基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

基于sift的简化算法下图像快速匹配

提出一种基于SIFT算法的简化特征匹配算法SSIFT(simplified Scale Invariant FeatureTransform),该算法采用基于圆形窗口的12维向量有效的表示一个特征点,同时在算法方面保留了原算法的旋转不变性、光照不变性等多项优点。实验结果表明,该算法在保持了较好匹配率的前提下,在场景不太复杂的场景下,实时性获得了很好的表现,适合于实时性要求较高的场合。     

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT特征匹配算法,解决了图像中存在多个相似区域时造成误匹配的问题。首先,在尺度空间检测出特征点;其次,生成特征向量,特征向量包含两部分：基于局部信息的SIFT向量和基于全局形状信息的全局向量;最后,采用BBF(Best Bin First)算法进行搜索,并采用欧式距离作为度量函数进行特征向量的匹配。实验结果表明：改进后的算法能够在更大的范围内表征特征点的信息,所用图像误匹配的概率由19%下降到了11%,改善了匹配效果。     

基于全局和局部特征融合的图像匹配算法研究

针对移动机器人视觉同时定位与地图构建过程中图像处理速度慢以及特征点匹配实时性和准确性差的问题,提出基于颜色特征和改进SURF算法融合的图像匹配算法。首先,采用颜色特征对图像序列进行粗匹配,选取与测试图像最相近的5幅图像作为待匹配图像;其次,改进SURF算法,用Krawtchouk矩对采用Hessian矩阵获取的关键点进行描述,计算关键点的梯度方向和幅值,得到新的特征向量,对待匹配图像提取改进SURF特征再与测试图像进行精确匹配,得到最佳匹配图像,此匹配算法提高了移动机器人图像处理的速度和精度。实验结果表明,改进算法的误匹配率降低10%左右,程序运行时间减少,在可靠性得到保证的同时适应于实时性应用。     

基于灰度匹配算法在图像处理中的研究

就基于灰度的图像匹配算法进行了分析并进行了实例运算,依据其匹配效果进行研究,得出基于灰度的匹配算法对图像具有较强的匹配能力的结论,为实际图像匹配的应用提供了参考.     

改进的SIFT特征提取和匹配算法

针对月球影像和尺度不变特征变换(SIFT)算法的特点,在改进SIFT特征提取算法的基础上,提出了一种稳健的图像自动匹配策略.首先,自动调整SIFT算法中的对比度控制系数,提高关键点提取的均衡性;然后,用SIFT描述向量之间的欧氏距离最小值与次小值的比值作为阈值,进行粗匹配,并利用匹配对主方向角度差直方图剔除部分伪匹配;...     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...     

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。     

一种基于图理论的非刚体形状匹配算法

提出了一种基于图理论的非刚体形状匹配算法.该方法在每次迭代过程中,先利用形状上下文算法获得待匹配形状点集的初始匹配,然后利用图理论剔除误匹配点,并估算匹配点集之间的TPS(thin plate spline)变换参数,再利用这些参数使待匹配点集相互逼近,最终实现非刚体的形状匹配.实验结果表明该算法提高了匹配的精度.     

图像局部特征的提取检测技术

对图像进行特征提取和分析,是图像匹配或物体识别的基础,详细介绍了几种目前较为流行的局部特征提取技术,并总结了各种方法的优缺点。     

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。     

SIFT特征匹配算法的研究

当前,SIFT算法在特征匹配研究中是比较成功的一种特征算法,因为它不仅对图像的旋转、平移、缩放能保持不变,对部分遮挡和对比度的变化也可维持稳定而被应用于图像立体匹配中。旨在介绍SIFT算法的基本原理,比较一些SIFT改进算法的优缺点,并指出今后发展方向。     

基于标记点的图像特征匹配的鲁棒算法

提出了基于标记点的图像特征匹配的鲁棒算法，该算法采用编码点和非编码点等标记点的方式。与已有方法相比较，该方法有两个主要特点：①首先用编码点的ID进行两幅图像间编码点的对应匹配，然后从已匹配的编码点开始，进行非编码点的匹配；②采用标记点的亚像素定位方法，提高了三维重建精度。实验结果表明，该算法既有非常高的正确匹配率，又有很高的三维重建精度。     

基于双目视觉的涡轮叶片型面特征提取及匹配

提出一种基于双目视觉的测量方法,通过投影文字图案形成叶片表面检测点,采用具有旋转、尺度不变的SIFT算子对左、右摄像机图像进行特征提取及匹配,并通过窄基线剔除法去除匹配后生成的一系列共轭像素点中的误匹配点,实现对涡轮叶片表面点云数据的高精度、低成本提取.实验结果验证了算法的有效性.     

基于SIFT算法的双目立体视觉中图像匹配研究

通过对双目立体成像基本原理的研究,依据立体匹配算法的概况,描述了一种基于图像特征值的匹配方法 (SIFT算法)。介绍了SIFT算法的特点、主要思想和具体实现步骤,并在MATLAB7.0环境下进行匹配模拟实现SIFT算法。仿真分析表明,SIFT特征匹配对的位置信息、方向信息和尺度信息都是准确的。     

模糊遗传图像相关匹配算法

针对遗传算法中交叉概率和变异概率所存在的问题，利用模糊推理系统来自适应估计交叉概率和变异概率，提出了基于模糊遗传算法（FGA）的图像相关匹配算法，并进行了大量实验研究，实验结果证明该方法对解决具有噪声情况下的图像匹配问题十分有效。