基于图像匹配的移动机器人导航研究

针对移动机器人导航过程中基于尺度不变特征变换(SIFT)算法图像匹配速度较慢,提出了基于减法聚类和特征描述符二值化的改进SIFT算法。通过减法聚类消除大量特征点中的冗余特征点,在不影响原SIFT算法稳定性的前提下有效降低了特征点数量,然后将生成的特征描述符进行二值化,依据Hash函数生成索引,以汉明距离作为度量准则。实验结果表明:与原SIFT算法相比,改进的SIFT算法中特征点数量下降30%~40%;匹配对数基本维持不变;匹配率上升6%~12%;匹配时间下降60%~70%。与基于颜色矩的改进SIFT分级图像匹配算法相比,改进的SIFT算法中特征点数量下降15%-25%;匹配对数基本维持不变;匹配率上升5%~10%;匹配时间下降45%~55%。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

基于SIFT的NSCT域抗几何攻击水印算法

目的针对基于尺度不变特征变换(SIFT)的抗几何攻击图像水印算法在图像匹配时容易产生误匹配,影响提取水印的鲁棒性,提出一种改进的SIFT图像水印算法。方法先对载体图像进行两级非下采样Contourlet变换(NSCT),利用中间值量化算法把水印信息嵌入低频系数的方向子带中。图像匹配时利用广义霍夫变换删除误匹配特征点对,提高匹配精度。根据筛选后的特征点匹配对估算几何失真参数,对含水印的载体图像进行几何校正并提取水印,从而实现水印的抗几何攻击。结果实验数据表明对原始特征点匹配对进行筛选后,至少提高了6.8%的匹配精度,提取水印的NC值平均达到0.9以上。结论文中提出的改进算法不仅对几何攻击和常规信号攻击均具有较好的鲁棒性,还能保证水印的不可见性。     

基于不变矩的图像匹配算法研究

机器视觉是智能信息系统的重要组成部分,而图像匹配技术是机器视觉理论和应用的基础,采用不变矩算法对图像进行匹配,通过矩的平移、缩放和旋转不变性,计算基准图不变矩与实时图不变矩之间的相似程度,从而实现图像匹配。实验表明,基于不变矩的图像匹配算法具有良好的抗几何失真的能力,匹配效果良好。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

良分布的多特征遥感图像自动配准算法

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于二阶矩显著性估算的局部不变特征提取

借鉴图像显著性区域的检测思想,提出一种基于局部二阶矩显著性估算的局部不变特征提取算法.利用二阶矩矩阵对尺度空间下局部图像的各向异性程度的估算作用,在图像尺度空间中对局部特征提取区域的信息显著性进行评估,并根据显著性进行局部不变特征的提取,提取出拥有较高显著性的局部不变特征,增加了匹配特征点对的数量和尺度跨度.真实图像实验证明,该算法在保持局部特征各种不变性的基础上有效地提高了特征提取和匹配算法的性能.     

基于线性不变矩和角度向量的立体匹配算法

针对室内场景双目立体匹配有别于一般场景立体匹配的特殊性,提出了一种计算简便、准确度高的立体图像匹配算法.该算法首先利用canny算子检测物体的边缘,根据边缘的线性不变矩寻找出目标物体,然后提取出目标物体轮廓的特征点,利用角度直方图计算出左右图像的旋转角度,最后利用角度向量实现左右图像的对应像素点的匹配.线性不变矩有效地将计算复杂度由二维降低到一维,大大降低了计算量.角度向量的提出降低了特征点匹配的复杂度,而且计算简便,准确率高.实验表明,该算法对图像的缩放、旋转、平移均免疫,具有较高的识别精度和良好的抗干扰性,计算效率高于传统方法,有着较高的应用价值.     

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91％。该算法适用于轮廓较明显的目标。     

Automated Fast Initial Guess in Digital Image Correlation

A challenging task that has hampered the fully automatic processing of the digital image correlation (DIC) technique is the initial guess when large deformation and rotation are present. In this paper, a robust scheme combining the concepts of a scale‐invariant feature transform (SIFT) algorithm and an improved random sample consensus (iRANSAC) algorithm is employed to conduct an automated fast initial guess for the DIC technique. The scale‐invariant feature transform algorithm can detect a certain number of matching points from two images even though the corresponding deformation and rotation are large or the images have periodic and identical patterns. After removing the wrong matches with the improved random sample consensus algorithm, the three pairs of closest and non‐collinear matching points serve for the purpose of initial guess calculation. The validity of the technique is demonstrated by both computer simulation and real experiment.     

运动模糊不变量研究

图像的运动模糊是摄像机在曝光期间与场景间相对运动而造成的图像退化,但现有算法对运动模糊的恢复精度有限.本文分析了图像运动模糊的退化模型,提出了运动模糊不变量的概念,证明了图像零阶矩、第一个Hu不变矩和SIFT为运动模糊不变量,并给出了测试和应用.结果表明运动模糊不变量是存在的,而且可以用于不确定性运动模糊图像的匹配和识别领域.     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.     

旋转不变纹理特征用于两级图像检索

针对图像中常见的旋转问题提出一种旋转不变纹理特征进行两级图像检索的方法。粗检中,通过坐标变换把图像的旋转转换为行移,并提取近似行移不变的小波特征,结合粗比较算法对整个图像库进行粗检。然后对通过粗检的图像进行 Gabor 变换,提取旋转不变精检索特征,并使用Canberra 距离进行相似性度量。通过对旋转图像库的测试表明,该方法不仅加快了运算速度,且当参数选择适当时,在相同特征条件下,检索率比直接使用精检索方法检索时还提高了 1.625%。     

基于尺度不变特征变换特征的显微图像在线拼接方法

为解决显微镜观测视野狭小的问题,提出了一种基于尺度不变特征变换(SIFT)特征的显微图像自动拼接方法.该方法充分考虑了显微图像采集过程以及显微图像自身的特点,通过一系列适用于显微图像拼接的算法,控制单幅图像拼接时间在1秒内,进而可以保证显微图像拼接随图像采集在线完成,同时,利用SIFT特征匹配准确度高的优点,可达到亚像素级的拼接精度.该方法拓展了显微镜的应用,尤其适用于生物和医学显微图像观测.     

于小波变换的等价图割SAR图像配准方法

为改进SAR图像匹配的稳健性和实时性,提出一种基于小波变换的等价图割SAR图像配准方法.该方法首先利用小波变换对图像进行分解,在低频子图像下构造等价图割,克服相干斑噪声干扰,避免NP困难,解决映射函数选取问题,从图像中分割出精确目标.其次利用尺度不变特征变换（SIFT）方法实现目标的特征匹配,降低搜索空间特征点描述,提高实时性.最后通过匹配关系找到变换参数,实现图像精确配准.实验结果表明,该方法能快速而精确地实现SAR图像配准.