图像特征匹配中一种高效的鲁棒估计算法

在图像特征匹配过程中,误匹配不可避免。提出一种新的基于拓扑约束（顺序约束和仿射不变约束）的外点去除算法,用于快速地去除图像粗匹配结果中的误配点。该算法 对随机采样集进行拓扑过滤,只对满足拓扑约束的采样集进行计算。实验表明,该算法相比于传统的鲁棒估计算法RANSAC和改进的PROSAC算法,大大提高了计算效率并保持很高的 计算精度,有助于提升图像匹配性能及3维重建的精度和鲁棒性。     

一种用于图像匹配的快速有效的二分哈希搜索算法

文章针对高维图像特征的匹配问题,提出一种新的二分哈希搜索算法(Dichotomy BasedHash,DBH)。对具有大尺度旋转、缩放、视点和噪声变化的图像进行匹配,结果表明DBH可以较大提高最近邻搜索精度和查全率-查错率性能,从而获得较好的图像粗匹配结果。该算法搜索性能优于BBF(Best Bin First)算法,同时也比高维Hash搜索算法LSH(Local Sensitive Hash)更快更精确。     

图像特征匹配中一种快速关键维过滤搜索算法

为了解决宽基线多图匹配中匹配效率低和匹配精度不高的问题,使用经典的SIFT特征作为描述子,提出一种新的高维特征搜索算法．采用基于距离尺度的相似性度量准则,首先将图像高维特征集合分类,然后为每一个类建立B+Tree索引,最后在KNN(K Nearest Neighbor)搜索阶段应用基于关键维过滤的查找策略,实现高维特征的快速匹配．实验结果表明,与经典的BBF和LSH等KNN搜索算法相比较,关键维过滤搜索算法具有更高的搜索效率和搜索精度,有助于提升宽基线多图匹配性能．     

无序多视图分类及其有序化技术

无序图像分类问题是多视图匹配、三维重构、图像检索等应用的基础研究。提出一种新的相似度度量准则,准确划分场景相关图像和非相关图像;接着在通用匹配算法的基础上,提出试探匹配算法和种子扩散算法2种加速策略,显著提升了无序多图匹配及分类的效率,为三维重构等应用提供了更好的基础数据。     

面向高维图像特征匹配的多次随机子向量量化哈希算法

为了解决高维图像特征的高效匹配问题,提出一种新的基于多次随机子向量量化哈希(MRSVQH)的索引算法.该算法根据随机选择的若干子向量的L2范数对特征向量进行量化,并根据量化值对特征向量进行散列,构建出哈希索引结构;为了提高搜索精度,类似的哈希索引结构被多次构建.搜索时仅考察与查询向量有相同哈希值的特征向量集合,缩减了搜索范围.实验数据表明,与经典的BBF和LSH算法相比,MRSVQH算法在图像特征的最近邻搜索精度和搜索速度方面都有较大的性能提升,在图像匹配和图像检索的应用中具有优势.     

用于任意旋转角度景象匹配的圆投影算法

在分析、研究传统圆投影算法的基础上,提出一种扩展的圆投影算法用以解决传统圆投影算法引入的任意旋转角度景象匹配问题。该算法通过对匹配模板添加辅助点加以约束,可以实现旋转中心的准确定位,并且能快速准确地计算出旋转角度。实验表明,扩展的圆投影算法均能获得精确的匹配结果。