基于改进SURF算法的单目视觉里程计

针对传统单目视觉里程计在特征提取过程中误匹配点过多,匹配精度低、运算量大、提出了一种基于改进SURF算法的单目视觉里程计模型,首先使用SURF算法对单目摄像头采集的图像的相邻两帧进行特征点的检测与匹配,然后用RANSAC算法对误匹配点进行剔除,提高匹配的精度,减少运算量,最终求出相邻两帧图像特征点匹配的旋转矩阵R和平移向量T,完成运动估计.实验结果表明,该模型在预估曲线运动和直线运动时的运算速度分别提高了11.2％和10.38％.     

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。     

基于SURF的红外图像识别

为了识别信息量较少的红外图片,采用SURF算法提取特征并匹配。首先进行滤波、增强和分割等图像预处理工作,然后通过SURF算法提取图像特征并识别匹配,最后经过RANSAC算法筛选,获得正确率较高的匹配点。实验表明,在红外图像识别过程中,采用合适的预处理算法以及鲁棒性较强的SURF算法,可以取得令人满意的识别效果。     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

基于灰度冗余和SURF算法的电气设备红外和可见光图像配准

为了对电力设备故障进行更为有效和直观的诊断,提出了一种基于灰度冗余和SURF算法的红外和可见光图像的配准方法.该算法对红外图像和可见光图像进行基于灰度冗余的处理,利用SURF方法分别找到两幅图像的特征点并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配对,通过最小二乘法求得仿射变换参数并实现两幅图...     

基于SURF算法的HIFU治疗前后超声图像配准研究

高强度聚焦超声(HIFU)治疗过程中,医生通常将治疗前后的超声监控图像直接相减,得到治疗区域的图像来判断治疗效果。由于治疗后病人的体位可能会变化,导致治疗前后采集的图像发生偏移,通常需要先将HIFU治疗前后的超声监控图像进行配准。提出了一种基于加速鲁棒性算法(SURF)和超声监控图像散斑特征的快速图像配准方法。首先利用经典的SURF特征检测器分别提取治疗前和治疗后超声图像中的特征点,采用欧式距离匹配提取的特征向量,通过超声图像的固有属性散斑特征的分布规律优化配准参数并用RANSAC算法去除错误匹配点对,最后利用最小二乘法求出图像之间的映射关系完成配准。实验结果表明,该算法能自动搜索治疗前后超声监控图像中的对应特征点,比传统的人工筛选特征点效率更高,且利用散斑特征的分布规律优化后的SURF算法相比标准的SURF算法配准精度更高。     

一种变电站智能巡检机器人的仪表图像空间变换算法

针对变电站智能巡检机器人的仪表识别问题,提出了一种基于SURF的图像空间变换算法。首先,对建模图像仪表区域和待识别图像进行SURF特征提取;其次,采用KNN算法和双向匹配对所提取的特征进行筛选,提取优质匹配点对;最后,利用随机采样一致性算法(RANSAC)计算得到投影矩阵,从而能将待识别图像转换到建模图像空间,为后续识别提供便利。变电站实际测试结果表明了该算法的有效性。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

基于FREAK特征的快速景象匹配

针对传统基于局部不变特征的景象匹配方法处理时间过长的问题,提出基于FREAK局部不变特征的快速景象配准算法。首先提出FAST-Difference特征点提取方法,分别提取参考图像和待配准图像中的特征点;接着计算其FREAK描述符,生成特征向量;随后利用级联匹配计算特征向量之间的汉明距离,提取出匹配的特征点对;最后利用RANSAC算法剔除误匹配点,利用最小二乘法估算出两幅图像之间的空间几何变换参数,实现两幅图像的配准。FAST-Difference相比以往的特征点检测方法速度更快;FREAK描述符与人类视网膜相似的结构提升了算法的时间性能和鲁棒性;使用扫视搜索,大大加速了匹配过程。实验证明相对于SIFT、SURF算法,本文算法不仅对于各种变换具有更好的鲁棒性,而且处理时间大大缩短,实现了景象匹配的实时处理。     

一种基于曲线拟合的柱面图像匹配算法

传统的RANSAC误匹配剔除算法对柱面图像误匹配剔除效果较差,为了解决这一问题,提出一种基于曲线拟合的误匹配剔除算法.首先对两幅图像进行SURF特征提取并采用最近邻匹配法进行粗匹配,然后将匹配点对集合按照所在列数的大小进行排序,最后将每个匹配点对两个特征点所确定的直线的斜率集合、欧式距离集合分别进行曲线拟合从而剔除误匹配.实验证明,提出的基于曲线拟合的图像匹配算法明显增加了剔除误匹配后靠近柱面图像边缘部分的匹配点数量,提高了柱面图像匹配的精度.     

基于改进ORB的图像特征点匹配研究

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离完成初步匹配,然后结合PROSAC算法对初步筛选的点去伪,获得较为精准的匹配点对。实验结果表明,图像尺度变化时,SURB算法的平均匹配准确度为93.4%,约为ORB算法的3倍;SURB算法的平均耗时约为SURF算法的80%,具有较强的实时性和可行性。     

基于 FAST 角点和 FREAK 描述符改进的无人机景象匹配算法

在无基准图的无人机返航过程中,实时图和航路点的景象匹配是无人机返航成功的关键。为提高景象匹配的实时性和鲁棒性,提出了基于加速分割检测特征(FAST)角点检测和快速视网膜关键点(FREAK)描述符的无人机景象匹配算法。首先,针对FAST角点检测方法的无尺度不变性、特征点数量冗余的缺点进行了改进;接着,对FREAK二进制描述符进行简化,以提高匹配速度;然后,采用K近邻比值法和RANSAC方法进行特征的初匹配和精匹配,并建立定位模型,从而获得航路点与无人机当前位置的实际距离和方位信息;最后,对算法的各项性能做实验验证。所提出的算法定位方向偏差在1°以内,像面距离偏差稳定在0.6 pixel,运行时间0.43 s,远小于尺度不变特征转换(SIFT)和加速鲁棒特征(SURF)算法的处理时间。在尺度变换和噪声等条件变化的情况下,相比SIFT和SURF等算法,所提算法取得了较好的正确匹配率,具有更好的鲁棒性。实验结果表明所提出的算法鲁棒性好,运算速度快,尤其在视角变换方面表现优秀,更适合无人机视觉辅助导航。     

改进的尺度不变特征转换精确图像匹配在电力设备目标定位中的应用

针对电力设备目标定位问题,研究了基于改进的尺度不变特征转换(scale invariant feature transform,SIFT)精确图像配准的定位方法。首先用改进的SIFT特征描述子提取图像中的特征点,降低了特征向量描述子的维数,大大提高了算法的速度;然后采用欧氏距离对特征点进行初始匹配,由于初始匹配过程中存在误匹配,采用改进的随机取样一致性(random sample consensus,RANSAC)算法对阈值进行自动调整,消除了错误匹配;最后,以电力系统中的刀闸、变压器为例,采用旋转、缩放、光照变化及加噪声图像验证了该算法。实验结果表明:改进后的算法不仅继承了SIFT算法的鲁棒性,而且提高了算法的速度和匹配精度,可以较好地应用于电力设备目标定位中。     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

一种优化的图像配准算法

为了降低传统尺度不变特征变换(SIFT)算法的特征点检测与匹配的时间复杂度,提出一种优化的图像配准算法,即采用Trajkovic算法检测特征点,并采用SIFT算法的分配描述符方法分配特征点描述符参数,再用稀疏降维原理对特征点描述符参数进行降维处理,最后,采用基于双向匹配的相似性度量算法进行特征点匹配。模拟实验选择检测图像的特征点数、匹配对数、正确匹配对数、匹配正确率、配准时间与配准时间下降率6个指标作为评估标准,结果表明,优化算法在特征点配准正确率方面与传统SIFT算法相当,但在特征点配准速度方面有明显提升。     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...