基于最佳几何约束的遥感影像点匹配算法

针对尺度不变特征变换(SIFT)点匹配算法中几何约束缺失问题,提出了一种基于最佳匹配几何约束的点匹配算法.该算法以SIFT匹配算法为基础,首先构建左右影像特征点集的转换模型,然后采用改进的量子粒子群算法对模型参数进行迭代寻优,每次粒子位置更新后,采用基于搜索圆的特征点匹配算法获取新位置下的特征点,并根据获取的特征点情况计算其适宜度与辅助适宜度来对粒子位置进行评价,经过多次迭代,最终获取匹配影像的最佳几何约束与该约束下相应的匹配点,实现了特征点的匹配.选取多幅遥感影像进行点匹配实验,结果表明:相比其它的点匹配算法,该算法在匹配点的数目与精度上都有显著提高,能够获得更好的点匹配结果.     

基于几何约束的立体SAR影像自动匹配方法

针对立体合成孔径雷达(SAR)影像难以获得可靠匹配的问题,提出一种基于几何约束的立体SAR影像自动匹配方法.该方法首先对多视处理后的SAR影像进行尺度不变特征变换法(SIFT)匹配,并引入几何关系一致性原理剔除误匹配;然后基于构建的几何关系进行格网控制的匹配传播以产生数量更多、分布较均匀的匹配点,并进行归一化互相关(NCC)精化匹配;最后,依据多视视数将匹配点传递到原始影像,在原始影像上基于准确度较高的几何关系进行精化匹配.选择不同视角下的同侧X波段机载立体SAR数据进行试验,与经典SIFT方法对比.结果表明:该方法在匹配效率、匹配精度以及匹配点的空间分布方面具有优越性.     

复杂环境异源高分辨率光学卫星影像匹配算法

针对复杂环境异源高分辨率光学影像匹配成功率低的问题,提出了一种基于窗口约束的特征点匹配方法.借助于异源影像近似核线对和同名直线,对特征点建立几何约束窗口,利用该窗口限定同名点搜索范围,通过特征点主方向的约束和特征欧氏距离提取初始匹配点,并基于局部随机抽样一致性(RANSAC)算法剔除误匹配点,最终利用同名点对影像进行纠正,实现异源高分辨率卫星遥感的自动匹配.结果表明:与传统的尺度不变特征变换算法(SIFT)相比,窗口约束匹配方法提取了更多的同名点,为复杂环境异源高分辨率光学遥感影像数据的高精度自动匹配提供了一种可行的方法.     

基于SIFT和SSDA特征匹配的实时车道线检测

车道线检测是智能交通系统研究的一个重要方向.提出了一种基于SIFT和SSDA特征匹配的车道线检测算法.首先通过改进Sobel算子来提取车道线边缘特征,并设置感兴趣区域(ROI)缩小范围,然后进一步提取车道线特征点并通过Hough算法拟合成直线,接着采用SIFT算法提取影像关键点并进行初次匹配,最后运用SSDA算法进行影像精匹配,从而融合成完整车道线影像.结果表明,采用改进Sobel算子可以提取到更多的车道线资讯;而采用SSDA算法,比传统NCC算法匹配精度更高,实时性进一步提高.     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

鲁棒的新型特征提取和匹配算法

针对现有图像特征匹配算法高复杂度、耗时长等问题,提出一种基于局部特征点的新型特征匹配算法。首先,构建尺度金字塔,在不同的尺度上进行FAST特征点检测,根据特征点的Harris响应对特征点进行排序选取;然后利用图像的矩和积分图的方法获得特征点方向,再根据同心圆的采样模式构造特征点向量,最后根据特征点向量的汉明距离进行特征匹配。实验研究表明,该算法在图像有一定程度的缩放、旋转和噪声影响的条件下,运行效果仍然稳定可靠。与传统的SIFT算法相比,该算法在保证特征提取与匹配良好性能的前提下,运行速度要比SIFT算法快数倍。     

基于几何约束的倾斜立体影像匹配

针对倾斜立体影像髙畸变与场景复杂特点,提出了一种基于几何约束的精化匹配算法.算法分两个阶段:1)利用下视立体像对之间的可靠同名像点联合初始外方位元素交会物方坐标,然后以其中一幅影像上的同名像点为待匹配点基于物方反投约束方法,在斜视影像上获得粗略同名像点,并利用转点成功的同名像点物方高程划分仿射近似平面,同时完成粗略匹配点对的分类;2)局部仿射约束的精匹配.针对每一类粗略匹配点,首先确定种子匹配点对队列,其中用于匹配约束的种子点进行最小二乘匹配,获得仿射变换矩阵A,对种子点一定邻域内的匹配点以A中的参数为初始值进行自适应归一化互相关(NCC)精化匹配.试验表明:对于高畸变倾斜影像,提出的算法是有效的.     

抗几何攻击的图像水印算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的抗几何攻击的自适应鲁棒水印算法.首先利用SIFT算法从载体图像中提取稳定的特征点;然后根据特征尺度和方向自适应来确定每个局部特征区域大小和方向;最后从中选择具有较大特征尺度互不重叠的特征区域,并利用量化小波系数的方法将水印嵌入到每个局部特征区域内.仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力.     

基于网格的统计优化特征匹配算法

基于图像特征点的匹配算法广泛应用于图像检索,目标检测、识别等图像处理领域。针对特征匹配算法召回率较低的问题,提出了一种基于归一化互相关函数网格的统计优化特征匹配算法,将匹配主方向差和匹配尺度比引入特征匹配过程中,综合利用SIFT(scale invariant feature transform)特征点的主方向、尺度和位置等约束在网格框架下加速匹配位置的求解,优化特征匹配结果,提高匹配召回率和综合匹配性能。首先在目标图中寻找原图每个特征点的最近邻匹配特征点,得到初匹配结果;其次利用匹配主方向差剔除初匹配中的大部分误匹配,然后基于匹配尺度比信息对匹配图像划分网格,统计匹配特征点的位置信息在网格间的分布情况,最后计算原图中每个网格的归一化互相关函数以判断该网格内的匹配是否正确,得到优化后的特征匹配结果。实验结果表明,新算法的匹配准确率在与经典特征匹配算法相当的基础上将匹配召回率平均提高了10%以上,获得了更好的综合匹配性能。     

基于快速SIFT算法和模糊控制的人脸识别

针对传统的人脸识别系统在复杂背景情况下不能实时准确进行人脸识别的问题,提出一种基于快速尺度不变特征变换(SIFT)算法结合模糊控制的人脸识别方法。首先,由SIFT特征点子区域方向直方图计算得到4个新角度,代表特征点方向信息。然后,在特征匹配阶段,根据SIFT特征点角度信息以及大小限制特征点匹配范围,简化算法复杂程度,得到快速SIFT算法。最后,引入闭环模糊控制系统,减少SIFT特征误匹配,提高人脸识别率。实验结果表明:基于快速SIFT算法的人脸识别方法平均识别时间提升了40%,在发生光照、姿态、表情等均有变化的复杂环境下人脸识别精度提高10%。     

基于颜色量化矩阵的SIFT特征描述方法

针对现有彩色图像的尺度不变特征转换(scale invariant feature transform, SIFT)算法计算复杂度较大和匹配性能较差的缺点,提出一种基于颜色量化矩阵的SIFT特征描述算法。首先由彩色图像的色调、饱和度和亮度生成颜色量化矩阵,然后由量化矩阵生成128维的SIFT特征描述子,最后应用于彩色目标匹配。实验结果表明,相比于现有彩色图像SIFT算法,本文方法具有匹配正确率高、匹配时间短和正确匹配点数多等优点,能够对彩色目标进行有效地匹配。     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

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。     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

基于相对位置不变性的SIFT高效匹配算法研究

为了实现全自主机器人立体视觉导航,图像匹配的准确性和快速性成为了研究热点和难点。通过移动机器人工作环境研究,提出图像匹配相对位置不变性的原理,基于这种原理,对最近邻域和次近邻域的SIFT特征点匹配算法进行了改进。先将待匹配图像（前后帧）所有特征点按Y方向像素值大小排序,再从对应位置关系的局部区域搜索SIFT特征点,如果最近邻和次最近邻的比值满足一定阈值T,则该点为匹配点,然后再通过相对位置不变性去除误匹配点。改进算法在最近邻匹配点和次近邻匹配点搜索时避免全局搜索而大大提高实时性,通过相对位置不变性基本去除所有误匹配点。通过实验验证,匹配速度和正确率大大提高,是平面移动工作环境下高效实用的匹配算法,同时,该算法稍加改进对复杂环境也是适用的。     

基于简化SIFT算法的无人机影像重叠度分析

利用无人机进行低空摄影获取地面高分辨率影像,具有成本低、方便、快捷等优点,但由于无人机飞行姿态不稳定,会导致影像自动匹配效率及准确程度降低.SIFT算子具有良好的尺度、旋转、光照等不变特性,但传统SIFT算法复杂度较高,处理影像时间较长,使数据处理工作效率降低.介绍了一种简化的SIFT算法,并与原SIFT算法做出了对比.说明了影像重叠度分析的主要步骤,将简化的SIFT算法RANSAC算法相结合应用到序列影像重叠度分析中,通过实验证明了可行性.     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

基于稀疏重构的窄带弱信号时延估计算法

提出了一种基于稀疏重构的窄带弱信号时延估计算法.利用信号的互相关谱构造数据矩阵,然后建立时延参数的冗余字典,最后通过矩阵奇异值分解在信号子空间中利用正交匹配追踪算法得到高精度时延估计.理论分析和仿真实验验证了算法的正确性和有效性.相比于传统方法,该算法可将窄带弱信号时延估计精度提高约1倍.     

基于聚类的SIFT人脸检测算法

为解决在人脸识别领域的特征提取问题,提出一种尺度不变特征转换的SIFT算法与聚类分析相结合的算法.在对人脸特征分类时,通过选取最优化的距离阀值,用聚类理论对生成的SIFT特征进行聚类分析,从而得到若干特征类别.去除一些非主要特征类别,排除其他非目标人脸主要特征的干扰.实验结果表明,改进的SIFT算法比原始算法具有更好的特征匹配效果.