基于改进SIFT的室内全景图像配准算法研究

图像配准技术是计算机视觉领域的重要基础,SIFT算法作为高效的特征提取描述算法在图像配准领域有着广泛应用.为了解决传统SIFT算法在图像特征点提取中性能较低的问题,提出了一种改进的SIFT图像特征匹配算法.该改进算法在原始SIFT算法的基础上,优化了SIFT算法中构建高斯金字塔的流程,并采用BRIEF特征描述子替换SI...     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

基于SIFT算法的无人机视觉导航研究

针对无人机在飞控信道被阻塞和失去卫星定位信号的情况,研究了依靠自主视觉导航来提高生存能力的可能。图像特征信息的获取和匹配是建立图像间的对应关系、实现视觉导航的关键,基于SIFT算法对无人机俯拍图像进行了局部特征的提取、描述和匹配研究,实验结果表明了SIFT算法在无人机俯拍图像的景象匹配中的不变性和准确性,证明了该算法在无人机视觉导航中的应用潜力。     

基于FAST及SIFT算法的图像配准技术

基于快速实现两幅图像的精确配准,首先使用FAST算法检测得到图像特征点,通过非极大值抑制去掉多余特征点后,得到合适的特征点;引入SIFT特征描述子对特征点进行描述,去除大部分的离散点;通过计算特征点之间的欧式距离来实现图像特征粗配准;利用渐进一致采样算法进行图像精配准.通过实验证明了图像配准结果正确,准确率高,验证了算...     

一种基于改进SIFT算法的图像配准方法

给出一种改进的SIFT算法,并将该算法应用到图像配准中.首先,该改进算法结合Canny算子,去除影响匹配的边缘点.然后采用最近邻与次近邻之比来对96维描述子进行匹配.最后,采用随机抽样一致性(RANSAC)方法消除误匹配.实验结果表明,与原SIFT算法相比,该算法能够有效提高图像配准确度,并减少了10%左右的运算时间.     

一种改进的SIFT篡改检测算法

本文针对数字图像的复制粘贴盲检测进行了研究,传统的筛选特征描述部分不充分检测图像信息,基于统计分布特征和一致性约束理论提出了一种改进的SIFT篡改检测算法。首先,建立DOG尺度空间特征点检测方法以提取关键点。然后; 在主要方向生成的过程中基于最大色散方法选择,此外,该方法基于统计特征生成特征描述的精确坐标、尺度值、像素区域尺寸值、边界标记、边界角和曲率。最后,基于一致性约束新的匹配方法将介绍。实验结果为TPR值为98.03%,FPR值为7.99%,验证了本文提出的方法的可行性和有效性。该算法对篡改区域的平移、缩放和旋转有较强的鲁棒性。     

基于SIFT算法的多表情人脸识别

目前人脸识别系统在识别表情变化的人脸图像时识别准确率会降低,多表情人脸识别在人脸识别领域仍是一个热门的研究方向。本文采用SIFT算法对多表情人脸进行识别,在多表情人脸库上进行了两类仿真实验:实验一中对比了同一个人的不同表情的识别效果,实验二中对比了两个不同的人的相同表情的识别效果,实验结果表明SIFT算法能够克服不同人脸间的整体相似性并能有效提取出人脸的局部细节特征。对Jaffe表情库进行仿真实验,取得了当阈值T=0.35时对多表情人脸图像的正确识别率95.69%,实验结果表明,将SIFT算法应用于多表情人脸识别有巨大的潜在科研价值。     

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SIFT算法改进的图像匹配算法研究与设计

图像匹配是指将2个不同场景的目标或者背景进行匹配的一个过程,是实现复杂的智能图像处理的基础,图像匹配算法的准确性及效率直接关系到整个图像处理系统的性能.特征点提取作为图像匹配的一个关键,是实现图像精准快速匹配的前提,本文以目前应用最为广泛的,鲁棒性最好的SIFT特征点提取算法为基础,对其进行了改进,结合Harris算法有效地降低了图像匹配过程中的特征点提取时间,通过实验验证,该方法可以有效地提升图像匹配的准确性和效率.     

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

基于纹理特征的 SIFT 算法改进

针对 SIFT（Scale Invariant Feature Transform）算法中使用固定对比度阈值提出了改进方法。当红外图像纹理特征不明显时,算法所能提取的特征点数量会大量减少,影响后续利用特征点进行如图像匹配、目标识别等处理。而人工改变对比度阈值具有局限性,不适用于很多场合。因此提出了一种基于纹理特征的自适应对比度阈值的 SIFT 算法。所使用的纹理特征提取方法是灰度共生矩阵,鉴于灰度共生矩阵并不能直接应用的特点,因此提取了特征参数。在图像纹理的特征参数如角二阶矩较大时,调低对比度阈值,使得特征点数量得以提高。此算法经验证表明能够在图像纹理特征不明显的情况下依然提取出大量的 SIFT 特征点。     

基于改进SIFT算法的图像配准方法

针对SIFT(Scale Invariant Feature Transform)复杂算法, 提出一种改进的SIFT算法。首先, 该方法利用Canny边缘检测算法去除部分影响匹配结果的边缘点。然后, 对于原算法中128维描述子提出64维圆形邻域描述子, 提高了运算速度。最后, 采用最近邻与次近邻之比进行双向匹配增强了匹配结果的精确度。实验结果表明, 该改进算法可以有效提高运算速度, 而且提高了匹配准确率, 增强了算法的鲁棒性。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

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LPP和改进SIFT的copy-move篡改检测

图像的复制-粘贴篡改检测是图像篡改检测领域中的重要组成部分。本文基于SIFT算法以及LPP的降维思想,提出了一种新的篡改检测算法。本文在SIFT算法的基础上,使用LPP算法对SIFT算法生成的特征点以及特征向量进行降维。使得传统SIFT算法在实际应用中特征点数目过多、特征向量维数过高等缺陷得到了解决。并使用凝聚型层次聚类算法对相似的特征点进行聚类,完成了对图像复制-粘贴篡改区域的检测。在文章的最后,本文对哥伦比亚大学复制-粘贴图像库里的100张图片进行实验。实验结果表明,不管篡改区域后处理方式是拉伸还是旋转,本文算法都能比传统的SIFT、SURF、PCA-SIFT等算法生成更少的特征点数目和更低的特征向量维度,使得检测效率以及检测正确率得到有效提升。      

基于SIFT的图像建模算法研究

为解决飞行或航海模拟器中建模手段单一、真实感较差等问题,研究了基于SIFT的图像建模算法.该算法针对目前图像建模算法中存在的人工参入图像匹配负担较大问题,实现了基于尺度不变特征的图像自动匹配;针对重建物体视觉外观真实感较差问题,采用了图像融合算法首先对纹理图像进行处理,然后再进行纹理映射的方法.实验结果表明,算法具有较好的鲁棒性,生成的三维模型准确真实,较之以往算法具有建模简单、操作方便,真实感强的特点.     

基于改进SIFT算法的无人机遥感影像匹配

为解决无人机景象匹配导航及制导对匹配算法实时性要求较高的问题,对SIFT算法中的生成特征描述符环节进行改进,提出了以特征点为圆心构造同心圆环划分特征邻域的匹配算法;同时对匹配点对进行筛选,减小模型估计误差,提高精度。以大量的存在尺度缩放和角度旋转的遥感影像进行仿真,实验表明该方法在保持SIFT算法定位精度的前提下提高了算法的实时性。     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。     

SIFT改进算法在图像配准中的应用

文中对尺度不变特征变换(SIFT)算法进行分析研究,针对原算法中128维的高维描述子提出60维方形邻域描述子,统计邻域梯度信息.方形邻域描述子较原算法增加了邻域像素统计范围,增强了关键点的邻域信息;在配准阶段采用欧氏距离作为度量函数,用次临近与最邻近之比来对60维描述子进行匹配.通过实验证实,改进算法的匹配时间是原算法的30%～60%,配准精度与原算法相近,对于复杂图像的配准精度较原算法有所提高,适用于对实时性要求较高的图像配准场合.