共查询到20条相似文献,搜索用时 15 毫秒
1.
《电子技术与软件工程》2016,(4)
基于SIFT和Hu特征融合的单目视觉识别算法是一种融合了局部特征和整体特征的不变矩融合算法。通过基于SIFT和Hu特征融合的单目视觉识别算法能够对三维物体图像的整体信息进行定义和把握,进而实现对物体的合理定位分析。另外,局部特征能够辅助全局特征对三维物体的特征进行更准去的定位和匹配。这种算法具有良好的伸缩能力、旋转能力、位移能力和抵抗能力,能够有效解决三维物体的匹配问题,同时提升系统的识别能力和工作效率,基于此,文章对SIFT和Hu特征融合的单目视觉识别算法进行研究。 相似文献
2.
结合SIFT特征和正交DLT算法,给出一种较为精确的物体识别方法.该方法首先采用SIFT特征描述子进行测试图像关键点的提取,然后将测试图像和模型数据库中模型的特征点逐一匹配,设定匹配阈值,若匹配达到该阈值,则认为匹配成功,最后通过正交DLT算法在测试图像中识别该模型的位置.SIFT特征与正交DLT算法的结合有效地提高物体的识别精度.实验结果表明,该方法具有较强的鲁棒性,不仅可以在复杂背景下,较好地识别模型在测试图像中的位置,而且还可以在物体被部分遮挡的情况下,较为准确地对物体进行定位. 相似文献
3.
针对尺度不变特征变换(SIFT)算法在匹配时特征向量过多,从而导致耗时过长的问题,提出PCA-SIF]算法,对目标进行匹配与识别.首先,利用SIFT算法提取出原图像中稳健的特征点以及特征向量;其次,利用PCA算法对SIFT特征向量的维数进行约减;最后利用降维后的图像与原始图像进行匹配.实验证明,与原始SIFT算法相比,该算法不仅保持了SIFT算法的鲁棒性和稳定性,同时提高了匹配效率,增强了实时性. 相似文献
4.
5.
6.
针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高. 相似文献
7.
针对传统的行人识别模型行人识别速度慢的问题,设计了一种光传感器监控系统中行人识别模型。引入抛物线拟合,将三维场景中的点阵聚合成现实场景中的物体,对监控区域三维重建,在此基础上,采用野点去除和噪声去除的方法去除外界因素对行人目标造成的高频干扰,采集行人区域数据。采用红外图像分割方法,分别对行人目标与背景建模,最后将行人目标模型与背景模型结合生成行人识别模型。实验对比结果表明,此次设计的光传感器监控系统中行人识别模型比传统的图像阈值分割模型、激光雷达行人识别模型、模板匹配行人识别这三种传统模型行人识别速度快,能够满足行人识别需求。 相似文献
8.
近年来,有关微型飞行器的结构动力学、材料气动弹性以及飞行控制方面的研究受到了高度的重视。为了提高飞行器的空气动力学检测能力,提出了一种基于频闪成像技术的柔性气动外形物体跟踪方法。利用尺度不变特征转换(SIFT)算法提取出的特征对于图像的尺度变换、旋转以及光照变化和局部图像变形等具有的不变特性,提出了一种利用感兴趣区域中SIFT特征对柔性气动外形运动物体进行探测与跟踪的方法。该方法在获取物体的状态、位置以及空间转换关系等方面表现出良好的性能,并且为同一场景中同一物体在不同位置之间的相互匹配提供了可靠保证。实验表明:在该实验系统中,基于频闪成像技术、利用SIFT特征作为柔性气动外形物体探测的方法具有一定的可行性。 相似文献
9.
10.
11.
12.
《电子技术与软件工程》2017,(6)
以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容,给出了SIFT特征匹配算法。分析基于对极几何约束的SIFT匹配点检测的基本原理;研究了图像二维平面间的射影变换,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了对极几何约束的SIFT匹配的可行性;为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。 相似文献
13.
基于不变因子的SIFT误匹配点剔除及图像检索 总被引:1,自引:0,他引:1
为解决尺度不变特征变换(SIFT)算法在图像发生旋转和尺度变化时产生的错误匹配问题,提出一种新的算法。根据SIFT提取的关键点信息,利用正确匹配点对间的旋转不变因子和尺度不变因子来剔除SIFT误匹配点,然后对保留下来的特征点进行聚类分析,对目标图像进行识别判断,并通过实验将该算法与双向匹配算法和随机抽样一致性算法(RANSAC)进行比较。实验结果表明,该算法能够有效地剔除误匹配点,且误剔除率低。剔除误匹配点后再进行图像检索,图像的漏检率和误检率都大大地降低了。 相似文献
14.
基于SIFT特征的多视点云数据配准和拼接算法 总被引:1,自引:0,他引:1
针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。 相似文献
15.
在图像匹配、融合过程中,由于图像中运动物体的存在,使得融合后的图像可能出现鬼影。鬼影消除一直是图像拼接技术的重点和难点。针对这一问题,现提出一种基于SIFT和改进加权融合的运动场景图像拼接方法。首先,采用对尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,使用RANSAC算法求出图像间的变换矩阵H,最后利用文中提出的改进加权融合算法完成图像的无缝拼接。整个过程完全自动地实现运动场景的图像拼接,消除了运动鬼影。实验结果验证了该方法的有效性。 相似文献
16.
大脑能在较短的时间内以较高的准确率对物体、场景等进行识别;而现有的机器学习算法则可能因图像的微小变化而无法成功识别对象。这主要是因为现有的机器学习算法在识别过程中着重逐层从对象的低级特征提取高级特征,而不能从观察对象的图像中直接提取高级特征。故可建立模型,以Normalized Cross Correlation(NCC)算法对其特征匹配部分进行了区域匹配,通过建立类脑视觉识别记忆模型,对算法的速度、识别率以及对图像灰度变化的鲁棒性进行了仿真分析,验证了算法的可行性,为之后的识别算法提供新方向。 相似文献
17.
18.
19.
Camshift算法是对MeanShift算法的改进,它可以解决目标尺度缩放、持续跟踪等问题。但是当目标颜色与背景颜色接近或者目标遇到旋转问题时,Camshift算法容易失效。而SIFT算子对旋转、亮度变化保持不变性,对颜色相近也保持一定的稳定性,所以本文提出一种Camshift与SIFT算子线性融合的目标跟踪算法。首先利用Camshift算法来对目标进行初步的跟踪,得到跟踪区域,再利用SIFT特征向量来匹配目标区域与跟踪区域,得到SIFT的匹配和校正结果,再将两种算法的结果进行线性融合,得到最终的跟踪结果。实验结果表明,本文提出的方法可以有效地解决跟踪过程中出现的旋转、颜色相近等问题。 相似文献
20.
针对尺度不变特征变换(SIFT)算法实时性差、错匹配多,以及Harris角点检测算法精度不高、速度偏慢的问题,提出了一种运用改进Harris-SIFT算法对水下拍摄的双目图像进行特征点提取与匹配的方法。利用改进的Harris算法对两幅图像进行角点检测,然后为特征点分配方向,并生成SIFT特征描述子,完成匹配。实验结果表明,该算法实时性强、匹配率高,并能较好地反映水下物体的形状特征。 相似文献