基于四叉树的SIFT与K-D树融合的图像匹配研究

为了解决SIFT算法在立体视觉中耗时长、误匹配度高以及提取的特征点扎堆的问题,提出一种基于四叉树的SIFT与K-D树融合的快速特征匹配算法.该方法采用一种结合了自适应阈值的快速特征点提取算法提取关键点,由于所提取的关键点具有扎堆现象,故提出一种四叉树结构并将其应用到图像匹配中.利用改进的K-D树与随机一致性算法进行关键点的粗匹配与提纯.实验证明,该改进算法的平均匹配速率相比SIFT算法提高了3.35倍,匹配正确率由86.18％提高到97.53％,同时该改进算法比SIFT算法在视角、模糊、光照以及尺度变化方面更具有优越性,所以该算法能够满足高匹配率、实时性好且特征点均匀化的要求.     

一种基于改进SIFT的图像检索算法

为了实现高准确率要求的数字出版物中引用图片的侵权审查,提出了一种基于改进SIFT算法的图像检索算法。该改进算法首创性地提出了在特征提取过程中加入图像SIFT特征点的邻域颜色特征,并设计了双匹配的特征点匹配策略,增强了特征点匹配的可靠性,提升了图像检索的性能。该改进算法被分为3个步骤来实现：基于灰度和HSV彩色空间的双尺度空间的生成,结合传统SIFT特征点描述子和特征点颜色特征向量的新特征点描述子的生成,特征点搜索与双匹配。实验结果表明,与原始的SIFT算法相比,本文改进算法的检索精度更高,并且检索速度没有明显下降。     

基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法

针对当前较多图像伪造检测算法主要通过利用图像的灰度特征来进行图像伪造检测,当伪造内容存在较大灰度差异时,将导致检测结果中出现较多的误测以及鲁棒性不佳的不足。提出了基于区域直方图和特征相关匹配规则的图像复制-粘贴篡改检测算法。首先,利用Hessian矩阵行列式对图像特征进行检测,通过积分图像的方法提高Hessian矩阵行列式检测图像特征点的效率。然后,通过求取Haar小波响应值,以判定特征点的主方向。接着,对圆形窗口进行均匀分割,利用像素点的梯度模值来建立分割区域直方图,以获取特征向量,生成特征描述符。最后,利用归一化互相关(NCC)函数对特征点的相关性进行度量,建立特征相关匹配规则对特征点进行匹配。利用凝聚层次聚类方法,对特征点进行层次聚类,实现图像的伪造检测。实验结果分析表明,与当前图像匹配算法相比,图像伪造检测算法不仅能较精确的对伪造内容进行检测,而且还具有较强的鲁棒性能。     

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。     

结合归一化差分高斯特征的图像匹配技术研究

图像匹配技术是目前国际上航空摄影测量、光学和雷达跟踪、飞行器巡航制导、导弹投射系统的末制导寻的等领域发展迅速前沿、尖端技术之一。近年来,SIFT算法以其优秀的匹配性能在图像匹配领域受到广泛的关注。鉴于传统SIFT及改进算法计算复杂,难于实际应用的问题,提出结合归一化差分高斯特征的图像自动匹配技术,提取对于复杂影响鲁棒的归一化差分高斯特征,通过在特征点处建立主方向趋势特征向量,减少传统特征向量的冗余,解决不同条件下获取的目标或场景的图像匹配问题.大量实验表明,本匹配算法能够适应图像的旋转、缩放、平移等变化,并且对于噪声、光照变化影响鲁棒;同时计算速度快,具有较好的工程实用价值。     

基于SIFT和感知哈希改进的CamShift跟踪算法

传统的CamShift仅使用目标的颜色直方图作为特征,因此在相似背景干扰、遮挡、高速运动等情况下容易出现跟踪不准确或丢失跟踪目标的现象。针对上述不足,提出了基于SIFT和感知哈希改进的CamShift跟踪算法。首先,将图像从RGB颜色空间转为HSV颜色空间,分别得出色调和饱和度直方图,并提取图像的边缘梯度直方图进行融合获得目标的融合直方图。其次在CamShift算法框架下得到最优候选目标,若候选目标与目标模板的Bhattacharyya距离大于阈值时,则使用改进的感知哈希算法进行最优候选目标的搜索。然后在下一帧搜索时,在目标和视频序列的高信息熵部分使用SIFT算法进行特征点的提取并匹配从而获取初始搜索窗口,若SIFT算法匹配失败,则使用卡尔曼滤波预测的搜索框作为初始搜索窗口。将该算法首先在OTB-100数据集上和其他常用的跟踪算法进行对比实验,实验结果表明算法能够准确地跟踪目标,跟踪成功率达到了90.1%。将该算法应用于人脸跟踪任务中,并与其他的人脸跟踪算法进行对比实验,实验结果表明该算法具有更好的性能和准确性,跟踪成功率达到了93.5%。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。     

高效高精度光照自适应的 ORB 特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。     

一种基于改进块匹配算法的运动车辆检测

在传统的基于块匹配算法的运动车辆检测中,因为直接对灰度图像进行匹配而带来计算量大、光照变化较敏感和实时性差的缺陷。针对这些问题,提出了基于概率松弛标记算法的块匹配算法,先通过概率松弛标记算法求取灰度图像的边缘,然后通过块匹配算法根据匹配的相似度得到位移矢量场,并对其进行矢量中值滤波,最后通过顺序区域增长把运动车辆分割出来。实验结果表明,这种算法鲁棒性强、实时性好,与传统算法比较在效率大幅度提高的情况下准确率也得到了一定的提升。     

基于AprilTag图像识别的移动机器人定位研究

针对移动机器人在识别AprilTag图像过程中,受到室内光线不均和运动过快所导致的识别成功率低问题,提出一种基于AprilTag图像的预处理方法来提高识别成功率。首先采用移位去尾的方法进行图像灰度化处理,在此基础上融入双线性插值降采样的方法以提升整体图像处理速度,再对降采样后得到的灰度图进行直方图均衡化处理,消除因光线不均产生的影响,然后对图像双边平滑和Canny边缘检测,增强图像对比度和消除图像噪声的影响,以达到提升AprilTag图像识别的成功率和后续工作的定位准确度。通过实验进行对比分析,所提方法对AprilTag图像识别的成功率比传统方法在不同光线条件下均提高了3%以上,且移动机器人的实时定位误差控制在1~2 cm,从而验证了所提方法的有效性和可行性。     

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。     

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。     

基于层级化匹配的视图变形算法

为了提高基础矩阵的准确性和改善视图变形的视觉效果,提出一种基于层级化匹配的视图变形算法.首先对左右视图进行SIFT特征提取并使用传统的基于欧式距离的匹配算法进行粗匹配,然后使用基于局部结构的图匹配算法对粗匹配得到的匹配点对进行细匹配,最后使用细匹配得到的匹配结果计算基础矩阵,并通过视图变形算法合成虚拟视图.实验结果表明,少量的误匹配点对对视图变形的视觉效果有较大的影响,同时所提出的层级化匹配方法能够提高匹配的准确率,使计算得到的基础矩阵更加准确、虚拟视图的视觉效果获得了改善.     

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。