基于SURF算法的双目视觉特征点定位研究

针对双目视觉立体图像特征点匹配质量不好导致定位精度低的问题,本文提出改进SURF匹配的特征点定位方法。在改进的SURF匹配算法中,采用双向匹配、NNDR约束、对称性约束、极线约束和交叉匹配约束的方法,提高了图像特征点匹配的质量。在双目视觉特征点定位中,采用公垂线段中点法具有更高的特征点定位精度。实验证明,该算法的特征点定位精度更高,同时可以达到实时三维重建效率。     

引入极线约束的SURF特征匹配算法

目的 特征点匹配算法是当今计算机图像处理领域的研究热点,但是大多数现存的方法不能同时获得数量多和质量优的匹配。鉴于此,基于SURF （speeded-up robust features）算法,通过引入极线约束来提高特征匹配效果。方法 首先使用SURF算法检测和描述图像特征点,然后使用RANSAC （random sampling consensus）方法计算匹配图像之间的基础矩阵,通过该基础矩阵计算所有特征点的极线。再引入极线约束过滤掉错误匹配,最终获得数量与质量显著提高的匹配集合。结果 实验结果表明,该方法获得的匹配具有高准确度,匹配数目与原约束条件相比可高达2～8倍。结论 本文方法实现过程简单,不仅匹配准确度高且能够大大提高正确的特征匹配数,适用于处理不同类型的图像数据。     

空间约束的无人机影像SURF特征点匹配

与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象“一对多”的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配.为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接.该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对.最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度.实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果.     

改进的SURF算法在书法笔画匹配识别中的应用

书法笔画具有丰富的书写人特征,能否正确进行特征向量提取和匹配直接影响识别效果。针对SURF算法检测特征点少、误匹配率高的问题,提出了一种基于Contourlet变换的SURF算法。该算法利用Contourlet变换,在提取特征点前对书法字笔画进行子带分解(LP)和方向性滤波(DFB),得到低频和高频细节分量,采用最小欧氏距离准则(LEDC)对低频细节分量进行相似性计算,高频细节分量进一步分解后选取合适阈值提取高频特征点,然后进行SURF特征点匹配,采用RANSAC算法剔除误匹配点。实验表明,改进的SURF算法不仅能更好地提取笔画特征点,提高抗噪性能,识别率也提高了3%。     

基于ORB算子的快速立体匹配算法

针对利用SURF（Speeded Up Robust Features）进行立体匹配难以满足实时性需求这个问题,提出了一种基于ORB（Oriented fast and Rotated BRIEF）特征的立体匹配算法。在提取ORB特征点时,用一个数组记录该特征点因减小边缘效应而排序后的次序,结合极线约束、唯一性约束和顺序约束,来减少搜索空间,再以KNN（K-Nearest Neighbor）作为匹配策略,计算特征描述子的汉明距离,最后以最近邻匹配作为立体匹配结果。实验结果表明,该方法匹配速度快,准确度高,即使在图像未经校正的情况下,仍有较高的准确率。     

基于改进SURF算法的双目视觉测量系统研究

针对双目立体测量中所使用的图像匹配算法精度不高的问题,提出了一种基于SURF算法的改进图像匹配算法并运用到双目立体测量系统中。首先运用SURF算法检测和描述图像对特征点、特征向量;其次采用双向特征向量匹配策略对匹配点集进行初始过滤;最后采用PROSAC算法根据极线约束几何模型对初始过滤后的匹配点集进行二次筛选,得到最终的优质匹配集合。实验表明,改进的SURF算法具有更高的匹配准确性和较好的算法实时性,运用改进SURF匹配算法的双目测量系统可实现更准确的定位测距。     

一种鲁棒的序列图像自动拼接方法

针对传统图像拼接方法中鲁棒性差、计算量大及自动化程度低等问题,提出一种鲁棒性高的序列图像自动拼接方法。该方法首先采用Harris角点检测算子对经Wallis滤波后的序列图像进行特征点提取,并结合Forstner算子对特征点进行精确定位。然后基于所提取的特征点,采用邻域灰度互相关法进行序列图像的特征点匹配,得到粗匹配点集,并运用RANSAC算法对粗匹配点集处理得到精匹配点集,由精匹配点集求出较高精度的基础矩阵及极线,并由极线约束引导匹配得到高精度的匹配点对,再运用双向松弛整体匹配算法进一步剔除少数位于极线上的误匹配点。最后利用所得的高精度匹配点对,求解序列图像间的仿射变换关系,并进行图像的坐标变换和融合,从而实现序列图像的自动拼接。实验结果表明,该方法拼接效果理想,鲁棒性高,整个拼接过程全自动,不需要人工干预,具有较高的实用价值。     

一种基于快速鲁棒特征的图像匹配算法

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种基于快速鲁棒特征(SURF)的图像配准算法。SURF算法作为一种新的特征提取算法,在独特性、鲁棒性等方面均超过了其它方法,并在计算效率上具有明显的优势。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定特征点的主方向,并确定特征描述子,再根据Hessian矩阵迹的正负性和最近邻与次近邻比值的方法相结合获取匹配点,并用改进的RANSAC算法剔除伪匹配点以确保匹配的有效性。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。     

基于多尺度FAST-9的图像快速匹配算法

FAST-9检测子不具备尺度不变性,为此,提出一种基于多尺度FAST-9的图像快速匹配算法。对图像建立高斯尺度空间,在各图层上应用FAST-9检测子分别提取特征点,在其周围建立圆形区域并分配主方向,同时建立方形区域构造SURF描述子,利用基于最近邻匹配方法进行匹配。实验结果表明,与SURF、SIFT算法相比,该算法具有较高的匹配速度。     

基于SURF特征提取的遥感图像自动配准

基于SURF（Speeded UpRobust Features）特征点提取是目前比较流行的图像配准方法．本文在SURF基础上,提出一种基于分块策略的改进方法：首先采用分水岭分割法确定图像的分块数量,然后对图像进行分块,每个子块提取一定数量的特征点,以便实现特征点的均匀提取;再通过稀疏特征树法找出匹配的特征点对;最后用RANSAC算法剔除错误匹配特征点对,同时计算参考图像与待配准图像的变换关系．实验表明,该方法能够高效、快速地解决遥感图像的自动配准问题．     

立体视觉中的双目匹配方法研究

本文首先对已有的双目立体视觉方法进行分析和总结 ,并依所选取的匹配特征和匹配方法的不同而将其分为利用灰度图像区域间相似性、特征点相关、边界或二阶导数过零点、二值拉普拉斯图像匹配、校正透视形变、动态规划、利用区域分割的结果和立体视觉连续性原理的各种演绎等类 ;然后对用金字塔图匹配边界基元的双目立体视觉方法进行了重点探讨 ;本文还对利用基极线约束实现匹配进行详细分析与推导     

Automatic feature matching in uncalibrated stereo vision through the use of color

One difficult problem in stereo vision is how to establish correspondence between features extracted from a pair of images. The difficulty is due to ambiguities or inconsistencies of available information on images. In this paper, we invetigate stereo correspondence problem in the framework of color stereo vision. We propose the use of a matching consistence (MC) constraint in RGB color space and the generalized epipolar geometry to develop an automatic feature matching algorithm.     

基于SURF特征点的自主空中加油定位研究

针对硬式空中加油技术中加油插座的定位问题,提出了一种结合SURF(Speeded-up Robust Features)特征点的双目立体视觉定位方法,确定了加油插座的空间位置,实现伸缩管和加油插座的精确对准。基于SURF匹配算法,对双目视觉系统采集的左右图像进行目标检测,并获取匹配目标的SURF特征点,通过空间误匹配点对的剔除和目标点坐标的计算,确定左右图像中具有空间位置一致性的目标点(即加油插座),从而恢复目标点的三维信息。实验结果表明,结合SURF方法能够有效地对加油插座的空间位置进行定位,具有一定的实用价值。     

基于极约束和边缘点检测的图像密集匹配

综合运用极约束和边缘点检测实现了两幅图像的密集匹配，真实图像实验表明，该方法能够产生非常密集的匹配点并具有较高的匹配精度。     

多重约束下的近景影像线特征匹配方法

目的 针对影像匹配时提取特征线断裂而影响匹配结果及可靠性的问题,提出多重约束条件下的近景影像线特征匹配方法。方法 首先,采用SIFT算法获取同名点,并使用RANSAC算法进行优化,通过同名点计算仿射变换矩阵;建立格网点,利用仿射变换、Harris兴趣值及最小二乘法提高密集匹配结果的精度;其次,采取Freeman链码优先级算法提取直线,根据搜索区域内密集匹配点与直线位置关系完成特征线的初始匹配;最后通过线段重合度对初始匹配结果进行优化,并利用核线约束确定同名直线端点。结果 选取存在旋转、尺度、遮挡的近景影像进行线特征匹配实验,结果表明,与其他直线匹配方法相比,本文方法不仅在直线匹配成功数目上约为经典算法的1.07~4.1倍,而且直线匹配正确率也提升0.6%~53.3%,具有较好的准确性和鲁棒性。结论 通过多重约束有效地减小了立体影像中线特征匹配时的搜索范围,提高了直线匹配速率,且该方法适用于不同类型几何变化下的近景影像数据,并能较好地改善直线断裂及遮挡问题。     

不变矩方法在区域匹配中的应用

提出了一种基于区域的立体匹配方法,该方法除了采用顺序性约束和惟一性约束外,根据外极线约束提出了外极带约束,采用比邻域约束更优越的相对位置约束,能有效地处理遮掩和区域变形情况下的双目立体匹配．在对多个候选匹配区域进行最佳匹配选择时,提出了重心距离和矩距离的概念,利用不变矩原理进行最佳候选区域选择．经实验证明,该方法是可行、有效的．     

结合SURF特征和RANSAC算法的图像配准方法

提出了一种基于SURF特征和RANSAC算法的图像配准方法。首先通过SURF算法对图像进行特征点检测,将欧式距离作为相似性测度进行特征点粗匹配,并通过RANSAC算法剔除误匹配点对;然后利用正确的匹配点对求解仿射变换模型从而实现图像的精确配准。实验结果表明了该方法的精确性和有效性。