一种结合交叉熵和投影特征的图像匹配算法

基于图像交叉熵的图像匹配方法对于噪声不敏感,并且具有一定的抗几何失真能力,但算法复杂度高,不适合用于实时匹配系统中.而投影变换可将图像的二维灰度降为一维的特征向量,且还具有抗噪性好的特性,因此定义图像的局部交叉投影熵,提出了一种新的图像匹配算法.该算法首先计算模板图的行、列投影;然后计算模板图和实时图的交叉投影熵;最后根据行、列交叉投影矩阵确定出最优匹配坐标.新算法不仅具有较好的抗噪和抗几何失真性能,并且提高了在强光照射及云层遮挡情况下的匹配能力.通过实验仿真并对比局部熵、局部投影熵、局部交叉熵和局部交叉投影熵四种算法的匹配效果,表明该算法不仅匹配效果良好,并且计算速度快,是一种精确而实用的图像匹配方法.     

基于熵的柱面全景图拼接算法及其鲁棒性分析

全景图拼接是基于图像绘制的关键技术之一.本文提出了一种基于熵的全景图拼接算法,它利用现有的基于小波的角点提取算法获得兴趣点,同时保留其所在的边缘信息,并对图像局部熵作改进,以此来获得候选匹配点,然后去除伪匹配进而获得最终精确匹配.文中给出了实验结果和算法的鲁棒性分析.     

基于LBP的鲁棒特征提取与匹配方法研究

针对现有的Harris角点提取算法在图像匹配法中,存在精度低、抗干扰和抗光照变化能力弱的缺陷,提出一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换匹配算法（Graph Transformation Matching,GTM）相结合的鲁棒精确匹配算法。采用改进的Harris边缘特征检测提取特征点并选取图像块作为特征区域;采用改进的中心对称局部二进制模式（Center Symmetric Local Binary Patterns,CSLBP）对高维特征进行降维生成24维特征描述子,并依据欧氏距离实现图像粗匹配;采用图变化匹配法剔除误差匹配来改善匹配的精度和鲁棒性。测试结果表明,所建议算法是有效的,它不仅具有良好的抗尺度和旋转变化特性,而且具有较强的噪声抑制能力和抗光照变化能力。提出的鲁棒性算法不仅充分考虑到传统特征匹配算法优缺点,使检测与匹配结果更加准确,而且较Harris算法以及LBP算法稳定性和准确度有了明显的提高。     

基于区域特征提取的景像匹配新算法

提出了一种基于图像区域特征的模糊熵差景像匹配新算法：针对两幅不同时相图像,该方法先进行区域特征提取,然后通过构造模糊熵差匹配度量函数来实现图像的自动匹配。与传统的算法相比,该算法具有明显的抗几何失真和高斯噪声的能力,且实时性也较好,为飞行器实时景像匹配提供了一种可行方法。     

具有光照鲁棒的图像匹配方法

针对现有的基于局部特征的图像匹配算法对光照变化敏感、匹配正确率低等问题，提出一种具有光照鲁棒性的图像匹配算法。首先使用实时对比保留去色（RTCP）算法灰度化图像，然后利用对比拉伸函数模拟不同光照变换对图像的影响从而提取抗光照变换特征点，最后采用局部强度顺序模式建立特征点描述符，根据待匹配图像局部特征点描述符的欧氏距离判断是否为成对匹配点。在公开数据集上，所提算法与尺度不变特征变换（SIFT）算法、加速鲁棒特征（SURF）算法、"风"（KAZE）算法和ORB算法在匹配速度和匹配正确率上进行了对比实验。实验结果表明：随着图像亮度差异的增加，SIFT算法、SURF算法、"风"（KAZE）算法和ORB算法匹配正确率下降迅速，所提算法下降缓慢并且正确率均高于80%；所提算法特征点检测较慢和描述符维数较高，平均耗时为23.47 s，匹配速度不及另外四种算法，但匹配质量却远超过它们。对实时性要求不高的系统中，所提算法可以克服光照变化对图像匹配造成的影响。     

基于最大熵和互信息最大化的特征点配准算法

点配准问题在机器视觉、医学图像等领域，有着非常重要的应用基础．通过在最大化熵原理的基础上，将互信息相似性测度引入到点配准算法中，提出了一种新的快速、准确的健壮性的点配准算法．首先建立起表示两个特征点集之间匹配对应关系的联合概率分布匹配矩阵，通过最大化熵和互信息最大化，建立起一个包含匹配矩阵和空间变换参数的新的能量函数，通过确定性退火算法，可以获得最优的匹配矩阵和空间变换参数，从而解决点的对应性问题和出界点(outliers)确定．实验结果表明，算法具有较强的鲁棒性，具有较高的配准精度和较快的计算速度．     

基于改进SURF的图像匹配算法

本文针对传统SURF (Speeded Up Robust Features)算法精度和速度较低的问题, 提出一种优化的图像匹配算法. 在特征点提取阶段引入局部二维熵来刻画特征点的独特性, 通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点; 在匹配阶段用曼哈顿距离代替欧式距离, 并引入最近邻和次近邻的概念, 提取出模板图像中特征点与待匹配图像中特征点曼哈顿距离最近的前两个点, 如果最近的距离除以次近的距离得到的比值小于设定的阈值T, 则接受这一对匹配对, 以此减少错误匹配. 实验结果表明该算法优于传统算法, 精度和速度均有一定程度的提高.     

基于梯度角度的直方图局部特征描述子的图像匹配算法

针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。     

面向自动扫描的三维形状多层次局部匹配算法

为了让机器人在对未知场景的扫描与重建过程中同时获得对该场景的理解,需要基于目前已有的部分信息进行物体分割与识别,解决基于不完整点云的局部匹配问题.针对已有的局部匹配方法面临着匹配准确度低、计算复杂度高等问题,提出三维形状的多层次局部匹配算法.在粗层次上,通过使用改进的词袋方法进行降维加速;在细层次上,通过精细地筛选三维特征点对之间的对应关系提升精度.首先使用基于深度学习描述子的多尺度SVM方法对数据库中模型上的特征点进行聚类,然后采用基于空间关系的视觉词袋方法在数据库中检索候选模型,最后基于全局和局部等距性对不完整点云与候选模型间的特征点对对应关系进行筛选.文中对于各部分算法分别进行验证,并与相关算法进行对比和评估,实验结果表明,该算法显著提高了局部匹配的准确性,为机器人在线场景扫描、分析、重建等相关工作提供了十分有意义的参考和支持.     

针对重复模式图像的成对特征点匹配

目的 含有重复模式的图像会对局部特征描述符产生歧义,因此基于局部特征的匹配算法在此类图像的匹配过程中极易产生误匹配.同时,通过研究现有的引入全局特征描述符的匹配算法,发现全局特征同样依赖于计算局部信息所得到的特征点主方向,所以此类方法在含有重复模式的图像中也不容易得到令人满意的匹配效果.为了解决这一问题,提出一种基于成对特征点的图像匹配算法.方法 该方法利用成对特征点的方向向量作为特征点对的主方向,为特征描述提供了正确的方向信息,同时引入DAISY描述符与改进后的全局上下文(globalcontext)特征描述符,提高了匹配能力.结果 分别在模拟图像与实际图像上面进行了对比匹配实验,本文算法平均的匹配正确率能达到88％以上,比其他经典的匹配算法提高了26％以上.结论 实验结果表明,本文算法克服了现有算法在特征描述与主方向分配上的缺陷,进一步提升了匹配正确率,能够有效地解决重复模式图像的匹配问题.     

点线特征融合的误匹配剔除算法

特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合, 验证算法 对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。     

基于最大池的谱特征匹配算法

为了提高基于谱特征的图像匹配算法的精度和鲁棒性,提出了一种基于最大池的谱特征匹配算法。首先,利用图像特征点邻域信息提取具有旋转不变性和亮度线性变化不变性的谱特征;其次,将以谱特征描述的特征点作为节点、特征点之间的欧氏距离作为边构造属性关系图,将图像匹配问题转化为图匹配问题;最后,引入最大池匹配策略获取图匹配结果。大量实验结果表明,该算法提高了谱特征匹配算法的精度和鲁棒性。     

改进FAST特征点支持下的实时影像地标匹配算法

针对图像匹配技术中匹配时间与匹配精度不能同时满足要求的问题,提出一种基于特征点匹配的方法,利用随机森林分类器实现地标的匹配,将匹配问题转化为简单的分类问题,大大简化了计算过程,保证影像匹配实时性;采用FAST特征点表示影像地标,利用高斯金字塔结构以及仿射增强策略改进FAST特征点的尺度和仿射不变性,提升影像地标匹配率。将实验结果与尺度不变特征变换(SIFT)算法和加速鲁棒性(SURF)算法进行比较。实验结果表明在尺度变化、发生遮挡以及旋转情况下,匹配率能达到90%左右,保持与SIFT算法和SURF算法相近的匹配率,并且匹配时间相较其他两种算法减少了一个数量级,能有效地对影像地标进行匹配,匹配时间也满足实时影像地标匹配要求。     

利用特征点平均矩特征检索二值商标图像

提出一种新的利用多特征点特征匹配的商标检索方法.该方法首先对图像进行分块处理,将图像划分在若干个同心圆内,划分半径以图像参照圆为依据,然后根据图像的形状主方向在每一个子图像上确定一些特征点.由于图像参照圆的位置以及形状主方向具有旋转、尺度、平移不变性,因此特征点的位置在图像中的相对位置是稳定的,具有很好的不变性.对于特征点的特征,提出了基于特征点的平均矩特征,该特征不仅具有良好的鲁棒性,而且对于噪声以及图像边缘的细微变化并不敏感,非常适合用来描述商标这种特定的图像.实验证明,基于特征点的平均矩特征具有很好的不变性,而对图像的分块描述能更好的体现图像内容,因此利用该算法检索的结果能够较好的满足人的视觉感受.     

基于SIFT算子融合最大相异系数的自适应图像匹配算法

针对传统的尺度不变特征变换（SIFT）图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题,提出一种基于SIFT算子融合最大相异系数的自适应图像匹配方法。首先,在欧氏距离（Euclidean distance）比测度基础上,对SIFT算法中128维特征向量自适应获取最大相异系数优化;然后,确定最大相异系数最优取值进行匹配点筛选,并采用随机抽样一致性（RANSAC）算法进行匹配正确率计算;最后,利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证。实验结果表明,改进算法较传统SIFT算法匹配正确率提升10个百分点左右,有效降低误匹配,更能够适应相似区域较多的图像匹配应用。在实时性上,所提方法单次匹配平均耗时1.236 s,可应用于实时性要求不高的系统。     

基于聚类匹配的移动机器人地图实时创建算法

提出了一种基于模式识别聚类思想的数据点集匹配算法.该匹配算法具有传统迭代匹配算法和非迭代匹配算法的优点,匹配速度快,精度高.结合上述匹配算法,给出了一种基于激光测距仪的移动机器人环境地图实时创建方法.该方法使用从环境数据中提取出的特征点来完成两组激光数据点集的匹配,进而完成环境地图的创建.利用本实验室自主研发的救援机器人平台对该算法进行了验证,实验结果表明,该算法能够完成室内环境下移动机器人实时准确有效的环境地图创建.     

一种单值区域的图形匹配算法

图形匹配是计算机视觉、机器人控制中一个重要问题。本文在文献[2]基础上,改进了其中不足,提出了一种单值区域的匹配算法,具有空间不变性,如：平移、旋转和尺度的不变性,而且鲁棒性很好、准确性很高。实验结果表明,对所有凸区域和许多凹区域图形的匹配都可行,而且速度也快。     

基于视觉传达的显著图像特征权重自匹配仿真

采用当前方法对图像特征权重进行匹配时,未使用可控滤波器提取图像特征,进行了重复多次的卷积运算,导致特征权重自匹配所用的时间较长、权重自匹配精度较低。提出基于视觉传达的显著图像特征权重自匹配方法,在高斯函数二阶导数的基础上建立可控滤波器,通过建立的可控滤波器提取图像的特征,获取显著图像特征能量值,为图像特征权重的匹配提供依据。计算图像特征对应的自适应权值,采用比值方法获取待匹配点的相关度,结合待匹配点的相关度和自适应权值构建聚合代价函数,通过聚合代价函数完成图像特征权重自匹配。仿真结果表明,所提方法的匹配时间短、匹配精准度高。     

Affine invariant comparison of point-sets using convex hulls and hausdorff distances

Many object recognition or identification applications involve comparing features associated with point-sets. This paper presents an affine invariant point-set matching technique which measures the similarity between two point-sets by embedding them into an affine invariant feature space. The developed technique assumes no a priori knowledge of reference points, as is the case in many identification problems. Reference points of a point-set are obtained based on its convex hull. An enhanced version of the Modified Hausdorff Distance is also introduced and used in the feature space for comparing two point-sets. It should be noted that the technique does not attempt to obtain correspondences between the point-sets. The introduced technique is applied to two real databases and its performance is found favorable as compared to three other affine invariant matching techniques.     

基于NMI特征的目标识别与跟踪

本文提出一种全新的图像分割方法——连通线多级切割方法，并在此基础上建立图像NMI特征的目标识别与跟踪算法。文章给出了运用连通线多级切割方法实现阈值求取、图像分割、目标识别与跟踪的技术技巧。通过实验验证了NMI特征的缩放不变性、旋转不变性和平移不变性以及不同物体的NMI特征差异，表明本文算法具有良好的实时性和精确的目标识别与跟踪效果。