异步多特征红外与可见光图像匹配算法

针对红外与可见光图像特征点匹配的难题,提出了一种基于异步多特征的红外与可见光图像匹配算法。首先采用多尺度FAST －9角点检测算法进行特征点提取;而后,对提取的特征点构造主方向;再统计特征点邻域的梯度方向,构造一种类SIFT的特征点描述子;采用阈值宽松的最近邻匹配算法进行粗匹配;然后,提取特征点邻域边缘信息构造基于边缘的形状上下文描述子;最后采用相应的相似性度量算法对粗匹配结果进行提纯。实验结果表明,提出的算法对旋转、尺度、视角变换具有鲁棒性,且能够实现不同天候条件下的图像匹配,正确匹配率较SURF算法有明显提高。     

利用模糊形状上下文关系的红外与可见光图像匹配方法

对于同一场景可见光和红外图像提取的灰度特征存在差异导致匹配性能下降的问题,利用了该两个谱段图像仅在形状上模糊相似的特点,提出采用形状上下文思想实现红外与可见光图像之间的匹配方法.具体方法是在提取图像边缘的基础上,用采样模板获取点特征图像,然后利用提出的不等分坐标空间提取局部形状统计信息的直方图,再以形状上下文特征开支与全局特征匹配开支的加权和作为相似性测度实现匹配.与已有的形状上下文算法相比,此方法减少了25%的特征维数,鲁棒性更好.针对多个红外和可见光图像序列的匹配实验结果显示,此方法与归一化灰度互相关、Hausdorff距离、文献中的形状上下文和SIFT算子等匹配算法相比,其匹配正确率分别平均提高了34.7%、21.2%、7.7%、88.9%,证明了该方法的有效性.     

红外与可见光图像自相似性特征的描述与匹配

针对红外与可见光图像匹配的难题,提出了一种基于自相似性的异源图像点特征匹配算法。首先对红外与可见光图像进行小邻域平方和计算;再通过构造高斯金字塔,运用FAST-9进行角点检测,使得检测的特征点具有尺度属性;然后,统计特征点邻域的特征信息以确定特征点的主方向;再求取在相应尺度下特征点邻域的相关平面,对相关平面进行区域划分,提取每个区域相关平面的极值以构造100维的自相似性描述子,并对描述子进行归一化处理;而后,剔除不良特征描述子;最后采用最近邻匹配算法进行特征匹配。实验结果表明,提出的算法能够实现红外与可见光图像在视角、旋转、尺度变换下的有效匹配;在保证运算速度的前提下,提出的算法较SIFT算法在正确匹配率方面有明显提高。     

线特征和SIFT点特征结合的异源图像匹配算法

提出一种基于直线特征和点特征结合的红外和可见光图像匹配算法.首先利用快速直线检测算法对图像进行直线检测,并对结果进行处理以保留主要直线结构;然后,引入高斯尺度空间,统计直线支持区域中所有像素的梯度信息建立描述矩阵,计算矩阵列向量的均值和标准差作为直线描述子,对直线进行匹配;接着,利用匹配直线两两相交构建交点进行SIFT描述并匹配;最后,剔除不满足对应交点匹配的直线.实验结果表明,该算法能够有效实现红外与可见光图像特征匹配,特别适用于包含明显直线轮廓的图像.     

采用HOG特征的下视景象匹配算法

红外实时图像和可见光参考图像的差异给下视景象匹配技术带来挑战,如何寻找并提取红外实时图像与可见光基准图像间稳定和可靠的共性特征是进行特征匹配的重要研究课题。在分析红外图像和可见光基准图像成像机制基础上,提出了以HOG特征作为匹配的特征、以相关系数作为相似性测度的匹配算法,并研究了梯度方向范围、梯度方向划分、标准化等计算HOG特征相关参数对于匹配性能的影响,给出了性能较优的一组参数。实验表明:该匹配算法与互相关和Hausdorff距离法相比具有更高的正确匹配率。     

基于扩散方程和相位一致的异源图像配准算法

针对同一场景下的红外与可见光图像特征点难以提取和匹配的问题,提出一种基于扩散方程和相位一致模型的红外与可见光图像的配准算法。首先提出了收敛速度更快的扩散方程,并用该方程对红外图像除噪;其次利用改进的相位一致模型提取红外与可见光图像的视觉相似性结构;在相似性结构上提取特征点,进行二进制描述;最后采用汉明距离实现特征点匹配。实验结果表明,该算法能够有效滤除红外与可见光图像的差异,减小计算开销的同时实现图像的自动配准。     

基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。     

基于显著性和ORB的红外和可见光图像配准算法

针对红外与可见光图像配准过程过受灰度差异影响大、特征点难配准的问题,提出基于显著性检测和ORB特征点的图像配准算法。首先利用优化的HC-GHS显著性检测算法得到图像的显著性结构图；其次利用ORB算法在显著性结构图上进行特征点检测,利用泰勒级数筛选出鲁棒性强的特征点,并根据特征点的方向进行分组匹配的策略；最后利用汉明距离实现特征点的匹配。实验表明本文算法能准确实现红外与可见光图像之间的配准,在红外噪声干扰、尺度变化下都具有良好效果。     

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。     

一种基于深度和局部特征的分布式光电图像配准方法北大核心CSCD

针对分布式光电成像系统采集的红外和可见光图像在配准时易受噪声影响,配准精度不高问题,提出一种基于卷积神经网络深度特征和RIFT局部特征的图像配准算法。首先基于改进的AVIRnet提取待配准红外和可见光图像的卷积深度特征,利用深度特征进行初匹配,得到初步的空间关系;然后在重叠图像区域内提取RIFT特征点;最后对局部特征点进行修正,得到最终的匹配点对,估算出精确的变换矩阵。实验结果表明:本文方法通过深度特征和局部特征两次匹配,对非线性辐射差异具有不变性,满足了分布式光电红外和可见光图像配准的精度要求。     

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换（Graph Transformation Matching,GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns,LRIBP）描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.     

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.     

基于SIFT算法在遥感图像匹配中的应用研究

针对遥感图像在光照和几何差异等复杂因素上引起的匹配误差,深入研究了SIFT特征描述符的改进方法.利用特征点圆形区域来构造特征描述符,采用自适应量化策略用来局部区域的划分和梯度直方图的计算,并对每个描述子采用一种插值法重新确立主方向,改进SWT算法的描述符.降低特征点维数的同时,又保证特征点描述符的独特性和鲁棒性.研究结果表明,改进的SIFT描述符在遥感图像几种复杂环境下都取得了预期的结果,证实了改进算法的可行性.     

主成分分析法(PCA)在SIFT匹配算法中的应用

针对传统SIFT匹配算法数据量大、耗时长的问题,采用了主成分不变特征变换(PCA-SIFT)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征点及其特征向量,其次将提取出的特征向量采用距离比阈值筛选出匹配点对,再采用RANSAC法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT算法较稳定、精确、快速。     

基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法。首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。     

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。     

基于同底三角形面积描述的形状检索

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于同底三角形面积的形状匹配方法.该方法首先计算每个轮廓采样点的同底三角形面积描述子,并对该描述子进行局部平滑,使其更加鲁棒.然后采用加权L1度量方法计算两个形状所有轮廓点的同底三角形描述子之间的距离,获得匹配代价矩阵.最后利用动态规划算法计算匹配代价矩阵的相似度,获得形状距离,实现形状匹配.通过在MPEG-7、Kimia以及铰接形状数据库上测试分析表明,该方法对变形目标具有良好的鲁棒性,且提高了运算效率和检索精度.