤和精确定位方法,基于特征点邻域像素的梯度和方向生成了关键点的描述向量;最后根据特征向量给出了匹配方法,提取了SIFT特征点,并将其应用于图像匹配。实验结果说明,使用SIFT特征点可以有效实现图像匹配。     

基于快速尺度空间的无人机影像自适应稳像方法

为实现无人机航拍影像的实时稳像,针对稳像过程中特征检测的速度问题和运动滤波的发散现象,提出了一种改进的AGAST算法与自适应Kalman滤波相结合的实时稳像算法。对于无人机实时航拍视频序列,以当前帧的前一帧为基准进行稳像处理。改进的AGAST特征检测算法在尺度空间的基础上快速提取AGAST角点特征,用二进制描述符对其进行描述,然后用汉明距离匹配特征点。对于已获得的匹配特征点对集合,用RANSAC原则剔除误匹配点,再计算运动矢量。最后使用自适应Kalman滤波提取出运动矢量中的无人机主动扫描分量,进行运动补偿,获得稳像结果。实验数据使用标准测试图集和自己采集的无人机航拍视频,实验结果表明,所提算法在连续视频序列处理时效果显著、速度快,能够满足实时稳像的需求。     

基于点不变特征的亚像素级图像配准技术

图像匹配是图像处理和计算机视觉领域的一个基础问题,它源自多个方面的实际问题.点特征匹配的首要任务就是提取稳定的特征,并进行描述.该特征能对旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性,而对物体运动、遮挡、噪声等因素也保持较好的可匹配性.提出一种基于点的尺度、旋转不变特征变换（SIFT）算法的亚像素级图像配准算法,首先在尺度空间进行特征检测,并确定关键点的位置和关键点所处的尺度,然后使用关键点邻域梯度的主方向作为该点的方向特征,以实现算子对尺度和方向的无关性.该方法具有旋转、尺度缩放、亮度变化不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定.独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配.高速性,该匹配算法可以达到实时的要求.     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

一种基于KLT-RANSAC全局运动估计的电子稳像算法研究

全局运动估计是电子稳像的核心,很大程度上影响整个稳像系统的性能.提出了一种基于KLT-RANSAC全局运动估计的电子稳像算法,该方法首先通过增加距离约束机制,并进行亚像素级定位,优化Harris特征点,选择KLT快速匹配算法实现特征点的粗匹配,之后引入了RANSAC算法剔除误匹配点,去除视频序列中分布在运动物体上的特征点,避免了局部运动对全局运动估计的影响.实验结果表明:本算法可以有效解决特征点匹配过程中的误匹配问题,避免局部运动对稳像的干扰,快速准确地计算出全局运动参数,最终可以实时处理存在平移和旋转抖动的视频,输出稳定高质量的视频.     

基于不变因子的SIFT误匹配点剔除及图像检索

为解决尺度不变特征变换(SIFT)算法在图像发生旋转和尺度变化时产生的错误匹配问题,提出一种新的算法。根据SIFT提取的关键点信息,利用正确匹配点对间的旋转不变因子和尺度不变因子来剔除SIFT误匹配点,然后对保留下来的特征点进行聚类分析,对目标图像进行识别判断,并通过实验将该算法与双向匹配算法和随机抽样一致性算法(RANSAC)进行比较。实验结果表明,该算法能够有效地剔除误匹配点,且误剔除率低。剔除误匹配点后再进行图像检索,图像的漏检率和误检率都大大地降低了。     

一种基于对比度阈值的改进SIFT算法

为了提高基于SIFT(Scale Invariant Feature Transform)图像匹配算法对于图像对比度变化的鲁棒性和算法效率,提出了一种具有可变系数的自适应对比度阈值SIFT算法。根据特征点局部邻域的灰度信息初步确定对比度阈值,同时根据当前特征点的多少确定对比度阈值系数的大小;特征点越多,系数越大,增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性;同时最终提取出的特征点数量避免了过大,稳定在预定的区间内,算法效率提高了1倍多。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

一种基于SIFT变换的抗几何攻击第二代数字水印

基于SIFT变换及RIT变换实现了一种抗几何攻击数字水印.算法首先基于SIFT变换进行图像特征点的检测,并选择合适的特征点生成载体图像中的圆形区域,将圆形区域划分为扇形区域,然后采用空域奇偶量化方法进行水印信息的嵌入;水印的检测基于相关检测方法实现.为抵抗几何攻击,检测前首先基于RIT变换实现图像旋转角度的估计,然后基于估计结果进行旋转的恢复,最后对恢复后图像进行数字水印的检测.实验证明,该方法对几何攻击具有较强的鲁棒性.     

基于改进SIFT算法的无人机遥感影像匹配

为解决无人机景象匹配导航及制导对匹配算法实时性要求较高的问题,对SIFT算法中的生成特征描述符环节进行改进,提出了以特征点为圆心构造同心圆环划分特征邻域的匹配算法;同时对匹配点对进行筛选,减小模型估计误差,提高精度。以大量的存在尺度缩放和角度旋转的遥感影像进行仿真,实验表明该方法在保持SIFT算法定位精度的前提下提高了算法的实时性。     

边缘特征点序列图像无缝拼接方法的改进

为了将同一场景中具有重叠区域的序列图像合成一幅宽视角、高分辨率的图像,提出了一种结合尺度不变特征变换(SIFT)算法和Canny特征边缘提取的方法进行图像拼接。实验结果表明所提方法与SIFT算法相比,其参考特征点及待拼接特征点所需个数分别降低了26.56%和51.71%,匹配点对数降低51.65%,图像拼接用时降低了9.49%。此方法提高了图像拼接的精确性和实时性,能较好地解决图像间存在光照、旋转、尺度变换、仿射等问题,实现无人工干预的自动拼接。     

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。