基于投影特征的快速图像匹配算法

针对传统的模板匹配算法存在的问题,提出了一种基于投影特征的快速匹配算法。该算法对图像进行投影得到一维投影特征。在搜索图投影计算的过程中,根据模板投影特征的极值,动态判定投影的灰度值,从而减少投影过程中非匹配区域的冗余像素的投影,运用KMP算法实现投影特征的快速匹配。在KMP快速匹配的基础上,进行NC归一化相关计算,得出精确的匹配位置。实验结果表明,该算法既能保证匹配精度,又提高了运算速度,是一种有效的算法。     

用于遥感图像目标快速匹配识别的改进混合溢出树算法

提出一种基于标记的混合溢出树(SHSPT)特征匹配算法,用于遥感图像的目标匹配识别。针对特征数据建立和预处理,提出了基于中心点的数据分割方法,通过定义数据密集区域的中心,舍去边缘稀疏数据,提取出分割后的数据。进行特征匹配时,使用二进制数组表示数据空间,标记分割后的特征向量数据,通过比特操作计算特征向量间的距离,缩短计算时间。最后对特征匹配方法进行改进,采用待匹配特征距离的均值代替尺度不变特征变换(SIFT)匹配算法的次临近特征距离,从而得到更多的匹配点。实验证明,基于标记的混合溢出树特征匹配算法占用内存空间比传统的混合溢出树算法减少约68%,匹配准确度与原算法接近,匹配时间平均缩短了约32.8%,解决了航天遥感图像数据量大,特征维数较高,匹配识别时间长,占用计算机内存大等问题。     

室内移动机器人导航系统研究与实现

实现了一种低成本高性能室内移动机器人导航系统。针对 Cartographer 算法使用激光雷达数据在室内 Long-Corridor 场景下建图的局部匹配错误导致定位不准的问题,使用扩展卡尔曼滤波融合激光雷达、里程计和惯性测量单元 3 种数据进行位姿估计,得到较为精准的定位,可有效提高建图精度;针对传统 AMCL 算法重定位耗时长的问题,采用基于扫描匹配的重定位方法,通过将当前 Scan 与 Submap 进行匹配,降低了扫描匹配方法的重定位耗时;针对 A * 全局规划算法路径搜索时间长、拐点较多的问题,提出一种改进 A * 算法,通过优化启发函数和增加拐角优化函数,缩短了算法搜索时间,同时去除了冗余拐点。结果表明,重定位耗时减少 80.43% ,改进 A * 算法搜索时间减少 22.79% 。     

基于吉林一号遥感图像的星载目标快速识别系统

针对传统遥感图像地面目标识别系统图像获取周期长,信息实时性差等问题,设计星载目标快速识别系统,用于卫星在轨快速识别,提出改进的基于快速视网膜关键点(FREAK)的特征匹配识别算法,解决遥感图像数据量大、背景复杂的问题。介绍了星载目标快速识别系统的工作原理,提出简化的FREAK特征提取模型,将原有算法的七层模型减少为四层,用于快速提取出遥感图像中目标特征;利用二进制量化空间将高维特征数据量化为二维数据,提高算法的准确度;最后通过匹配,快速识别出遥感目标。实验结果表明,识别算法的准确度平均提高2.3%,识别用时缩短约27.8%,满足遥感卫星在轨目标快速识别的要求。     

基于ORB特征的图像误匹配剔除方法研究

针对图像特征匹配当中存在明显错误匹配、匹配准确度较差的问题,对ORB算法和RANSAC算法进行了研究。ORB算法中,特征点的匹配是基于汉明距离进行的。在此前提下,提出了一种基于RANSAC算法的改进算法进行误匹配剔除。该算法通过增加粗剔除过程来剔除一部分错误匹配,然后利用RANSAC算法做了进一步剔除,同时增加了RANSAC算法中的初始样本集的数量并加以预判断,达到了降低RANSAC算法耗时的目的。最后利用多组图像对该算法进行了验证,实验结果表明,该算法可以有效剔除误匹配,提高图像特征匹配的准确度,并且具有旋转不变特性和噪声抑制特性,同时也保证了ORB算法的匹配速度。     

基于STEP-NC的相交特征识别技术

为有效识别2.5维相交特征,提出一种新的基于图和痕迹的相交特征识别算法。该算法首先对零件模型进行处理,提取加工特征面,识别时只考虑加工特征面,降低了零件图的搜索空间且不影响特征识别的正确率;通过建立相交特征拆分因子队列,并采用自动计算和交互式相结合的方式确定最优依赖特征面,能够比较准确地分离相交特征;根据特征基面对STEP-NC定义的制造特征进行编码,相对于子图匹配和规则匹配,该方法能够快速和有效地匹配特征。通过具体实例验证了算法的有效性和可行性。     

双目立体视觉测量方法研究

提出了一种简易快速的特征点提取算子，并与经典算法作了实验对比，证实了所提算法简单、有效、可靠，对外界光照条件具有较强的适应性，且抗干扰能力强。在进行特征点匹配时，在现有约束条件的基础上，提出了基于被测物体形态与摄像机相对位置的视差范围约束，根据视差方向性并采用动态搜索方法来缩小匹配点的搜索范围，从而提高了搜索速度，降低了错误匹配概率。通过对具有已知三维坐标标准件的计算机仿真实验，证实了所提出的特征点识别与提取及匹配方法是切实有效的。     

基于遗传算法的二维最大类间方差法的优化

针对经典的二维最大类间方差法存在时效性差的问题,提出一种快速实现方法。通过对原有的二维灰度直方图计算其边缘概率分布,将作为判别标准的离散度矩阵分解为2个一维类间方差之和,在保证原有鲁棒性的同时降低了算法的时间和空间复杂度。同时,与遗传算法相结合,加快寻优过程,且遗传过程中可以自动调节遗传控制参数,避免早熟。实验证明其运算速度提升约50%。     

基于区域分块与尺度不变特征变换的图像拼接算法

针对图像匹配算法计算量大,实时性差的问题,提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域,利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后,通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明,该算法减少了传统SIFT算法的大量无用搜索,改善了图像的几何失真,降低了算法复杂度,提高了图像匹配的速度,在保证90%以上的匹配准确率的基础上,计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。