基于二阶矩的SIFT特征匹配算法

摘要：为了解决了图像视角变化时造成的匹配率低的问题,作者提出了基于二阶矩的SIFT特征匹配算法。算法在尺度空间检测出特征点,用仿射的二阶矩来估计特征点的椭圆邻域,把椭圆邻域梯度的主方向作为该特征点的方向,生成特征向量,最后采用欧氏距离作为度量函数进行特征向量的匹配。实验表明,改进后的算法继承了SIFT算法对图像缩放、旋转等不变性,而且增强了图像对视角的仿射不变性,极大地改善了匹配效果。     

基于SIFT特征匹配的图像拼接算法

基于SIFT特征匹配思想 ,提出一种快速、准确的图像拼接算法.SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力.在这一匹配思想的基础上结合多分辨率样条提出一种新的图像拼接算法,它采用多分辨率样条来确定拼接区域宽度和加权函数,使图像在不同分辨率下分别拼合,这样使拼合出的图像既清晰又光滑无缝.算法在大多数情况下能自动完成,实验结果证明该方法提高了拼接速度,降低了图像亮度差异的影响,使结果图像自然逼真.     

基于SIFT特征匹配的视频稳像算法研究

为了解决运动情况下的视频图像去抖问题,本文提出了一种新型的去抖算法。首先利用SIFT算法提取出特征点,并利用RANSAC算法进行优化处理,进行图像的全局运动估计和全局运运补偿,实现视频图像的去抖功能。本文实现了以该方法为基本算法的原型系统,能够有效地增加视频图像的平滑度。     

改进的双向SIFT特征匹配算法

以基于图像序列摄像机自标定为基础,针对尺度不变特征转换SIFT算法误匹配率高且运行效率低的问题,提出一种改进的双向SIFT特征匹配算法。在去除误匹配方面,首先采用双向匹配消除部分误匹配点对,然后结合视差梯度约束算法和随机抽样一致性RANSAC算法提纯匹配点对;在提高运行速度方面,首先在初匹配中采用K邻近算法,其次调整视差梯度约束迭代条件,都通过减少迭代次数来降低算法耗时。实验表明,改进后的算法在去除了大部分误匹配的基础上,保留了足够的匹配点对以用于摄像机空间位置和姿态的自动标定,且相较SIFT算法在运行速度上有了较大的改进。     

基于SIFT的阈值匹配的人脸识别算法

SIFT算法优点是在对特征点的个数和有效点的比例没有要求的前提下对视角变化、尺度缩放、亮度变化、噪声等都能保持相对的稳定性。但是该算法原有的对关键点非匹配策略在图像纹理复杂情况下存在缺陷。本文提出了一种关键点阈值匹配算法可避免使用常规错的关键点人脸图像网格。在各种转换中得到较稳定的鲁棒性。     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法;该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙;该算法的可行性和有效性通过实验结果可以得到证明。     

基于SIFT特征匹配算法的城市地点识别系统

随着互联网的发展,利用GPS或者RFID等进行地理位置的识别是有可能的,但是,基于图像内容的地理位置的识别则跟它们有很大的不同.图像蕴含着丰富的信息,利用SIFT特征匹配算法提取图像的特征点,然后根据这些特征点判断哪些图片是相似的,相似的图片我们用数据挖掘的方法,得到其地理位置信息.实验结果表明,该方法对不同地理位置的图像区分效果良好.     

基于扩散距离的SIFT特征匹配算法

SIFT(Scale Invariant Feature Transform)是目前最流行的局部特征提取及匹配算法.但传统SIFT算法采用欧氏距离来度量特征之间的SSD(Sum of Square Differences)并进行匹配,而传统的欧氏距离不能使高维特征向量恢复到具有低维的几何结构,导致错误匹配.为了克服这缺点,利用扩散距离代替欧氏距离进行匹配,然后使用随机抽样一致从候选匹配中排除错误的匹配.实验表明:该方法在图像形变、光照变化和图像噪声方面优于原方法.     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。     

基于SIFT特征匹配的CamShift运动目标跟踪算法

针对复杂背景下采用一般CamShift算法跟踪目标容易失败,提出将SIFT(Scale Invariant Feature Transform)特征点匹配融入到CamShift算法。该算法利用SIFT特征对尺度和方向无关特性实现连续图像序列的精准匹配,具有对尺度缩放、目标旋转以及亮度变化保持不变性的优点,不仅弥补了一般CamShift算法只以颜色为关键信息的不足,而且可将目标跟踪窗口形心和质心间的位移稳定在设定阈值内。最后通过对比性实验来验证该算法的有效性和稳定性。实验结果表明,该算法能够对复杂背景下的光照突变、缩放和旋转运动目标实现实时稳定跟踪。     

基于三视图的自适应加权迭代匹配筛选算法

针对基于三视图的传统三维重建时特征点匹配后保留正确匹配点对数量过少、由图像噪声、拍摄照片时遮挡和震动等因素引起的匹配误差较大等问题,文章提出了一种自适应加权迭代算法,该算法通过给匹配点对加权进行迭代筛选来实现,可以稳定的获得数量较多、结果较准确的匹配点对,从而精确求解三视图空间约束矩阵三焦点张量.实验证明,文章提出自适...     

基于SIFT图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.     

基于SIFT特征描述子的立体匹配算法

目前,立体匹配是计算机视觉领域最活跃的研究课题之一。为了克服传统的局部特征匹配算法对噪声和图像灰度的非线性变换敏感的缺点,本文提出了一种新的基于SIFT(Scale Invariant Feature Transform)特征描述子的立体匹配算法。该算法利用图像梯度信息,构造基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。实验结果表明,该方法匹配精度高,对图像灰度的非线性变换比较鲁棒,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。     

一种改进的SIFT特征反向匹配算法

对SIFT算法进行研究,根据目前在倒车辅助系统中立体匹配技术的应用,对该算法进行改进,为了解决高维空间搜索问题,在获得的特征向量匹配对上加入外极线约束条件,将搜索空间从二维图像降为一维的线性搜索,缩短匹配时间,降低了计算的复杂度,同时针对阈值增大,匹配数目增多,同时错误率增高的情况,对特征点进行反向匹配,进一步提高图像匹配的准确率。     

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。     

基于快速SIFT特征提取的模板匹配算法

针对尺度不变特征变换(SIFT)算法计算量大的问题,提出一种基于快速SIFT特征提取的模板匹配算法。采用递推方法加速计算每个种子向量,利用向量排序来保持算法对旋转的不变性,并通过一种适用于该描述符的快速搜索匹配方法,提高算法的实时性。实验结果表明,该算法能提高匹配速度,并且能在旋转、缩放的情况下有效地识别目标。     

异源图像特征点边缘描述与匹配

特征提取是数字图像处理和计算机视觉中的一项重要技术,而利用特征描述算子来构造图像特征点是图像特征提取及配准中的一个关键步骤。SIFT特征点检测算子具有平移、旋转及缩放不变性,在图像配准中应用很广泛。针对基于SIFT特征的64维描述算子的不足进行了改进。通过仿真实验证明,改进后的算法比原算法精度更高,且时间复杂度有所降低。     

基于视觉约束能量最小化的特征点匹配算法

为了解决海上目标航空遥感图像重复特征较多导致的匹配不一致问题,并简化匹配过程,文中提出了基于SIFT视觉约束能量最小化的匹配算法(CEM-SIFT)。该算法将约束能量最小化模型应用于特征点的匹配,通过构造有限脉冲响应线性滤波器,采用视觉信息计算其能量值,使得待匹配的点集经过滤波之后的平均输出能量在一定约束下达到最小值,最终实现含重复信息的特征精确匹配。采用10组航空遥感海冰图像对算法进行测试,结果表明,相对于采用SIFT欧氏距离(ED-SIFT),在匹配重复特征比较多、点集规模比较大的图像时,CEM-SIFT算法的匹配精度更高,能够达到100%。