基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

PACS图像处理中SURF特征点提取算法实现

在PACS图像处理中经常会遇到分辨率和视野的矛盾问题。视野范围越大则分辨率越小,分辨率越高则视野范围越小。图像拼接技术可以有效地解决这个矛盾问题。图像拼接最终能否达到良好效果,最重要的一点就是选择一个鲁棒而快速的图像配准方法。首先介绍了图像拼接流程,然后详细分析比较了基于特征图像配准中不同特征点检测算法的优劣性。最后用C语言实现了SURF特征点检测算法,并用真实的PACS图像进行试验,验证了不同PACS图像特征点检测算法有效性。     

基于SURF特征点UCAV环境感知

环境感知是UCAV实现认知导航所需解决的关键问题之一.将SURF特征点检测与匹配引入到UCAV环境感知中.首先分析特征点检测方法,然后着重研究了SURF算法原理,最后仿真验证了SURF提取特征点鲁棒性,克服UCAV以图像作为感知信息时的多变性.     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于Sobel算子和改进SURF算法的图像拼接方法

针对基于SIFT算法的图像拼接算法计算量大、算法复杂、匹配效率低的问题,提出一种基于Sobel算子和改进SURF算法的图像拼接方法。首先采用Sobel算子快速检测图像兴趣点,然后利用改进的SURF算法进行图像匹配,采用随机抽样一致性算法消除错误匹配点。最后对图像通过加权平均法进行图像融合,消除拼接缝隙。实验结果表明,与基于SIFT算法的拼接方法相比,该方法具有较好的匹配精度,方法容易实现,且在匹配阶段具有更好的匹配效率,同时能够更好地处理拼接缝隙。     

基于Harris角点和改进SURF描述子的图像快速拼接

针对SURF算法计算量大、对应点匹配时间长的不足,以Harris角点取代SURF斑点作为特征点,改进了描述子生成区域的子块划分方式,使区域面积减小40%。同时,引入尺度因子s以弥补采样区域减小的影响,形成一种计算量小、独特性好的描述子。以该方法构造的角点特征矢量参与同名点匹配,可实现较好的匹配快速性和准确性。匹配完成后,分别使用RANSAC方法和L-M方法获取变换矩阵并进行非线性优化,最后根据图像的不同区域采用不同方法完成图像融合。实验结果表明,该图像拼接方法与传统SURF法相比,图像匹配时间可节约35%以上,整体图像的拼接时间可节约30%左右,大幅提高了图像拼接的效率。     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响.结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法.首先采用改进的三次 B 样条分别对两幅源图像进行边缘提取;然后利用 SURF 算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC 算法剔除误匹配点对,从而实现图像的匹配.实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性.     

一种基于改进ORB算法的图像特征匹配算法

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法思想,提出一种改进的图像特征匹配算法,首先构建图像Hessian矩阵及高斯金字塔尺度空间;然后利用非极大值抑制提取特征点;最后通过Hamming距离完成对特征点的匹配.实验结果表明,本文提出的算法在保留ORB算法实时性的同时很好地实现了图像特征匹配的尺度不变性.     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于相关区域约束的SURF特征点匹配

针对特征向量匹配计算量较大的问题,提出了一种改进的基于区域相关约束的快速鲁棒局部特征(SURF,Speeded-Up Robust Feature)的视频帧间的特征匹配算法。相比于最近邻与次近邻之比,增加随机抽样一致性估计来去除误匹配,再结合连续帧间的像素相关性,进一步降低误匹配和加速匹配过程。在PETS数据库的仿真结果表明,该算法能够在凌乱和存在遮挡的背景下完成目标识别,去除误匹配更加有效,适用于对实时性要求较高的场合。     

基于SIFT特征点的图像匹配算法

SIFT特征点是图像的一种尺度不变局部特征点。首先给出了尺度空间的生成方法;接下来给出了SIFT特征点的提取步骤和精确定位方法,基于特征点邻域像素的梯度和方向生成了关键点的描述向量;最后根据特征向量给出了匹配方法,提取了SIFT特征点,并将其应用于图像匹配。实验结果说明,使用SIFT特征点可以有效实现图像匹配。     

基于改进SURF算法的双目视觉定位

随着机器人技术的发展,机器人视觉方面的研究也越来越受到人们的重视。在机器人视觉系统中,双目视觉应用最为广泛。在利用双目视觉对物体进行定位时,文中采用了各方面性能都较有优势的SURF算法,来对图像中的特征点进行提取与匹配。由于客观因素的影响,在SURF匹配过程中存在特征点误匹配现象,为了消除误匹配,文中对SURF算法做了改进,加入了剔除误匹配的RANSAC算法。实验结果表明,改进后的SURF算法,能够大大提高双目视觉定位的精准度。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法.首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间.其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角...     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

基于单元信息熵矢量特征的图像匹配跟踪算法

由于图像信息熵只与图像中的图像像素点值的数目有关,而与像素点的位置信息无关,即图像信息熵不能很好地反映图像间的形状差异。本文提出了基于单元信息熵矢量特征的图像匹配跟踪算法,解决了熵相同而形状不同的问题,利用单元信息熵矢量间的距离相关性来完成图像的匹配跟踪。因此该算法不仅具有抗噪能力,而且具有良好的抗辐射失真和抗几何失真的能力。仿真试验表明：在辐射失真情况下,该算法具有稳健的匹配跟踪能力。     

图像特征匹配算法的FPGA实现

图像特征匹配算法是对同一场景不同条件下所获取的两幅图像进行特征提取的过程,目前被广泛应用于多个领域.针对传统匹配算法存在的实时性差、准确度不高、环境适应能力弱等问题,本设计提出了基于FPGA开发平台实现的SIFT算法.匹配结果表明:该算法对于图像的旋转、光照、仿射、尺度等具有良好的不变性,能满足特征匹配的需求,存在一定...