基于KAZE特征匹配的指针式仪表自动读数方法北大核心CSCD

针对远距离多角度下的指针式仪表盘刻度模糊、表盘变形带来的自动识别困难,提出了一种基于KAZE特征的关键点匹配的表盘自动读数方法。首先针对每类表盘制作模板,然后分别提取待识别图像及其模板图像的KAZE特征,采用KNN进行关键点匹配,并通过RANSAC消除匹配错误的关键点。通过匹配结果得到表盘区域ROI,并根据ROI区域的直方图分布进行二值化和形态学处理得到边缘信息,采用概率霍夫变换拟合直线归类合并出指针直线,最终结合标注的先验知识得出读数。结果表明提出的方法很好的解决了远距离多角度下的表盘自动读数问题,在560个样本中,误差控制在一刻度之内的结果达到了96%以上,满足了实用要求。     

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。     

图象特征点提取及匹配算法

针对图像特征提取与匹配的适应性和准确性的问题,本文提出将尺度不变特征变换算法应用到图像特征点提取与匹配。算法首先采用SIFT提取图象的特征点及其描述,然后采用基于置信度的匹配算法进行特征点的匹配。通过对不同光照条件、焦距、拍摄角度的图像进行特征点的提取及匹配,实验结果表明,本文算法对图像的平移、旋转和仿射变换具有很好的适应性和准确性,可以进一步应用到图像识别,图像重建等领域。     

一种新的指纹特征点匹配算法

近年来,文献中报道了许多指纹匹配算法,它们各有不同的特点.提出一种新的指纹特征点匹配算法,通过指纹特征点匹配来实现指纹图像的匹配.这种算法通过采用圆形匹配限制框和简化计算步骤等方法,优化了Anil Jain和Xiping Luo等人的算法.对一组由扫描仪获取的指纹图像做实验,结果表明,该算法速度更快,精度更高,更适用于实时指纹识别系统.     

实时指纹识别系统的特征点匹配算法

近年来,文献中报道了许多指纹匹配算法.这里提出了一种新的指纹特征点匹配算法,这种算法识别速度更快,精度较高,适用于实时指纹识别系统.利用指纹的中心点来确定匹配参考点,并采用圆形匹配限制框进行匹配,提高了匹配速度和精度.对一组由扫描仪获取的指纹图像做实验,结果表明,该算法比以往算法速度更快,精度更高.     

面向大规模SFM的快速鲁棒特征跟踪算法

运动恢复结构(SFM)是指通过分析二维图像序列恢复三维结构信息的过程,在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分,但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足,为解决这一问题,提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先,采用AGAST进行特征点检测,并使用图像矩为AGAST特征定义主方向,为构造旋转不变的描述子奠定基础;其次,在差分高斯金字塔空间内,根据中心点与邻域像素之间的差值构造特征描述子,避免光照和尺度变化对特征匹配的影响;再次,为了提高特征匹配效率,对特征集合进行聚类,采用KD-Tree加速特征匹配,提高算法的时间效率;最后,采用4种方式对FRFT算法进行验证,并与现有经典算法进行比较。实验结果表明,FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。     

改进的抗全仿射尺度不变特征变换图像匹配算法

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题,本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进.借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配.结果显示,提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力,而且对视...     

二进制鲁棒不变尺度特征匹配电子稳像

针对捷联图像制导系统中视频序列受弹体姿态变化和抖动而出现的不稳定现象,提出了一种基于二进制鲁棒不变尺度特征关键点(BRISK)的高精度快速鲁棒电子稳像算法。首先,用BRISK算法提取图像BRISK特征描述符;为了保证匹配精度和速度,采用引导互匹配策略实现BRISK特征点跟踪匹配;然后,利用改进的随机抽样一致方法(RANSAC)剔除误匹配点对;最后,利用最小二乘算法(LSA)估计全局运动参数进而实现稳像。对标准图片的匹配测试和实拍视频稳像的结果表明:结合BRISK算法的电子稳像技术,运行时间小于30ms,定位精度达到0.1pixel,对光照变化、噪声以及复杂环境遮挡具有较强的鲁棒性,能快速有效地补偿捷联制导图像的复杂随机抖动并提高视频质量。     

基于改进SURF特征点的模板匹配算法

针对视觉中的目标识别问题,提出了一种基于SURF改进的模板匹配方法实现目标识别.传统的目标识别算法通常采用基于模板匹配的算法,其中基于SURF特征点的匹配算法被广泛使用,然而其实时性与匹配精度仍有待提高.基于SURF特征点进行改进,利用DAISY算法生成的描述子替代SURF算法中的描述子,并采用PROSAC算法进行误匹...     

一种新的实时指纹特征点匹配算法

近来指纹识别系统(AFIS)在很多领域中得到了广泛的应用.人们对指纹识别算法的研究也日渐增多.提出了一种适用于实时指纹识别系统的特征点匹配算法.这种算法通过采用圆形匹配限制框和简化计算步骤等方法,优化了Anil Jain和Xiping Luo等人的算法.对一组由扫描仪获取的指纹图像做实验,结果表明,我们的算法速度更快,精度更高,更适用于实时指纹识别系统.     

应用尺度不变特征变换的多源遥感影像特征点匹配

针对多源遥感影像之间灰度值非线性变化导致特征点匹配率大幅度下降的问题,提出了一种利用光谱信息的多源遥感影像特征点匹配算法.首先,以光谱信息对遥感影像波段进行线性拟合,使待匹配影像与参考影像之间的灰度值由非线性转变为线性或者近似线性变化.接着,在拟合的遥感影像上采用改进的尺度不变特征变换(SIFT)算法进行匹配.最后,采用随机抽样一致性算法剔除误匹配点对.与常用特征点检测算法(SIFT,梯度位置朝向直方图(GLOH),RS-SIFT)的对比实验结果表明,本文所用的ETM+影像全色与多光谱影像的特征点匹配率提高了4％左右,CBERS-02B和HJ-1B卫星多光谱影像的正确特征点匹配个数增加了8对.因此,在多源遥感影像特征点匹配中,本文所提算法优于其它检测算法,可以极大地改善匹配效果.     

用于遥感图像目标快速匹配识别的改进混合溢出树算法

提出一种基于标记的混合溢出树(SHSPT)特征匹配算法,用于遥感图像的目标匹配识别。针对特征数据建立和预处理,提出了基于中心点的数据分割方法,通过定义数据密集区域的中心,舍去边缘稀疏数据,提取出分割后的数据。进行特征匹配时,使用二进制数组表示数据空间,标记分割后的特征向量数据,通过比特操作计算特征向量间的距离,缩短计算时间。最后对特征匹配方法进行改进,采用待匹配特征距离的均值代替尺度不变特征变换(SIFT)匹配算法的次临近特征距离,从而得到更多的匹配点。实验证明,基于标记的混合溢出树特征匹配算法占用内存空间比传统的混合溢出树算法减少约68%,匹配准确度与原算法接近,匹配时间平均缩短了约32.8%,解决了航天遥感图像数据量大,特征维数较高,匹配识别时间长,占用计算机内存大等问题。     

基于灰度差分不变量的快速局部特征描述算法

提出了一种基于灰度差分不变量区域统计直方图的快速局部特征描述算法来解决传统灰度差分不变量特征描述子计算复杂、稳定性较差且包含的信息量较少的问题.采用低阶且具有微分几何意义的灰度差分不变量描述特征点以降低特征描述子的计算复杂度,提高特征描述子的稳定性;利用特征点邻域的灰度信息和区域信息提高特征描述子的信息含量,增强特征描述子的鲁棒性.将该算法应用于图像匹配.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化、较小视角变化和JPEG压缩等多种变换条件下,该描述子不仅能够取得较好的匹配效果,而且处理速度比尺度不换特征变换( SIFT)提高约2倍.     

基于角点检测的图像匹配算法

针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果.     

基于灰度的环形块匹配算法

为了实现从补块数据库中找出与去除缺陷的板材相匹配的补块,提出了基于灰度的环形块匹配算法。从去除缺陷的板材从中选取一窄圆环,并将其等分为几个小块,按顺时针对各小块进行编号,计算出各环形小块的平均灰度值,用各小块的平均灰度值代替单个元素进行匹配,降低了噪声的影响,增强了算法的抗干扰能力,提高了算法的实时性。实验结果表明,运用这一算法能快速而有效地找到最佳匹配补块及匹配位置,验证了该算法的可行性,为缺陷修补的机械加工提供了依据。     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

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。     

基于动态规划的分层立体匹配算法研究

动态规划是双目立体匹配的经典算法,针对控制点动态规划算法易产生横向条纹以及立体匹配普遍的边缘性和弱纹理区域问题,提出一种基于金字塔分层双向动态规划的改进立体匹配算法。该算法将分层模型加入传统动态规划方法,以低像素层级为高像素层级提供控制点集,并在匹配代价计算中采用一种自适应相关性测度函数,加以匹配代价滤波,提高算法精确度及实时性并获取高精度视差图。以Middlebury标准库中的图片以及实拍图片作为实验对象,实验表明所提出的方法具有较好的性能。     

自适应变尺度特征点提取方法

为了提高特征点匹配速度,设计了一种自适应变尺度构造图像金字塔的特征点提取方法。该方法采用FAST特征点数量作为尺度空间信息量的度量,利用相邻两层模糊图像的信息量差作为金字塔分层依据,通过调整尺度参数,使相邻图像间的细节特征均匀变化;并使用匹配点数量阈值控制金字塔的高度,设计利用"边匹配,边构造"的图像匹配策略来提高特征匹配的效率。最后,将所设计方法与SIFT、FAST、ASIFT三种特征提取方法进行比较。实验结果表明:所设计方法在变尺度条件下的正确匹配率可以达到43.59%,与SIFT相比提高了25.51%,提取的特征点在目标经历各种光照、角度等变化之后仍能正确表示目标。本文所设计方法根据目标图像特点自适应选择参数,不需要人工调整就可获得理想的匹配效果,能适应各种变化条件下的特征提取和匹配工作,并能提高特征提取和匹配效率。