改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

无人机导航信号稳定跟踪方法

在复杂背景下易混入随机噪声,导致无人机导航信号检出率较低、跟踪误差较大.为此,本文提出了基于改进图像特征块匹配的无人机导航信号稳定跟踪方法.利用图像传感器、CCD摄像机等设备采集序列图像;采用Harris算法提取特征点确立匹配准则,选取估计量最优值完成特征点匹配;使用改进的图像模块匹配法计算目标模块与子模块的相似度,同...     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于CamShift算法的目标跟踪研究

针对传统的跟踪算法无法获取跟踪目标世界坐标值的问题,提出融合SIFT特征点匹配的CamShift目标跟踪算法。运用基于色彩的CamShift算法对目标进行跟踪的同时对跟踪搜索窗口进行SIFT特征点提取和匹配,以获取目标的部分特征点在左右成像平面上的二维坐标值,根据这些坐标值通过视差原理确定目标的空间位置。实验结果显示,该算法在室内简单的背景条件下,能很好地跟踪运动目标且跟踪误差在可接受的范围内。     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

基于SIFT算法的图像匹配方法

依据Brown的理论,并基于SIFT算法提出了一种有效的图像匹配方法。首先对图像进行高斯和Wallis滤波处理,然后采用简化SIFT算法进行特征点提取,最后通过特征点双向匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量多、准确率高、无重复点等优点。将该方法应用于优化线网的自动检测方面得到较好的效果,并为版图的优化打下了基础。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于IBBS-SIFT算法的PCB板Mark点定位方法

针对最佳伙伴相似性(Best-buddies similarity, BBS)算法和SIFT算法的不足,提出了一种基于IBBS-SIFT(Improved best-buddies similarity-scale invariant feature transform)算法的印刷电路板Mark点定位方法。首先对BBS算法进行改进,通过结合置信度图和权值,在采集的PCB板图像中得到与模板图像相似的多个区域;然后采用最佳相似点对匹配准则代替SIFT算法的欧氏距离匹配准则,用改进的SIFT算法对这些相似区域计算描述子并进行匹配;最后根据匹配的描述子得到主位置,通过主位置剔除误匹配点,精确定位到Mark点位置。实验结果表明:该方法可以有效提高Mark点定位效率,将耗时减至SIFT算法的10%～15%,同时减少误匹配点数目,实现Mark点精确定位。     

融合全局特性的SIFT特征在图像检索中的应用

针对图像检索中现有特征描述算法对图像中目标物体特征描述不够有效的特点,提出了一种基于融合全局特性的SIFT特征图像检索算法。首先,通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT特征向量描述子;其次,将全局颜色特征融合到SIFT算子中共同构建联合特征描述向量,从而更加全面地描述图像信息;为了提高检索效率,利用PCA降维方法将联合特征向量进行维数约减;最后通过距离匹配进行检索。实验结果表明,该算法能够很好地应用在特定目标物的检索中,从而达到高效检索的目的。     

基于Harris角点和SIFT算法的车辆图像匹配

车辆图像匹配广泛应用于车辆识别和跟踪,其中SIFT(Scale Invariant Feature Transform)特征匹配算法是当前国内外特征点匹配研究的热点,但针对车辆等刚体特征明显的目标,SIFT算法在时间复杂度和稳定性方面留出了改进空间.针对车辆图像匹配,本文基于Harris角点检测对SIFT算法进行改进.实验结果表明:该方法在车辆图像匹配时,稳定性和实时性优于SIFT算法.     

视频监控系统中的多摄像头跟踪优化设计

针对分布式广域视频监控系统,提出了一种基于多摄像头融合的跟踪优化方法.该跟踪优化算法根据目标优先级和目标在各个摄像头中的遮挡状态及其分割图像大小进行数据加权融合,优先分配高优先级目标给具有最佳权值的摄像头进行跟踪,并动态平衡各个摄像头的跟踪负载,将跟踪负载过重的摄像头中的低优先级目标分配给其他摄像头进行跟踪.为了有效地建立重叠摄像头之间目标的对应关系,对于摄像头远离监控地平面和目标的场景,通过摄像头监视背景图像之间的SIFT特征匹配自动生成对应点,利用这些对应的关键点确定重叠摄像头之间的单应性变换矩阵参数,再根据目标质心坐标之间的单应性变换进行一致性匹配;对于摄像头近邻监控地平面和目标的场景,通过目标分割图像之间的SIFT特征进行一致性匹配.实验结果表明:该方法能有效地实现广域监控场景中多摄像头的协同跟踪,达到了较高的跟踪性能.     

非刚性运动目标识别跟踪研究现状

基于非刚性目标运动跟踪问题进行分析,针对运动过程中目标会出现旋转、比例变化及形变等情况,在复杂的背景中通过特征识别匹配实现跟踪。以运动目标的检测识别方法及特征识别方法为出发点,对目前几种经典方法进行分析、比较。结果表明:与光流法及背景差分法相比,MHI在非刚性目标运动的检测准确率、实时性以及鲁棒性方面均占优势;特征匹配技术SURF则可更好地平衡处理速度和效果性能。以SIFT使用不同尺度确定稳定特征点的思路为基础,提出多小波变换图像分析方法,用于实现对序列图像运动目标的特征匹配。     

SIFT特征匹配算法优化

基于SIFT特征的图像目标匹配与检测应用中,特征点的误匹配将直接影响系统对目标检测的灵敏度。提出了一种将二分查找法与仿射变换结合,用于目标快速检测的方法。先用算法复杂度较低的最近邻-次近邻法对SIFT特征点进行粗匹配,并用匹配对中两特征点与主方向角度差进行筛选。随机选取若干组特征点,计算其仿射变换参数,依据其参数的统计分布特点,用二分查找法得到最优解,实现对目标的检测。结果显示,算法有较高的检测效率和稳定性。     

一种空对地可见光图像制导跟踪算法

为解决复杂背景下空对地可见光图像制导跟踪问题,提出一种基于特征匹配的跟踪算法。首先,通过等间隔采样与改进Kirsch边缘检测相结合的方法进行特征点采样;然后,采用金字塔模板光流法提取目标特征;最终,采用模板匹配法识别目标特征完成对地面目标的制导跟踪。实验结果表明：算法速度可以满足最大129Hz帧率的相机进行实时跟踪,稳定跟踪速率优于7.75ms/F,具有跟踪速度快和抗干扰能力强的特点。该算法完全满足空对地复杂背景下跟踪的需求。     

用SIFT算法实现铁路扣件图像分类

基于图像特征点的匹配是解决很多问题的关键,不同的应用场景有不同的要求.研究SIFT算法在进行匹配的参数选择问题,结合随机抽样一致集算法(RANSAC),剔除错误的匹配,分析参数选择对匹配结果的影响,研究不同尺寸图像特征点生成关系.针对SIFT算法对光照的敏感性问题,通过图像增强再进行匹配,结合位置信息,实现了特征点数量较少的小图像铁路扣件图像的分类.     

双目移动机器人立体匹配算法

提出一种基于图像分割和可信点的双目移动机器人立体匹配算法,首先采用纹理检验分割算法对双目移动机器人获得的左右图像进行分割,确定低纹理和纹理相似区域;然后通过SIFT特征匹配点得到可信点视差;其次采用SAD区域匹配加速算法得到初始视差;最后依据SIFT特征匹配点的分布、初始视差和最小距离分类器对图像分割块进行视差处理,同时对于较小的图像分割块进行BLOB滤波处理来获取较高精度的视差图.实验结果表明,本算法能有效解决双目移动机器人周边环境中的低纹理和纹理相似视差精度差的问题,可快速准确识别障碍.     

基于雷达图像的水面无人艇目标检测技术

针对水面无人艇雷达目标探测问题,进行了嵌入式雷达图像采集处理系统的研究.提出了嵌入式雷达图像采集处理系统的体系结构.在提取目标位置信息的基础上,选择目标的位置、面积、不变矩特征,完成目标在雷达图像序列中的匹配,实现目标跟踪.针对雷达图像序列中偶有目标丢失的问题,利用卡尔曼滤波预测目标位置信息,帮助建立完整的目标链.最后通过海试验证了所设计的嵌入式雷达图像采集处理系统的可行性,试验表明所提出的图像处理算法、目标的特征匹配和卡尔曼滤波预测算法可以有效的完成目标的检测和跟踪.     

改进的SIFT特征图像配准算法

在研究SIFT特征配准算法基础上,针对SIFT特征描述符的区域性特征,采用马氏距离对SIFT算法误匹配点进行剔除,以减少错误匹配,进而提高图像配准的正确率,并应用于纹理图像的配准.     

无人直升机视觉着舰中合作目标角点检测算法

舰载无人直升机自主着舰视觉导航在拍摄图像时,存在大尺度、角度畸变,使得合作目标角点难以检测,提出一种基于SIFT的分区双向匹配角点检测算法。设计了一种非对称彩色合作目标(由红色背板、绿色的H形和三角形组成),利用色彩信息对合作目标进行分割裁剪、识别,并分别对基准裁剪图和实拍裁剪图提取SIFT特征。为了提高SIFT特征匹配的实时性和准确性,提出了分区双向匹配策略。首先求取基准和实拍裁剪图中H形、小三角形重心以及H形上距离三角形重心最近的边缘点,以这三对匹配点求取基准图和实拍图间的粗略仿射模型。将基准裁剪图中的SIFT特征点经过该模型变换得到实拍裁剪图中的映射点,以每个映射点为圆心,以裁剪图宽度的1/4为半径将其分区,匹配时只选择每个映射点区域内的SIFT特征匹配点。同理,对基准裁剪图也进行分区处理。然后通过双向匹配及RANSAC算法剔除错误的匹配对,利用正确的匹配对完成基准图和实拍图仿射变换的精确模型。最后,将基准图中标定好的角点经过仿射变换获取实拍图中合作目标的角点位置。实验结果表明,该算法不仅精度高、鲁棒性强,而且具有较好的实时性。     

基于无人机航拍图像拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.