基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

一种基于几何特征参数的圆检测方法

提出了一种利用一组几何特征参数对图像中的圆形进行检测的方法。对提取出的边缘进行多边形拟合，并对拟合后的多边形进行归一化处理，提取平移、旋转和尺度变换不变性的几何特征，计算相应的几何特征参数，将几何特征参数满足一定条件的形状识别为圆形。描述了该方法的具体步骤，并与随机Hough变换进行了对比实验。对合成图像和真实图像进行的实验结果表明，该方法具有较高的效率和实用性。     

一种用于未标定图像三维重建的立体匹配算法*

提出了一种适用于未标定图像三维重建的立体匹配算法。该算法首先引入限制因子来消除Harris角点聚簇的现象,使用高斯曲面拟合内插使Harris角点达到亚像素级;接着采用特征点的Sift特征描述符进行初始匹配,利用随机抽样算法估计基础矩阵的同时剔除误匹配点对;最后在估计的基础矩阵的引导下进行双向匹配。实验证明,该算法能够很好地恢复物体的结构,是一种有效的用于未标定图像三维重建的立体匹配算法。     

双损失估计下强化学习型图像匹配方法

学习型特征检测器利用神经网络来检测和匹配图像特征点,其网络参数通常通过优化低层视觉的匹配准确率而训练得到,然而在高级视觉任务中,低层图像配准率的提升未必能带来更佳性能。针对该问题,提出一种双损失误差策略下的强化学习方法,一方面,将学习不变特征变换（LIFT）所得到的特征点和描述符以概率形式表示,估算出图像间的相对位姿,并与真实位姿比较获得位姿误差。另一方面,利用匹配图像间极线约束的几何性质,估算出匹配特征点间描述子的误差。然后基于上述两种损失误差优化LIFT,最终学习得到神经网络参数。实验中使用H-Patches数据集和自制数据集,将图像输送到LIFT特征检测器和视觉管道中,以端到端的方式训练神经网络参数。实验结果表明,该算法显著提高了特征点的匹配精度。     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

基于颜色梯度的图像特征点匹配算法

提出了一种利用颜色梯度的彩色图像特征点的匹配方法。结合图像特征点的颜色梯度信息和几何特征分别构造两幅图像的Laplacian矩阵，并对这两个矩阵进行奇异值分解。利用分解的结果构造出一个反映特征点之间匹配程度的关系矩阵，根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明，该文提出的算法具有较高的匹配精度。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

基于亚像素特征点提取的螺纹检测粗糙聚类算法

本文研究了一种应用于高速图像检测的基于亚像素特征点提取的螺纹检测粗糙聚类算法。其基本思想是:采用分阶段的高精度亚像素特征点提取方法,将图像边缘特征离散为亚像素级特征点,利用粗糙集中的不可分辨概念和近似集合概念,对图像亚像素级特征点进行粗糙聚类,以便区分图像中多个螺纹零件,确定螺纹小径不可分辨类。在此基础上,给出了螺纹几何参数测量的步骤和计算规则,根据计算结果对螺纹零件进行基于图像特征的判别和处理。这种基于亚像素特征点提取的螺纹检测粗糙聚类方法具有较高的检测精度。     

基于改进的图像兴趣点特征提取匹配研究

研究图像兴趣点特征提取精确度优化问题。由于图像的复杂以及图像中噪声的干扰,使得传统的图像兴趣点提取算法难以提取出用户感兴趣的信息。为了解决上述问题,提出了一种改进的图像兴趣点特征提取算法。首先利用群体的兴趣点形成几何不变描述的图像区域,然后采用Hough变换方法对图像进行变换操作,使每次匹配都相当于局部的二维转变。仿真结果表明,提出的改进的算法能够有效提取出图像中有效信息,同时节约了算法的执行时间,降低了复杂度。     

一种评价仿射不变性特征定位误差的新方法

特征点匹配是计算机视觉中的一个基本问题。不同视点图像中相应特征点邻域窗口之间存在几何上的透视畸变,这可用平面单应映射来表示,而目前大多匹配算法将该映射用仿射变换模型来近似,即用具有仿射不变性的特征进行图像的匹配。仿射变换的线性特点不仅能降低算法复杂度,还能保证迭代过程收敛的稳定性,然而并没有人对该近似的可行性及如何减小近似误差给出定量分析。本文首先回顾了各种几何层次上的特征点匹配策略,重点针对具有仿射不变性特征点的定位误差进行研究和定量分析,通过本文提出的椭圆曲线规范化法推导出该近似所造成相应特征点定位误差的解析表达;然后用真实图像的实验结果验证了本文分析方法的必要性和正确性;最后给出相应的分析结果和结论,并指出提高大基线图像特征点匹配精度的相应措施。     

基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法在进行图像匹配时,主要通过度量特征向量之间的距离来完成图像匹配,导致算法鲁棒性差、误配率较高及效率较低等不足,本文提出了基于三角网下的仿射不变几何约束的图像匹配算法。首先,在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征对SUR机制进行改进,用以生成新的特征描述子,并通过定义阀值评估策略,对图像特征点匹配,从而生成了初始匹配点;然后,引入 三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除。最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,本文算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。     

A statistical approach to sparse multi-scale phase-based stereo

In this study, a multi-scale phase based sparse disparity algorithm and a probabilistic model for matching uncertain phase are proposed. The features used are oriented edges extracted using steerable filters. Feature correspondences are estimated using phase-similarity at multiple scale using a magnitude weighting scheme. In order to achieve sub-pixel accuracy in disparity, we use a fine tuning procedure which employs the phase difference between corresponding feature points. We also derive a probabilistic model, where phase uncertainty is trained using data from a single image pair. The model is used to provide stable matches. The disparity algorithm and the probabilistic phase uncertainty model are verified on various stereo image pairs.     

多幅图像的自动拼接算法研究

提出一种基于特征点的多幅图像自动拼接算法。根据SIFT或SURF算法在图像的尺度空间中提取特征点,对特征点进行亚像素定位,并赋予主方向。根据特征点邻域信息分布计算得到特征向量后,基于k-d树进行最近邻和次最近邻搜索,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对。使用RANSAC（Random Sample Consensus）算法剔除错误匹配特征点对,同时对图像之间的变换参数进行鲁棒估计,使用多频带融合算法消除拼接痕迹。实验验证了该算法能够完成多幅图像的自动无缝拼接。     

一种基于特征点匹配的图像拼接方法研究

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法;在特征点提取阶段,尺度不变的特征变换方法 (SIFT)具有对图像尺度缩放、旋转、放射变换以及亮度变化保持不变的优点,文章采用了改进的SIFT特征点提取算法;在特征点匹配阶段,采用改进的RANSAC算法对特征点匹配对提纯;最后用加权平均法实现拼接图像的融合;实验证明,该算法有效提高了图像拼接的效率和准确性,拼接精度可以达到亚像素级。     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

基于有向模板和颜色加权SVD的图像匹配算法

为快速稳定地匹配视频序列,并考虑SVD算法的高效性,根据视频序列的特点,对SVD匹配算法进行改进,提出了一种适合视频序列的匹配算法。该算法使用Harris角点检测算子检测兴趣点,使用有向模板提取具有旋转不变性的特征,并通过引入颜色加权法改进SVD算法中的相似性度量函数。同时,又提出一种基于运动一致性约束的误配点剔除方法,首先拟合匹配点间的运动模型,然后自适应地调整参数将错误的匹配点剔除。该算法使用有向模板消除图像间旋转变换的影响,使用颜色特征降低兴趣点匹配时的不确定性,通过运动一致性约束降低误配点数量。实验结果表明,该算法在图像间存在旋转变换关系和不同的光照条件时都可以获得很好的匹配结果,特别是在图像间基线距离较大时仍能得到大量的匹配点并具有很高的正确匹配率,能很好满足实际需要。     

Class-based feature matching across unrestricted transformations

We develop a novel method for class-based feature matching across large changes in viewing conditions. The method is based on the property that when objects share a similar part, the similarity is preserved across viewing conditions. Given a feature and a training set of object images, we first identify the subset of objects that share this feature. The transformation of the feature's appearance across viewing conditions is determined mainly by properties of the feature, rather than of the object in which it is embedded. Therefore, the transformed feature will be shared by approximately the same set of objects. Based on this consistency requirement, corresponding features can be reliably identified from a set of candidate matches. Unlike previous approaches, the proposed scheme compares feature appearances only in similar viewing conditions, rather than across different viewing conditions. As a result, the scheme is not restricted to locally planar objects or affine transformations. The approach also does not require examples of correct matches. We show that by using the proposed method, a dense set of accurate correspondences can be obtained. Experimental comparisons demonstrate that matching accuracy is significantly improved over previous schemes. Finally, we show that the scheme can be successfully used for invariant object recognition.     

Matching point features with ordered geometric, rigidity, anddisparity constraints

This correspondence presents a matching algorithm for obtaining feature point correspondences across images containing rigid objects undergoing different motions. First point features are detected using newly developed feature detectors. Then a variety of constraints are applied starting with simplest and following with more informed ones. First, an intensity-based matching algorithm is applied to the feature points to obtain unique point correspondences. This is followed by the application of a sequence of newly developed heuristic tests involving geometry, rigidity, and disparity. The geometric tests match two-dimensional geometrical relationships among the feature points, the rigidity test enforces the three dimensional rigidity of the object, and the disparity test ensures that no matched feature point in an image could be rematched with another feature, if reassigned another disparity value associated with another matched pair or an assumed match on the epipolar line. The computational complexity is proportional to the numbers of detected feature points in the two images. Experimental results with indoor and outdoor images are presented, which show that the algorithm yields only correct matches for scenes containing rigid objects     

基于改进快速鲁棒性特征的导弹视频特征匹配

利用电视制导导弹视频图像确定导弹落点,从而开展精确目标毁伤评估研究,是目前全新的一种评估手段。图像特征匹配是利用视频图像确定导弹落点的关键步骤。针对导弹视频图像的特点及其作战应用,在特征匹配阶段,依据准确性和实时性两个原则,对快速鲁棒性特征算法做了两方面的改进:一是限制特征点提取区域,定义了图像区域限制算子;二是限制特征点数量,利用算法阈值和随机抽样一致性算法对特征点进行限制。实验结果表明,提出的算法对典型视频片段进行处理,较原算法在匹配时间上平均减少12.6%,匹配准确率平均提升13.4%,较尺度不变特征变换算法匹配时间平均提升了74.9%,同时,有效消除伪匹配点。通过对三段视频进行测试仿真,改进算法在整体上较原算法的匹配时间加快14.9%,且通用性较强,适用于视频图像的特征点匹配。     

改进ORB算法在图像匹配中的应用

在计算机视觉领域，图像匹配是一个核心问题。为了提高图像特征点匹配算法的准确度，增强算法的抗干扰能力，针对ORB（oriented FAST and rotated BRIEF）算法的不足，提出一种改进的图像特征点匹配算法。该算法通过设置自适应阈值来进行特征点检测，并在算法粗匹配结果的基础上剔除不符合图像几何特性的部分外点。最后，利用仿射不变性约束筛选出精确匹配点。实验表明，该方法可有效提高算法匹配质量且执行时间短，对于不同模糊度和曝光度的图像匹配均具有很好的鲁棒性。