基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

融合深度信息的判别式相关滤波跟踪

针对传统的目标跟踪系统中,采用判别式相关滤波(DCF)视觉目标跟踪算法存在的精度和速度不平衡以及有遮挡时容易丢失目标的问题,将距离传感器量测的目标深度信息融入DCF框架,设计了一种基于深度-DCF算法(D-DCF)的跟踪系统。系统做出以下改进:(1)采用激光测距仪量测当前帧目标深度,而后基于恒定加速度模型,预测下一帧目标深度;(2)利用预测深度构建目标位置置信度判别式,提高跟踪准确性;(3)引入基于预测深度的自适应尺度因子,降低尺度滤波层级,提高尺度精确性和算法实时性。为说明所提方法的有效性和广泛通用性,以DSST和ECOHC两种具体算法为基础进行实验。结果表明:在有遮挡、背景复杂、目标运动的情形下,基于改进算法的跟踪系统跟踪概率更高、速度更快,与使用原算法的系统相比没有出现目标丢失现象。     

基于不变特征描述符实现星点匹配

为了能够在星图存在旋转角度情况下,自动快速地完成星图匹配,提出了一种基于不变特征描述符的旋转不变匹配方法,将加速鲁棒特征(SURF)描述符应用于星点特征的描述和匹配。首先,对星图进行图像分割,抑制非极大值,并检测星点;然后,为计算星点分布尺度因子s,在半径为6s的圆形邻域内为每个星点计算主方向,之后将20s×20s的邻域与主方向对准,并在该邻域内为每个星点计算SURF描述符。最后,基于透视投影模型的匹配策略,提纯星点,计算匹配星图之间的变换矩阵。实验结果显示,该方法能够鲁棒地提取星点,并在图像存在旋转、平移及部分视角变化的情况下完成星图匹配,仿真实验的匹配星点的误差均在1pixel以下,实拍星图实验的匹配星点的误差均在1.5pixel以下,表明为每个星点建立描述符,进行匹配识别的思路是可行的。     

不同局部邻域划分加速鲁棒特征描述符的性能分析

研究了加速鲁棒特征(SURF)描述符的局部邻域划分方法,以降低该描述符的维数,提升基于SURF的图像匹配算法的匹配速度和鲁棒性.参考尺度不变特征变换(SIFT)描述符和SURF描述符已有的各种邻域划分方式,将SURF描述符的局部邻域分为栅格状(原SURF划分方式)、三角形和扇形进行分析.首先,分析了图像的尺度和旋转变化对这3种邻域划分方式描述符匹配性能的影响;然后,提出了构建三角形划分和扇形划分SURF描述符的方法;最后,进行了匹配实验,对8种不同划分方式的SURF描述符进行了比较.结果表明:扇形划分SURF描述符的性能要优于三角形划分和栅格划分SURF描述符,其中6扇区、8扇区、12扇区及三角形划分的SURF描述符的性能均比SURF描述符有一定程度的提升,描述符的维数与原SURF描述符(64维)相比分别低了40维、32维、16维和32维.     

基于SIFT的自动匹配策略

为了实现图像的自动匹配,提出了一种新的SIFT匹配策略.首先,给定一个基本的欧式距离最小值与次小值的比率值,对SIFT特征对进行判断,得到粗匹配集合.然后,统计粗匹配对的主方向角度差直方图和最小欧式距离直方图,以主方向角度差落入直方图峰值所在邻域和最小欧式距离小于直方图主峰所对应的距离值作为匹配条件进行精匹配.最后,统...     

自适应对比度阈值SIFT算法研究

SIFT(Scale Invariant Feature Transform)算法剔除掉对比度小于给定阈值的候选特征点,认为这些点是不稳定的,但是并没有普遍适用的阈值;固定对比度阈值SIFT算法提取的特征点数目,随着图像对比度的降低而急剧减少,并且整幅图像采用一个固定的阈值,会造成特征点的分布不均匀,无法满足图像高精度匹配的需求;因此需要根据图像人工调整对比度阈值;但是人工调整阈值不能够实现图像的自动匹配,满足不了无法进行人工干预的场合。因此为了提高基于SIFT图像匹配算法的精确性和自动化水平,提出了一种根据特征点局部邻域内的灰度信息,确定对比度阈值的方法,用于改进SIFT算法,并将改进后的算法用于图像匹配;实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,能够很好地适应图像对比度的变化,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性。