适用于倾斜影像的加速KAZE-SIFT特征提取算法

针对传统正摄影像的特征提取算法处理倾斜影像匹配效果不佳的问题，在已有特征提取算法的基础上，提出了一种适用于倾斜影像的特征提取算法--加速KAZE-尺度不变特征变换（AKAZE-SIFT）算法。首先，为保证特征检测的准确性与独特性，采用充分保留图像轮廓信息的加速KAZE（AKAZE）算子进行特征检测；其次，为提升特征描述的稳定性，采用稳健的尺度不变特征变换（SIFT）算子进行特征描述；然后，依据目标特征向量和候选特征向量间的欧氏距离确定粗匹配点对；最后，采用随机抽样一致性算法进行单应性约束，提高匹配纯度。模拟影像在倾斜摄影条件下的模糊、旋转、亮度、视角和尺度变化，对特征提取算法性能进行评估，实验结果表明，AKAZE-SIFT算法相比SIFT算法和AKAZE算法召回率分别提高了12.8%和5.3%，精准率提高了6.5%和6.1%，F1值提升了13.8%和5.6%；提取效率优于SIFT算法，略逊于AKAZE。AKAZE-SIFT算法具有良好的检测和描述能力，更适用于倾斜影像特征提取。     

改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低以及误匹配率高的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法;该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中,并对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;其次,结合单向匹配和双向匹配的比值,提出了一种最优化阈值选择准则,如果欧氏距离比率小于最优化阈值,完成特征点匹配,得到正确匹配点对,再通过变换矩阵得到配准图像;实验结果表明,在保证实时性的条件下,该算法相比于原SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

一种改进的点特征图像匹配算法

采用Harris算子提取特征点,将特征点进行归一化自相关运算求得粗匹配对,然后使用本文改进的松弛迭代匹配算法进行精匹配,最终得到一一对应的匹配对。本文改进算法基本思想是利用第一轮迭代过程所得到的匹配对,把进入下一步迭代的候选匹配对进行优化挑选,消除一部分明显错误的候选匹配对。试验证明此方法可以提高迭代速度。     

结合颜色不变量的SIFT和形状上下文图像匹配算法

针对传统图像匹配算法sift和shape-context存在的不足,把这两种算法分别作了改进,并提出一种二者相结合的混合匹配算法。首先在传统sift算法的基础上融入图像的颜色信息,即加入颜色不变量,构建彩色描述子;在shape-context算法中改用基于重心点的形状上下文直方图,代替传统的基于各个轮廓点的形状上下文直方图,生成形状上下文描述子。然后把这两种描述子级联成新的联合描述子,依据设定的新的联合距离对特征点进行匹配,得到初始匹配对。最后利用偏最小二乘法消除误匹配,得到精确匹配点对。实验结果表明,提出的算法能够有效提高图像匹配准确率。     

基于遥感影像的土地变化边缘提取

运用Sobel算子提取不同时期同一地区的遥感影像的轮廓,对提取后的影像用后期遥感影像减去对应的前期遥感影像相对应的相素,在相减时采用一个三阶算子,这样可以很好的消除不同时期影像匹配时的误差。并对相减后的影像采用一个的滤波方法算子进行滤波,可以很好的滤掉噪声。得到的影像能很好的反映出不同时期土地的变化边缘。     

基于遥感影像的土地变化边缘提取

运用Sobel算子提取不同时期同一地区的遥感影像的轮廓,对提取后的影像用后期遥感影像减去对应的前期遥感影像相对应的相素,在相减时采用一个三阶算子,这样可以很好的消除不同时期影像匹配时的误差。并对相减后的影像采用一个的滤波方法算子进行滤波,可以很好的滤掉噪声。得到的影像能很好的反映出不同时期土地的变化边缘。     

一种精确匹配的全景图自动拼接算法

本文提出一种全景图像自动拼接算法,能够实现特征点对的精确筛选和匹配,以及输入图像的自动排序和拼接。首先提取输入图像的尺度不变特征变换SIFT特征点,并采用k-d树搜索得到图像之间所有初始特征匹配对;利用欧氏距离比值和中值滤波器对初始特征点对进行筛选后,再应用随机抽样一致算法RANSAC得到图像间精确匹配的特征点对;计算出图像之间的单应性矩阵,在此基础上完成对输入图像的自动排序和配准,最终拼接合成全景图像。实验结果表明,该算法能获得比结合欧氏距离比值的RANSAC算法更高的配准精度,全景图拼接效果较好,具有良好的鲁棒性。     

基于改进SIFT的离线签名鉴别方法

针对高质量模仿签名和签名图像的尺度变化对鉴别效果影响较大的问题,提出了一种基于改进SIFT的离线签名鉴别方法。该方法首先改进尺度空间的建立,减少尺度空间的层数和组数,然后检测签名图像的SIFT特征点和提取特征描述子,根据特征描述子间的欧氏距离进行匹配,通过邻近距离之比和特征点角度差筛选匹配对,并对匹配对特征点的角度差进行直方图统计构成ODH(Orientation Difference Histogram)特征向量。最终根据匹配对的数量和ODH特征向量的相似度完成鉴别工作。本文方法在本地数据库上的等误率为6.7%,在4NSigComp2010公共数据库上的等误率为20%。实验结果表明,该方法与现有方法相比有效的提高了鉴别正确率。     

基于相对几何不变性的点云粗配准算法研究

针对目前点云在大数据量下的自动配准算法计算效率低下,粗配准初值匹配稳定性差,参数难以设置等问题,提出一种基于匹配对间相对几何不变性特点的快速粗配准算法。通过点云邻域特征值筛选一定量的关键点,利用快速点特征直方图（fast point feature histogram,FPFH）描述子初步获取最邻近匹配对;通过点云特征的对称候选寻点策略及两组正确匹配对在源点云与目标点云对应边的2-范数比例不变的特性获取精确的匹配对;利用奇异值分解算法（singular value decomposition,SVD）求解配准目标函数。实验表明,算法策略合理可靠,参数设置相对简易,具有显著的效率及稳定性优势,能够为后续精配准提供稳定精确的初始参数。     

基于分块和仿射不变性的SIFT图像匹配算法

针对传统SIFT算法在匹配时出现实时性差、匹配量低以及RANSANC算法在剔除SIFT误匹配对时误匹配率高的问题,提出一种基于距离相对性的分块匹配算法和基于仿射不变性的误匹配对剔除算法。首先利用传统SIFT算法提取图像中的特征点;然后采用基于距离相对性的分块匹配算法进行特征匹配得到初始匹配对;由于初始匹配对中存在误匹配,接下来运用基于仿射不变性的误匹配对剔除算法来剔除误匹配对;最后,在不同图像变换下进行仿真实验。实验结果表明,算法在保持SIFT算法鲁棒性的基础上,能够得到更多匹配对,正确匹配率提高了10%左右,并且实时性也得到很大改善。     

基于特征提取和匹配的图像倾斜校正算法

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法。该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线进行倾斜检测,具有尺度、平移无关性。使用双向最大相关系数匹配,匹配正确率较高。利用大数原理对数据进行处理,去除误匹配的影响。该算法最少可以利用两个匹配对,检测出图像倾斜角度。结合本文的应用背景,本文还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质。     

增强现实中的视频对象跟踪算法

根据增强现实在视频对象跟踪中的应用需求,提出一种综合利用尺度不变特征变换(SIFT)算子、K聚类算法和轮廓检测的视频对象跟踪算法。该算法利用简易SIFT获得输入图像的特征点,通过K聚类算法获得可能的对象聚类,并采用改进的轮廓处理方法得到对象边界,移除孤立点,确定对象特征点,在对象特征点中获取增强现实应用中需要的注册点。在关键帧匹配中,只要使用对象特征点进行对象匹配。实验结果表明,该算法具有运行速度快、匹配正确率高的特点,能满足增强现实视频应用的注册需求。     

基于结构特征的遥感影像匹配

影像数据的获取受到传感器、大气、光照等多种因素影响,影像数据本身即存在成像的不确定性,且用于匹配的影像数据间常存在较大的尺度、旋转差异,因此利用传统的基于区域灰度的匹配方法很难实现遥感影像的自动匹配.针对遥感影像数据的复杂性,结合不变矩的优良性质,提出一种基于地物结构特征的影像自动匹配方法.首先基于RANSAC(random sample consensus)算法提取影像直线特征,并进一步根据地物构造特征,在直线特征的基础上,设计并实现结构特征提取方法;然后利用结构特征的不变矩及空间相似性测度自动检测最优匹配特征对,实现影像的初始匹配;最后采用松弛匹配等方法,并对松弛匹配结果进行优化,实现影像全局匹配.为了验证算法性能,采用仿真数据和实地遥感影像进行测试,实验结果表明,本文方法不受旋转、缩放等因素影响,能实现遥感影像的自动快速匹配.     

特征提取和匹配的图像倾斜校正

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法.该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线,具有尺度、平移无关性.首先使用双向最大相关系数匹配,匹配正确率较高;然后利用大数原理对数据进行处理,去除误匹配的影响,该算法最少可以利用两个匹配对,即可检测出图像倾斜角度.结合应用背景,还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质.     

基于LBP的尺度不变特征的描述和匹配算法

针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.     

基于典型相关分析方法的尺度不变特征变换误匹配剔除

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法.该方法首先利用SIFT算法进行匹配,得到初始匹配对; 然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对; 对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对.实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度.     

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SURF特征的商品识别算法*

图像存在遮挡、尺度缩放、多干扰时,传统加速鲁棒特征(SURF)算法会产生错误匹配问题,提出一种基于匹配角度聚类的匹配算法。算法先提取SURF特征点,利用特征点的主方向信息进行图像角度矫正,再统计并聚类粗匹配对的匹配角度信息,依据类中元素数目和类簇数目进行两级筛选,剔除异常角度信息的误匹配对。本文算法与随机抽样一致性算法(RANSAC)进行实验对比,表明该算法能有效提高匹配正确率和保证低误剔除率,提高了商品图像的识别率。     

基于偏最小二乘的SIFT误匹配校正方法

针对尺度不变特征变换（SIFT）描述子仅利用特征点的局部邻域信息而对图像内具有相似结构的特征点易产生误匹配的现象,提出一种基于偏最小二乘的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对,然后利用偏最小二乘方法对匹配后初始匹配点的空间分布信息进行重新描述,并通过定义影响函数,剔除影响程度大的特征点对,最后得到精确匹配点对,对图像进行配准。实验结果表明,该方法能够有效地剔除误匹配点,提高图像配准的精度。     

一种图像局部特征快速匹配算法

在图像处理和机器视觉领域,SIFT是目前被广泛应用的一种基于局部特征的图像匹配算法。针对SIFT算法匹配速度较慢和常常存在错误匹配对的问题,本文提出在匹配过程中采用角度相似性分析替代传统的欧式距离分析法,由此提高匹配速度,然后通过RANSAC一致性筛选删除错误匹配对,最后通过实验验证了新算法的有效性。新算法结构清晰,计算简便,易于硬件实现。