基于改进网格划分统计的特征点快速匹配方法

针对图像特征点匹配算法大多存在数据量大和计算耗时长等问题,提出一种改进网格划分统计的特征点快速匹配算法。首先将图像的长宽比作为约束项,把图像划分成多个非重叠的方形状网格,并统计网格内的粗匹配特征点数量,然后利用改进的五宫格统计方法剔除错误匹配,即将特征点所在网格的相邻对称的四个网格作为邻域范围,把五宫格特征分数与新提出的阈值公式计算的值进行比较,最终得到精匹配特征点集;在OxFord数据集和实际拍摄的无人机遥感图像上,将本文算法与多种算法进行比较,实验结果表明,该方法在保证精确率和召回率接近当前最新的特征点快速匹配算法的情况下,运行速度相对提高了35.6 %,证明了特征点匹配的实时性和有效性。     

改进的模板匹配算法

在图像消旋消抖处理中通常运用到模板匹配算法,但在战场目标抗抖动的运用中,由于装甲战车车载图像跟踪系统受到地形地物的影响,会产生剧烈扰动,会产生匹配错误。建立了图像运动模型,根据图像灰度特征,对模板匹配算法进行改进。根据几何距离约束特征点的性质,运用特征点校正去除伪特征点,较好地消除误匹配,达到战场图像消旋消抖的要求。     

基于几何约束及0-1规划的视频帧间线段特征匹配算法

针对线段因遮挡、断裂以及端点提取不准确等原因造成的线段特征匹配困难问题,特别是现有匹配算法在匹配过程中出现"多配多"时直接采取"最相似匹配"而导致丢失大量真实匹配的问题,提出了一种基于多重几何约束及0-1规划的线段特征匹配算法。首先,基于校正后视频帧间线段特征的空间相邻性计算线段匹配的初始候选集;然后,基于极线约束、单应矩阵模型约束以及点-线相邻性约束等多重几何约束,对候选集进行筛选从而剔除部分错误匹配;其次,将线段匹配问题建模为一个大规模0-1规划问题;最后,设计了一种基于分组策略的两阶段求解算法对该问题进行求解,从而实现线段特征的"一配一"精确匹配。实验结果表明,该算法与LS（Line Sigature）、LJL（Line-Junction-Line）方法相比,匹配正确率接近,但匹配线段数量分别提高了60%和11%。所提算法可以实现视频帧间的线段特征匹配,为基于线特征的视觉SLAM（Simultaneously Localization and Mapping）奠定基础。     

均衡化概率模型及其在特征匹配中的应用

针对计算机视觉研究中最基本的特征匹配问题,提出了一种新的特征匹配算法,通过对匹配的概率模型中邻接矩阵的均衡化分析完成匹配过程。该算法根据待匹配特征点的几何关联性,建立匹配的概率模型,并利用一种有效的双向均衡方法,使得待匹配特征点的关联权重达到平衡,从而增强了匹配的区分度和准确性。采用重启动的随机游走(randomwalkswith restart,RWR)方法对概率模型进行求解,结合具有约束限制的时序方法获取最优匹配集。实验结果表明,与同类方法相比,该算法具有更高的匹配准确率,且适用于多种匹配场合。     

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。     

改进SIFT算法的手指静脉特征提取和匹配研究

为了更好地研究SIFT（尺度不变特征）算法在手指静脉特征提取和匹配过程中的应用,提出将手指静脉样本图像特征点代入到同散度矩阵的低维子空间,利用对低维子空间映射的方法可以提高SIFT算法在宏观层次上的准确度,设想基于尺度、方向和距离约束,通过RANSAC消除错误匹配的点对,改良特征点的匹配精度和特征匹配的点对数目。通过对手指静脉图像处理及实验可得,优化后的SIFT算法识别率可以做到99.68%,效果较普通SIFT算法更为准确、有效。     

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。     

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT（scale invariant feature transform）特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的“一对多”和“一对一”的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC（随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。     

一种运动捕获系统中误匹配点的剔除算法*

在特征点的提取阶段通过利用先验知识的迭代法得到二值化阈值,然后依据轮廓特征排除非特征点。对于特征点的匹配,首先根据极线约束得到初始候选点对,再通过松弛匹配算法和三角测量法剔出误匹配,得到最终的匹配点对;最后利用以上匹配算法给出了一种简便的多摄像机间特征点匹配的策略。实验结果表明算法匹配正确率高。     

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。     

自适应邻域测试的图像误匹配点剔除算法

针对图像特征点暴力匹配与比率测试得到的匹配点对在数量与正确率不能兼顾的情况,提出了一种基于自适应邻域测试的误匹配点对剔除算法。对特征点进行暴力匹配与高阈值的比率测试得到初始匹配点集,对初始匹配点对中的每个匹配特征点进行自适应邻域测试,测试出初始匹配点集中明显的误匹配点对并将之剔除,达到只剔除误匹配而不会误剔除正确匹配的效果。实验结果表明,在保证正确率不降低的前提下,该算法获取的匹配点对数量比原算法多3成以上,并且该算法对图像旋转、尺度缩放具有较好通用性。     

基于特征点匹配的改进模板匹配算法

特征点匹配是图像匹配领域中一项重要研究内容。暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法。为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板。基于输入图像和另一幅图像之间的模板匹配,使用暴力匹配算法在模板和匹配区域之间进行特征点匹配。该算法可以将高匹配数转换为高匹配质量。实验结果表明,该算法匹配速度较快、准确度较好。     

Learning and feature selection in stereo matching

We present a novel stereo matching algorithm which integrates learning, feature selection, and surface reconstruction. First, a new instance based learning (IBL) algorithm is used to generate an approximation to the optimal feature set for matching. In addition, the importance of two separate kinds of knowledge, image dependent knowledge and image independent knowledge, is discussed. Second, we develop an adaptive method for refining the feature set. This adaptive method analyzes the feature error to locate areas of the image that would lead to false matches. Then these areas are used to guide the search through feature space towards maximizing the class separation distance between the correct match and the false matches. Third, we introduce a self-diagnostic method for determining when apriori knowledge is necessary for finding the correct match. If the a priori knowledge is necessary then we use a surface reconstruction model to discriminate between match possibilities. Our algorithm is comprehensively tested against fixed feature set algorithms and against a traditional pyramid algorithm. Finally, we present and discuss extensive empirical results of our algorithm based on a large set of real images     

一种基于兴趣点方向特征的图像拼接方法

提出了一种基于兴趣点方向特征的图像拼接算法IPOF(Interest Point Orientation Feature),该算法利用Harris角检测器提取出两幅图像的兴趣点并为每个兴趣点分配一个主方向,采用方向相关系数法提取出初始匹配对,根据特征点之间的关系去除伪匹配对,得到两幅图像的对应兴趣点特征对从而确定变换参数,最后使用加权平均的方法融合图像。实验表明,该算法在图像间存在任意角度的旋转及平移的情形下,能有效地实现图像的平滑镶嵌。     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

遥感影像空间分治快速匹配

目的 图像匹配是遥感图像镶嵌拼接的重要环节,图像匹配技术通常采用两步法,首先利用高维描述子的最近和次近距离比建立初始匹配,然后通过迭代拟合几何模型消除错误匹配。尽管外点过滤算法大幅提高了时间效率,但其采用传统的两步法,构建初始匹配的方法仍然非常耗时,导致整个遥感图像拼接的速度提升仍然有限。为了提高遥感图像匹配的效率,本文提出了一种基于空间分治思想的快速匹配方法。方法 首先,通过提取图像的大尺度特征生成少量的初始匹配,并基于初始匹配在两幅图像之间构建成对的分治空间中心点;然后,基于范围树搜索分治空间中心点一定范围内的相邻特征点,构造成对分治空间点集;最后,在各个分治空间点集内分别进行遥感图像特征的匹配。结果 通过大量不同图像尺寸和相对旋转的遥感图像的实验表明,与传统的和其他先进方法相比,本文方法在保证较高精度的同时将匹配时间缩短到1/1001/10。结论 利用初始种子匹配构建分治匹配中心以将图像匹配分解在多个子区间进行的方法有助于提高遥感影像匹配的效率,该算法良好的时间性能对实时遥感应用具有实际价值。     

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。     

基于区域增长的自适应稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵,在区域增长过程中的匹配窗内计算其纹理数量,然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时,该匹配窗就能够表征该匹配窗中心点的特征,因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。     

一种改进的Harris特征点匹配算法

针对Harris特征点匹配的精度低和效率不高的问题, 提出了基于Harris特征点匹配的改进算法. 首先对Harris特征点的提取方法进行了改进, 减少了伪特征点的提取. 然后利用改进的双向最大归一化相关系数匹配的方法提取初始特征点对, 最后用改进的随机采样一致法来剔除伪特征点对, 实现特征点对的精确匹配. 实验结果表明, 该算法不仅提高了特征点匹配的精度, 而且极大地提高了特征点匹配的效率.     

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.