自适应对比度阈值SIFT算法研究

SIFT(Scale Invariant Feature Transform)算法剔除掉对比度小于给定阈值的候选特征点,认为这些点是不稳定的,但是并没有普遍适用的阈值;固定对比度阈值SIFT算法提取的特征点数目,随着图像对比度的降低而急剧减少,并且整幅图像采用一个固定的阈值,会造成特征点的分布不均匀,无法满足图像高精度匹配的需求;因此需要根据图像人工调整对比度阈值;但是人工调整阈值不能够实现图像的自动匹配,满足不了无法进行人工干预的场合。因此为了提高基于SIFT图像匹配算法的精确性和自动化水平,提出了一种根据特征点局部邻域内的灰度信息,确定对比度阈值的方法,用于改进SIFT算法,并将改进后的算法用于图像匹配;实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,能够很好地适应图像对比度的变化,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性。     

基于HCA与KAZE的铁路路基GPR图像配准算法

针对铁路路基探地雷达(GPR)检测需要较高精度与时效性的要求,提出一种基于直方图曲率分析(HCA)与KAZE特征的图像配准算法。通过HCA进行阈值分割,提取图像高能量区域,以节约无效区域的配准时间。运用KAZE算法提取图像中的特征点,并根据快速近似最近邻搜索算法进行粗匹配。使用随机抽样一致性算法过滤匹配点对,优化特征匹配过程。实验结果表明,该算法对于存在病害差异、增益差异、地物差异的铁路路基多时相GPR图像均取得较好的配准效果,且配准精度比KAZE算法、ORB算法、SIFT算法明显提高,配准效率比KAZE算法提升8%以上。     

混合特征下最优阈值预测的图像匹配

针对单一特征条件下图像匹配率较低,以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题,提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点,然后利用纹理参数二阶矩自适应法得到最优阈值,并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明,提出的算法根据图像灰度分布自适应选取对比度阈值,能够增强图像细节信息且使提取的特征点数量稳定,在匹配过程中引入纹理向量作为约束准则,避免了相似区域的误匹配,对光照和模糊图像有较好的鲁棒性。     

基于图像增强的温室图像特征点提取

针对温室环境中,由于相机拍摄图像噪声大,光照不均匀,对比度较低等会导致ORB特征点较难提取或者提取较少,从而影响匹配效果的问题,提出了一种能够减少图像噪声,增强图像对比度的ORB特征点提取算法。首先,对温室图像进行高斯滤波去除图像噪声,然后使用对比度受限的自适应直方图增强图像对比度,增加ORB特征点提取数量。经过实验表明,提出的改进ORB算法对温室中ORB特征点的提取和匹配效果有较大提升。     

基于改进ORB 算法的图像特征点提取与匹配方法

针对传统ORB 算法阈值选取固定,存在误提取、误匹配,无法满足不同图像特征 点的准确提取和匹配的问题,提出了一种改进的ORB 特征点提取与匹配方法。首先设定局部 自适应阈值;然后通过像素分类,设计自适应阈值选取准则,达到ORB 特征点的精准提取; 最后在改进ORB 特征点基础上通过PROSAC 算法完成对特征点的匹配。实验结果表明,改进 后的方法对亮度变化具有较强的适应能力,计算速度和提取精度得到了提升。匹配总时间降低, 误匹配点对数量较少,正确匹配率较高,具有良好的准确性和实时性。利用匹配阶段得到的特 征点进行跟踪时得到的RMSE 误差较小,表明匹配精度得到了较大提升。和其他方法相比,具 有更好的环境适应能力和应用价值。     

矿井多视角图像拼接方法研究

针对煤矿井下监控图像视野范围较小、细节特征不清晰等问题,提出了一种矿井多视角图像拼接方法。首先,采用一种改进对比度受限的自适应直方图均衡化方法对图像进行预处理,以突出图像细节,提高对比度;其次,选用ORB算法提取图像特征点,采用改进的Brief算法计算特征描述子;再次,通过K最近邻(KNN)算法实现特征点对粗匹配,基于随机采样一致性(RANSAC)算法对误匹配特征点对进行筛选、消除,并求解最优透视变换矩阵,对待匹配图像像素点进行坐标变换;最后,采用帽子函数加权平均融合算法对固定图像和待匹配图像进行拼接融合。实验结果表明:ORB算法较尺度不变的特征变换(SIFT)、KAZE算法对于单张图像提取的特征点数分别减少48%,33%,提高了有效特征点提取能力,特征点提取耗时分别减少17%,34%,提高了计算效率;采用该方法拼接的图像避免了连接处的裂缝、黑线现象,图像过渡自然,清晰度高。     

一种动态跟踪尺度补偿的ORB特征点提取算法

在全景图像拼接背景下,深入研究图像特征点的提取算法发现,ORB算法比SIFT、SURF算法的执行效率更高,但ORB算法不具备SIFT、SURF算法的尺度不变性,为了确保图像匹配的准确性,文章提出了一种动态跟踪尺度补偿的策略,对ORB算法进行优化,实现成像效果和计算效率的改善,并分析了该思路的可行性。通过OpenCV视觉库进行实验,得出提取的特征点数量约是SIFT算法的2.44倍、SURF算法的2.24倍、原始ORB算法的1.47倍,验证了动态跟踪尺度补偿的ORB算法的可行性。     

改进ORB和Hough变换的指针式仪表识读方法

为了实现指针式仪表的自动识读,提出一种基于改进ORB（Oriented FAST and Rotated BRIEF）和Hough变换算法的指针式仪表识读算法。利用角点强化方法加强ORB算法检测的特征点,通过特征点匹配对计算模板图像与待检测图像之间的透视变换矩阵。利用数学形态学处理、阈值分割等图像预处理提取指针,并提出一种用于确定指针旋转圆心的基于ORB特征匹配对的相似特征三角形方法,结合投影法定位指针方向。利用指针细化算法和添加圆心约束的Hough变换算法检测指针角度。最后根据仪表的先验信息得到读数结果。实验结果表明该算法在识读速度和精度等方面都能够满足指针式仪表识读的要求,具有较高的可靠性和工程应用价值。     

一种改进的ORB算法在图像匹配中的应用

针对ORB算法提取的特征点阈值的选取存在人为干涉且对不同对比度的图像缺乏鲁棒性的问题,提出一种改进的ORB算法。本算法对FAST算法提取特征点进行了改进,首先对图像进行直方图均衡化实现对图像的增强,然后采用自适应阈值的方法,分别设置动态全局和局部阈值提取特征点,通过引用海森矩阵去除不稳定的边缘点。实验结果表明,该改进的算法能够实现特征点的精准定位,具有较强的抗噪能力,在实现图像配准应用中明显优于传统ORB算法。     

一种改进的Qtree_ORB算法

在视觉SLAM中,特征点的提取和准确的特征匹配对机器人的位姿推断具有重要作用。针对传统ORB算法特征点分布不均匀,容易出现簇集的问题和Qtree_ORB算法特征点过均匀等问题,提出了一种基于四叉树改进的ORB特征提取算法。对每层图像金字塔进行自适应网格划分,采用自适应阈值来进行特征点提取;根据每层图像金字塔所提取特征点数目对四叉树的划分深度进行限制,减少冗余特征点;设定最小阈值来减少低质量特征点的提取;在Mikolajczyk数据集上对改进算法的均匀度和匹配性能进行测试,在TUM数据集上对改进算法在ORB-SALM2系统中的精度进行测试。结果表明改进算法能够有效提高其均匀度,并且保持着较高的匹配精度;在ORB-SLAM2测试中,改进算法能有效改进SLAM系统的轨迹精度和漂移程度。     

基于多尺度角点的改进SIFT算法

重点讨论一种基于角点的改进SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)算法。该算法采用统一的低主曲率比值删除不稳定边缘响应点,把高斯空间中提取的角点加入到运用主曲率比值筛选后的SIFT特征点中。另外,在角点检测中,以图像区域方差来动态确定角点检测的阈值,大大提高了算法的适应性。实验证明,改进后的算法能提取更加稠密且高匹配的特征点,并且具有对主曲率比值不敏感的优点。     

一种基于SIFT和SUSAN特征的图像匹配方法

针对SIFT方法在角点检测上的不足,提出了一种基于SIFT和SUSAN混合特征匹配的自动匹配算法。算法应用SIFT和SUSAN两种具有互补特性的局部不变特征,利用SIFT方法检测空间极值特征点,利用SUSAN方法检测角点,结合两种特征点位置,利用SIFT方法生成匹配特征向量,最后根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,实现图像的配准。实验表明该算法有效,能够提高图像的自动匹配准确性。     

改进人工鱼群的ORB特征匹配算法

针对室内轮椅定位与地图构建中传统ORB（oriented FAST and rotated BRIEF）受到特征点检测与选取策略的影响导致特征匹配正确率不理想,提出一种改进人工鱼群的ORB特征匹配算法。使用改进后的FAST检测特征点,利用改进后的人工鱼群在组合优化问题中具有收敛速度快且易获得最优解的特点,在图像中计算出不同特征区域,根据特征点所在区域位置赋予其相应的状态,对不同状态的特征点选择保留或去除,使用汉明距离的RANSAC算法在特征区域之间进行特征匹配。实验结果表明,改进后的FAST在图像边缘处提取到更多的图像特征,在实际环境中改进后的ORB匹配算法平均正确匹配率达到了92.7%,比传统ORB平均正确匹配率高52.3%。     

面向近重复图像匹配的SIFT特征裁减算法

针对图像提取出的SIFT特征数目通常很大、无法精确控制,导致系统效率不高且不稳定的问题,提出一种SIFT特征裁减算法.通过对SIFT关键点的对比度和主曲率比加权来衡量其匹配能力;在定位关键点和计算关键点方向2个步骤增加对关键点的二次筛选,提取出设定阈值数目内对匹配最有效的关键点.实验结果表明,该算法能有效地控制SIFT特征数量,比已有裁减算法具有更高的匹配准确度;与原始未裁减算法相比,在保证匹配准确度的同时,大大提高了系统的效率和稳定性.     

基于改进SIFT算法的图像复制粘贴篡改检测

复制粘贴是一种常见的图像篡改方式,也是最隐蔽的图像篡改手段之一。SIFT是一种常用的匹配算法,同时也是一种较为有效的复制粘贴图像篡改检测方法。目前基于SIFT的图像篡改检测方法中,存在着匹配精度差及时间复杂度高等问题。为了克服这些问题,对SIFT算法进行了改进:针对阈值增大造成精确性差的问题,采用拟合优化的方法确定阈值,对SIFT算法中提取特征点的方法进行了改进;针对SIFT算法特征匹配阶段时间复杂度高的问题,采用基于K-D树的BBF搜索算法进行最近邻查询以实现特征点的快速匹配,对SIFT算法中的特征匹配进行了改进。实验结果验证了该算法的有效性。     

砂轮地貌双目图像特征点提取和匹配研究

特征提取和匹配是双目视觉中的关键点和难点。对SIFT和Harris两种特征点提取算法应用于双目砂轮地貌图像的角点检测进行了研究,通过对SIFT特征采用欧式距离进行匹配,对Harris角点采用零均值归一化互相关算法(ZNCC)进行模板匹配,采用RANSAC算法剔除误匹配特征点对。实验结果表明,SIFT算法在双目砂轮地貌图像上应用较Harris算法效果理想。     

ORB特征四叉树均匀分布算法

针对采用传统加速旋转不变性特征提取算法对图像进行特征提取时存在的特征点分布不均匀、冗余特征较多的问题,提出了一种ORB特征四叉树均匀化处理算法。该算法通过构建高斯图像金字塔,对每层图像进行八叉树网格划分,进而进行FAST角点检测;对较难提取的网格进行降阈值再检测,实现FAST角点自适应提取。根据角点进行四叉树划分,设计迭代算法计算节点;然后根据关键点的响应度,筛选出每个节点中最佳的关键点,从而大幅度降低冗余角点数。试验验证了所提算法得到的图像特征分布更均匀,且冗余特征明显减少,具有比传统算法更优越的性能。该算法可以用于不同研究领域,如视觉SLAM、三维重建、遥感超分辨率图像配准等对配准精度以及实时性要求较高的场合。     

基于角点检测与SIFT算法的快速匹配方法

针对复杂图像的快速匹配问题,提出一种新的基于Shi-Tomasi角点检测与SIFT算法的高精度快速匹配方法。该方法充分利用图像的角点特征、灰度和位置信息,采用SIFT算法中的特征描述方法进行图像特征描述,并用Ransac算法对匹配点进行校正和消除错误匹配,提高计算速度和可靠性。实验结果验证了该算法对于存在较大色差、形变等图像可实现精确快速匹配,其精度和速度都优于传统的匹配算法。     

基于图像几何特征点的仿射参数估计算法研究

平移、旋转和缩放等仿射变换参数的计算是计算机视觉、目标检测和模式识别领域的关键问题.对3类典型的基于图像特征点的仿射参数计算方案进行了研究与探讨,它们分别是利用SUSAN角检测器、Harris角点检测器和尺度不变特征变换(SIFT)提取图像特征点.针对传统算法对SUSAN和Harris角点进行匹配精度过低的问题,提出了一种新的基于Zernike矩的特征点匹配算法,对匹配的特征点对利用四参数仿射模型进行参数估计和求取.在此基础上对3种方案进行了深入分析和比较,得出SIFT特征点适用范固广、精度高,是较好的仿射参数求取工具.并通过具体的配准实验结果及在图像拼接中的应用证明了算法的有效性.     

改进的SIFT邻域投票图像匹配算法

针对传统图像匹配算法在几何差异场景下匹配精度低的问题,提出一种改进SIFT特征描述符和邻域投票相结合的图像匹配算法。使用8个邻域像素的平均值代替原始极值点,通过SIFT提取图像中的特征点,利用Sobel算子计算特征点的梯度幅度和方向,结合8个仿射形式的同心圆邻域生成64维描述符,根据欧氏距离确定初始匹配点,采用邻域投票的方法剔除错误的匹配点,实现图像的精确匹配。实验结果表明,该算法在显著提高匹配精度的同时缩短了匹配时间,对复杂场景的匹配性能明显提升。