基于拼接缝自适应消除和全景图矫直的快速图像拼接算法

针对图像拼接存在色差过渡不均匀、图像倾斜扭曲及拼接效率低的现象，提出一种基于拼接缝自适应消除和全景图矫直的快速图像拼接算法。首先，用尺度不变特征变换（SIFT）提取图像指定区域特征点并用双向K近邻（KNN）算法进行图像配准，有效提高算法效率；其次，利用动态规划思想提出自适应公式找到最优拼接缝并用图像融合算法对其自适应消除，解决拼接缝色差过渡不均匀问题；最后，针对累积拼接误差形成全景图倾斜的现象，利用边缘检测算法提出自适应拟合四边形矫直模型，把原始全景图矫直为一个全新的全景图。所提算法与分块图像拼接和二叉树图像拼接算法相比，图像质量提升了5.84%~7.83%，拼接时间仅为原来的50%~70%。实验结果表明，该算法不仅通过自适应更新机制减少不同图像背景下拼接缝色差过渡不均匀的现象，从而提高了图像质量；而且提高了拼接效率，降低了全景图倾斜扭曲程度。     

基于高光谱图像的改进SIFT特征提取与匹配

针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题,提出了一种基于高光谱图像的改进SIFT算法。首先,依据传统SIFT算法中高斯金字塔的构造思想,结合在不同波段下的高光谱图像具有相同宏观特征的特点,首次用高光谱图像作为原始算法中经高斯变换产生的图像,使得检测到的具有实际意义的特征点数量大幅增加;其次,传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符,而忽略了像素点的位置信息,文中将目标象元的位置信息纳入了特征描述符,在特征描述符的匹配阶段,在利用邻域范围内的像素信息进行粗匹配之后,利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明在限定最优值与次优值之比的情况下,采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量,更多地挖掘出图像中的极值点;在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据,正确匹配数量达到原方法的59倍以上,极大提升了算法的匹配性能。     

基于文本与语义相关性分析的图像检索

为了更加有效地检索到符合用户复杂语义需求的图像，提出一种基于文本描述与语义相关性分析的图像检索算法。该方法将图像检索分为两步：基于文本语义相关性分析的图像检索和基于SIFT特征的相似图像扩展检索。根据自然语言处理技术分析得到用户文本需求中的关键词及其语义关联，在选定图像库中通过语义相关性分析得到“种子”图像；接下来在图像扩展检索中，采用基于SIFT特征的相似图像检索，利用之前得到的“种子”图像作为查询条件，在网络图像库中进行扩展检索，并在结果集上根据两次检索的图像相似度进行排序输出，最终得到更加丰富有效的图像检索结果。为了证明算法的有效性，在标准数据集Corel5K和网络数据集Deriantart8K上完成了多组实验，实验结果证明该方法能够得到较为精确地符合用户语义要求的图像检索结果，并且通过扩展算法可以得到更加丰富的检索结果。     

基于尺度不变特征变换的车牌特征提取及BBF匹配方法

针对传统车牌特征提取及匹配不足,提出了基于尺度不变特征变换（Scale invariant feature transform, SIFT）的车牌特征提取及 (Best Bin First,BBF)匹配方法。通过构建车牌字符标准模板,采用SIFT算法提取标准模板和待检测车牌中每个字符的SIFT特征向量,主要包括车牌高斯差分(Difference of Gauss, DoG)空间极值点检测,去除边缘相应点和低对比点,确定特征向量的方向和生成车牌特征向量。利用BBF(Best Bin First )算法完成标准模板特征向量与待检测车牌特征向量匹配,并获取识别结果。最后给出实验分析,证明该算法的识别率。     

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%。     

基于计算集成成像的图像配准算法研究

计算集成成像是目前三维重构与显示领域的主流研究方向,是一种基于透镜阵列来获取和重现目标场景三维的技术,针对集成成像采集的子图特征点匹配问题,传统的图像匹配方法匹配点少、耗费时间长、容易产生局部极值等问题。为了获取更多的匹配点,在原有SIFT配准算法基础上进行了适当的改进,实现集成成像稠密的图像配准,较大地缩短了配准时间。     

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.     

结合RANSAC的SIFT算法在交通视频检测中的稳像技术研究

交通视频监控摄像头在大风条件下存在抖动问题,给后续的视频分析带来了困难。针对这一问题,文中首先介绍了3种相关方法：RANSAC、SIFT和最小二乘法。并在此基础上提出了一个视频稳像算法,实验证明该方法能较好地解决路面上的摄像头画面抖动问题。     

基于视频序列的图像拼接

为消除视频序列之间的冗余信息,以简单的摘要形式表达视频的主要内容,提出了一种基于视频序列的图像拼接方法。首先,采用改进的帧间聚类算法提取视频的关键帧;其次,利用SIFT算法提取关键帧的特征点,采用最近邻算法进行特征点匹配,通过引导互匹配法和投票过滤法提高匹配精度;再次通过RANSAC鲁棒估计算法得到所选帧间的单映矩阵,并使用LM非线性迭代算法对单映矩阵进行精炼。最后,利用级联单映矩阵结合加权融合算法实现了视频序列的无缝拼接,实验效果较为理想。