基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

蒙特卡罗估计改进Hausdorff距离的景象匹配方法

针对可见光与红外图像差异较大导致的匹配困难的实际问题,提出了一种基于蒙特卡罗估计改进Hausdorff距离（MCM-HD）的景象匹配方法。该方法在MCHD的基础上,使用蒙特卡罗方法来估计改进的Hausdorff距离（M-HD）,并定义了MCM-HD,即采用随机抽样的特征点子集来计算M-HD,从而有效地减少了计算量。为了提高匹配精度,采用分层MCM-HD与Nprod相结合的方法,在求出距离最小k个点之后采用Nprod相似性度量得出最终匹配位置。与MCHD算法相比,该算法有效提高了匹配精度,同时缩短了匹配时间。     

分块多项式确定性矩阵SIFT图像配准算法

针对尺度不变特征变换(SIFT)算法在关键点(即尺度空间稳定的极值点)特征描述向量计算复杂且维数较高,以及多项式确定性矩阵测量数取值受限等现象,提出一种分块多项式确定性矩阵的SIFT图像配准算法。通过压缩感知的稀疏表示方法,将SIFT提取的高维描述子向量降维到低维的稀疏特征向量,降低了关键点描述向量维度,并采取欧氏距离对图像关键点特征描述向量进行相似性度量。与传统算法的针对性比对分析表明,改进算法有效提升了配准精度,增强了实时性。     

一种改进的基于SIFT特征的快速匹配算法

对SIFT特征匹配算法进行改进,采用D2OG金字塔的过零点检测代替DOG金字塔的局部极值点检测,建立DOG金字塔后,利用DOG金字塔相邻层相减得到D2OG金字塔并在其上进行过零点检测;采用改进RANSAC算法二次消除错配,匹配点对经过RANSAC算法筛选后,再次利用RANSAC算法对匹配点对做进一步筛选.实验表明,改进的SIFT特征匹配算法在保证了较高精度的同时提高了算法的速度,能适应于实时性要求较高的领域.     

基于相关系数的相关匹配算法的研究

本文分别从减少相关系数计算运算量和减少搜索点数量这两个方面对以相关系数作为相似性度量准则的相关匹配算法进行改进。实验结果表明:改进后的算法,在不失其匹配精度条件下,克服了其运算量大的缺点,从而满足图像匹配系统的实时性要求。     

遥感图像目标的定位算法

为了快速准确地完成遥感图像目标的定位,提出了一种可靠的目标定位算法:在基准图像确定和遥感图像预处理之后,对图像进行小波分解,在低分辨率图像中利用SIFT算法检测斑点特征和小波高频系数检测角点特征,并采用SIFT描述子描述特征;特征匹配时加入方向约束,分别匹配两种类型的点特征;对于特征匹配后得到的两个图像变换模型进行相似性判断,以此保证配准结果的可靠性,若是结果可靠则解算出遥感图像目标在基准图像中的位置。实验结果表明,本文的目标定位算法拥有良好的实时性、可靠性和可行性。     

基于信息熵的改进SIFT图像快速匹配算法

针对传统的尺度不变特征变换(SIFT)算法计算相对复杂、匹配耗时较长无法满足工程上实时计算要求的问题,提出一种基于信息熵的改进SIFT图像快速匹配算法.首先,根据局部熵自适应选择分割阈值把测试图像和参照图像分割成不均匀的两个区域,采用高熵区域做特征点检测,提高特征点的检测效率;然后利用每个子区域的梯度方向信息熵和梯度幅值信息熵把描述符向量的维度从128维降低到50维,降低欧氏距离的计算复杂度;最后,用最近邻距离比值法完成特征点匹配.通过实验对比发现改进的匹配算法在降低算法复杂度和提高正确匹配率的同时,显著地缩短了匹配时间.     

改进型形状上下文的工件立体匹配方法

为了解决传统形状上下文直方图相似性计算需遍历轮廓采样点、计算复杂性高、不能满足工业实时性要求的问题,提出了一种改进型形状上下文的工件立体匹配方法。改进匹配搜索策略,引入立体图像对质心的视差约束条件,并利用形状上下文直方图分布信息进行初步筛选,获取候选匹配点集,减少后续匹配计算复杂度;为增加匹配点与非匹配点的区分度,对形状上下文相似性度量进行加权处理;匹配时融合对应轮廓采样点33邻域的梯度方向直方图特征,与形状上下文构成联合相似性度量;最后采用随机抽样一致性算法剔除误匹配点对。对改进算法进行了理论分析,并应用于工件图像进行实验验证,通过实验给出了相应的实验对比。结果表明,改进的方法具有较高的匹配精度和更快的匹配速度,鲁棒性高。     

一种基于双预筛选改进的SIFT图像立体匹配算法

针对传统尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法.首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位.针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算.实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+ RANSAC算法,特征点的检测时间平均减少11.7％,总运行时间平均降低10.7％,正确匹配数平均提升2.8％;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性.     

基于FPGA并行处理SIFT算法特征点检测

由于SIFT算法计算量大,以至于不能够应用于实时性要求高的领域。为了使SIFT算法满足实时性的需求,详细阐述了SIFT算法中特征点检测与梯度计算硬件实现过程和系统架构,并且对SIFT算法进行相应的改进,使其适合FPGA并行处理特性。最后利用Altera公司Cyclone III系列芯片的硬件平台测试SIFT算法硬件部分的计算时间和匹配性能,并且与DSP实现的SIFT算法进行性能上的比较。结果表明,FPGA实现SIFT算法具有实时性高,匹配性能好的特点。     

基于改进Harris角点检测算法的遥感影像匹配研究

本文基于改进Harris角点检测算法,对遥感影像匹配采用优化的Harris算子方法进行了研究.根据高分辨率遥感影像特点,提出了一种新型的影像匹配方法,其中充分融合了SIFT描述符和Harris算法.结果显示,该影像匹配方法能够得到高分辨率遥感影像匹配效果,并且与传统方法相比其还具有旋转不变性特征.本文算法在提高匹配速度的同时,匹配精度只发生了较小的降低.相对于基于SIFT的匹配方法,本文匹配方法在特征点匹配上耗时较少,匹配精度比SIFT匹配方法提高了4.18个百分点.     

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。     

三维特征点距离特征集合求交匹配算法

对于使用锥束CT分区成像的物体,要得到其完整的三维图像,需要对各分区重建图像进行三维拼接。作为基于特征的三维拼接算法中重要的步骤之一,特征点匹配是要对图像重叠区域中检测到的特征点建立对应关系。针对目前三维SIFT特征匹配算法对于相似特征误匹配率较高的问题,提出基于三维特征点空间关系的三维特征点匹配算法:距离特征集合求交法。该算法使用求取简便的特征点三维距离特征作为特征描述符,避免了扩大特征信息统计范围时巨大的计算消耗问题,然后在匹配过程中设计了距离特征集合求交的相似性度量方法,解决了以往基于空间关系方法中特征矢量各项元素不对应的问题。实验证明:该算法在图像存在大量相似特征的前提下,能够有效提高三维特征点匹配的匹配正确率。     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

基于改进的SIFT和RANSAC的图像拼接技术

为解决图像拼接技术中特征点冗余的问题,该论文提出一种基于SIFT(尺度不变特征变换)的改进算法,该算法在标准的SIFT算法基础上加上筛选规则,通过结合特征点与欧氏距离的关系自动优选特征点,根据欧氏距离设立距离等值区间,统计区间特征点数量,运用双阈值(特征点阈值、距离筛选阈值)选择较好的匹配点后再用RANSAC算法消除误匹配点。利用客观图像质量评估指标分析,实验表明,改进后的算法减少了特征点的数量,提高拼接图像质量。     

基于SIFT算法在遥感图像匹配中的应用研究

针对遥感图像在光照和几何差异等复杂因素上引起的匹配误差,深入研究了SIFT特征描述符的改进方法.利用特征点圆形区域来构造特征描述符,采用自适应量化策略用来局部区域的划分和梯度直方图的计算,并对每个描述子采用一种插值法重新确立主方向,改进SWT算法的描述符.降低特征点维数的同时,又保证特征点描述符的独特性和鲁棒性.研究结果表明,改进的SIFT描述符在遥感图像几种复杂环境下都取得了预期的结果,证实了改进算法的可行性.     

基于改进SIFT算法的汉字图像匹配

根据汉字图像的特点,提出一种改进的SIFT算法。该算法将特征点算子的维数进行降低以减少计算量,并且增加描述子的像素范围以增加匹配精度,由于汉字结构的特点,旋转会产生错误的匹配,所以取消SIFT的旋转不变性。实验结果表明,与标准SIFT算法相比,改进的SIFT算法在时间上及提高文字图像匹配的准确率上都有所提高。     

基于SURF算法的产品表面缺陷检测研究

针对产品表面正确性的快速自动无损检测问题,提出了利用垂直投影法确定旋转步长来获取序列图像的方法,并将一种针对尺度旋转不变性（ SIFT）改进的 SURF算法应用到此方面,该算法通过计算积分图像和 Hessian矩阵大大提高了特征点检测的速度,节省了图像匹配时所用的时间,并提高了算法的实时性。首先通过确定旋转步长来获取标准序列图库,其次通过 SURF算法寻找最优匹配位置,最后通过相关度的计算来判别各区域是否有缺陷。实验表明,在对待检测图像和标准序列图像库中的 5幅图像匹配时 SURF算法比 SIFT算法大约节省了 2.6 s,显然,把 SURF算法应用于序列图像中匹配可以大大节省缺陷检测时所用的时间。     

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。     

基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理.核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法.本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准.实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准.