结合亮度序局部特征描述的图匹配算法

在图匹配问题中基于松弛迭代的方法能否收敛到全局最优解在很大程度上依赖于初始值的估计,针对这个问题,提出了一种结合亮度序局部特征描述的图匹配算法。该算法首先利用Hessian-Affine方法提取图像的特征点及局部特征区域,以特征点作为图的节点并结合特征点的邻近关系构造结构图;其次,根据亮度序约束关系对局部特征区域进行子区域划分,利用改进的中心对称局部二值模式(CS-LBP)获取局部特征描述;最后,将局部特征描述之间的相似性作为图匹配关系矩阵的初始值,通过松弛迭代的方法获取特征点的准确匹配结果。实验结果表明该算法匹配准确率较高。     

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。     

一种快速有效的遥感图像场景分类特征

针对在遥感大数据中如何进行快速有效的场景分类,提出一种图像特征的构建方法.基于非监督学习进行快速二值编码,首先对图像局部训练样本利用非监督学习获取相应滤波器组,然后再使用二值化哈希编码方法对场景单元特征图进行量化,最后统计得到场景全局特征.实验结果表明,该特征描述结合了滤波器组和二进制特征描述子的优点,在保证较高分类精度的前提下,能够大幅度提升计算效率,具有较好的鲁棒性.     

基于余弦相似度的改进ORB匹配算法

针对ORB(oriented FAST and rotated BRIEF)在匹配多相似区域图像时误匹配率高的问题,提出一种基于余弦相似度的改进ORB算法.该算法首先通过汉明距离(Hamming distance)最近邻匹配,计算匹配特征向量的余弦相似度;其次通过梯度计算法计算余弦相似度的最优阈值范围;然后将汉明距离高...     

基于LDB描述子和局部空间结构匹配的快速场景辨识

提出一种新的基于局部差异二值(local difference binary, LDB)描述子和局部空间结构匹配方法实现快速场景辨识,运用多重网格密集采样得到图像区域的灰度和梯度信息,比较网格间的灰度和梯度进行二值描述,继承了二值特征提取的快速和低存储的优点。通过构建特征点的局部空间分布约束,将局域内的多点匹配取代单点匹配,排除了大量错配点,提升了匹配的准确率。试验表明,本研究方法计算效率约是尺度不变特征变换(scale-invariant feature transform, SIFT)的2.7倍,加速稳健特征(speeded up robust features, SURF)的1.9倍,充分验证了本研究方法的有效性和识别性能。     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

双目相机和激光雷达的融合SLAM研究

针对基于图优化的激光SLAM算法在高相似度的场景中闭环检测出错的问题,提出使用双目相机进行闭环检测的方法. 使用加入旋转不变性的FAST特征点和BRIEF描述子进行双目深度估计; 引入局部地图的概念,使用单帧激光雷达数据与局部地图进行匹配,提高SLAM前端的精度. 使用基于词袋(bag of words,BOW)模型的k叉树字典评估图片相似度从而完成闭环检测,最后构建全局优化问题并求解. 与主流开源激光雷达SLAM算法的对比实验表明,研究内容改善了只使用激光雷达数据进行闭环检测的方法在相似度较高场景下失效     

一种高效的图像局部特征匹配算法

文章提出了一种高效的图像局部特征匹配算法。在特征描述子构建阶段,提出基于梯度的距离和方向直方图(gradient distance and orientation histogram,GDOH)算法,其特征向量维数仅是SIFT和GLOH描述子的一半,然而却具有与SIFT和GLOH相当的性能;在高维特征空间最近邻搜索阶段,提出基于子向量的索引结构(indexing sub-vectors,ISV),ISV算法比BBF(Best Bin First)算法具有更高的搜索精度和更快的搜索速度。实验结果证明文中提出的图像局部特征匹配算法(GDOH+ISV)比目前广泛使用的Lowe的算法[12](SIFT+BBF)更加高效。     

基于点线特征的快速视觉SLAM方法

为了提高RGB-D相机同时定位与地图构建（SLAM）系统在弱纹理场景下的定位精度和鲁棒性,提出快速的基于点线特征的SLAM方法. 在非关键帧的追踪过程中,基于描述子进行点特征匹配,基于几何约束进行线特征匹配;当插入新的关键帧时,计算线特征描述子以完成关键帧间的线特征匹配,并利用线特征三角化算法生成地图线. 通过降低线特征匹配过程运算量来提高SLAM系统的实时性. 此外,利用线特征的深度测量信息构造虚拟右目线段,并提出新的线特征重投影误差计算方法. 在公开数据集上的实验结果表明,与ORB-SLAM2等主流方法相比,所提算法提高了RGB-D SLAM系统在弱纹理场景下的定位精度;与传统点线特征结合的SLAM方法相比,所提算法的时间效率提高了约20%.     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于半色调图像的邻域相似性描述子方法

局部二值化模式是对局部信息进行特征提取,适合解决纹理特征不明显的图像特征提取问题,但这种方法存在特征维数高的问题。针对此问题,提出一种适用于半色调图像特征提取的邻域相似性描述子方法。该方法将8个邻域分别与中心像素值进行比较运算,然后求这8个运算值间的相似性指标。相似性指标的统计量进行归一化后作为图像的纹理特征向量。试验中,采用BP神经网络对提取图像特征进行分类试验。试验结果表明,在计算复杂度、识别精度等方面,本研究提出的方法优于单纯使用局部二值化模式算法。     

抗模糊的图像局部特征描述子

针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。     

余弦相似度保持的掌纹识别算法

掌纹识别作为一种新兴的生物特征识别技术,具有识别率高、特征稳定等优点。传统的基于手工提取特征的掌纹识别算法使用先验知识提取掌纹主线和细节点,存在可扩展性低、提取图像特征困难、无法挖掘数据的隐藏信息等问题。为了解决这些问题,本文提出了一种基于学习的掌纹识别算法。首先提取掌纹图像的像素值差向量(Pixel Different Vector,PDV)特征。然后,通过余弦相似度保持模型,同时学习PDV特征的二进制表示及其映射函数,以减少PDV特征的信息冗余。最后,为了处理掌纹位置偏移和光照变化等噪音,将学习得到的二进制特征编码成直方图描述子。在3个广泛使用的掌纹数据库上的实验结果表明,所提出的算法能更好地挖掘掌纹图像的内在特征,有效地提高掌纹识别精度。