基于GPU的SIFT特征匹配算法并行处理研究

SIFT算法因具有旋转、缩放以及平移不变性而在影像配准和基于影像的三维重建领域得到广泛应用。但该算法复杂度较高,在CPU上执行的效率不高,难以满足对实时性要求较高的应用。在深入分析SIFT算法原理的基础上,针对该算法提取特征的多量性和特征向量的高维性,将该算法进行了并行化改造以利用GPU强大的并行计算能力,并与CPU上实现的SIFT算法进行了比较。实验证明,基于GPU的SIFT算法执行效率大幅提升,平均可以达到10倍以上的加速比。     

3D imaging application in the studies of micro air vehicles

3D techniques are increasingly used in aerospace industry to improve quality and performance of aircrafts. This paper presents a 3D imaging technique for studying the aerodynamic shape and flight performance of micro air vehicles. 3D stereoscopic vision, based upon stroboscopic imaging, was utilized to obtain the 3D information of the aircraft's flexible aerodynamic surface. The aircraft models with deformable aerodynamic shape were designed and tested in a purpose-built wind tunnel experimental environment. After calculation of SIFT feature points and subdivision of triangular meshes, deformable surface of the aircraft's aerodynamic shape was represented. The aircraft's 3D visualization was used for analyzing unsteady deformation in the aerodynamic shape under external airflow disturbances. The results, together with aerodynamic forces measured in the experiment, will be useful to improve the flight performance and disturbance resistance ability of micro air vehicles.     

新型图像角度匹配方法及其应用研究

探讨了一种基于机器视觉的PCB自动装配线多焊盘实时定位方法。采用多分辨率图像金字塔匹配策略,利用模板图像与待搜索图像的灰度特性,使用圆投影匹配进行初始候选匹配点的选取,得到一系列的候选匹配子图;使用SIFT算法对候选匹配子图和模板图像进行特征匹配,确定对应匹配点,消除误匹配的候选子图;根据点的模式匹配,确定大致的旋转角度,使用重采样和插值的方法计算精确的旋转角度。实验表明,该方法可以准确、实时地实现目标定位。     

异视场多目标匹配跟踪技术

针对宽泛条件下不同视域场景多摄像机多目标的匹配跟踪问题,提出了一种基于纯目标的强鲁棒自适应SIFT（Scale Invariant Feature Transform）特征匹配算法。该方法为每个从视频图像中提取出的纯目标设置一个CamShift（Continuously Adaptive Mean Shift）跟踪器,利用自适应尺度空间因子提取目标的细节特征,采用基于BBF（Best Bin First）的双向匹配策略去除误匹配点,当目标的关键点数量太少,无法满足计算三维二次函数精确关键点位置时,构造了自适应尺度Harris角点检测法增补新点。通过对户外车辆、人员等在不同场景下的连续跟踪实验表明,本算法实时性好、自适应能力强,与其他算法相比,匹配耗时少,跟踪精度高。     

基于SIFT改进的图像拼接技术分析

为了保持较好的拼接性能同时提高运行速度,提出了一种基于尺度不变特征变换（SIFT）算法改进的图像拼接方法。首先通过图像配准方法介绍图像拼接的过程,其次详细描述同化核分割最小值（SUSAN）算法和基于SIFT描述子的特征匹配算法的处理流程,然后计算映射模型,其中包括获得配准图像和加权融合图像的方法,最后通过实验结果验证改进算法具有较高效率。     

采用改进尺度不变特征变换在多变背景下实现快速目标识别

提出一种改进的尺度不变特征变换(SIFT)算法,用于实现多变背景下的快速目标识别。首先,构建目标图像尺度空间,提取SIFT特征点并将其按大小分类,目标识别时只需比较同一类型的特征点。然后,由SIFT特征点子区域方向直方图计算得到4个新角度用于代表特征点的方向信息,并且在目标识别时根据角度信息限制特征点匹配范围,从而提高SIFT算法的运算速度。最后,计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征点匹配,从而有效地保证正确匹配数量,提高目标识别的鲁棒性。实验结果表明:当目标在待识别图像中发生局部遮挡、旋转、尺度变化或者弱光照等情况下,改进的SIFT算法能够完成多变背景下快速目标识别任务,平均识别速度提升了40%。     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

Agar-Gel Immunodiffusion Test for Rapid Identification of Pollock Surimi in Raw Meat Products

A test for the rapid identification of raw pollock surimi (TRIPS) was developed. This was an adaptation of previously developed field screening agar-gel immunodiffusion tests for speciation of meat products. It was specific for Alaska pollock surimi at 2% concentration and other surimis at higher concentrations, showed detectable sensitivity to surimi in meat at 2–4%, and was 100% accurate in detection in laboratory trials.     

基于SIFT特征点和交比值的水印图像抗攻击算法

为提高数字水印图像对常规信号和复杂几何攻击的抵抗能力,利用SIFT(scale invariant feature transform)特征点的稳健性和交比值不变特性,提出了一种数字图像顽健水印算法。首先,在原图像经过NSCT(nonsubsampled contourlet transform)变换后的低频子带系数中提取SIFT特征点并对其进行优化筛选,从中确定满足“近凸正四边形” 的系数区域作为水印嵌入的局部区域,然后利用事先设定好的一些交比值在各局部区域中确定要嵌入水印的具体系数,最后利用奇偶量化调制方法嵌入水印信息。与传统算法相比,在提取水印信息时无需对含水印图像进行几何逆变换。实验结果表明,该算法对常规信号处理及多种几何攻击具有较强的抵抗能力和顽健性。