基于改进算法的航拍图像匹配方法

针对无人机航拍过程中因发生机体抖动或机身倾斜而造成的拍摄图像畸变会导致匹配效率低、错误率高的问题,提出一种改进的ASIFT和RANSAC算法相结合的航拍畸变图像匹配策略。对航拍畸变图像采用ASIFT进行预处理,在关键点周围建立的内、外两个八边形邻域内构建112维描述子代替传统SIFT算法的128维描述子,再采用RANSAC算法剔除误匹配点。仿真结果显示,该方法适用于无人机航拍图像的配准,具有仿射不变性,且与传统的ASIFT+RANSAC方法相比匹配速率提高了10%~20%,正确匹配率提高了5%~10%。     

一种改进的点特征图像匹配算法

采用Harris算子提取特征点,将特征点进行归一化自相关运算求得粗匹配对,然后使用本文改进的松弛迭代匹配算法进行精匹配,最终得到一一对应的匹配对。本文改进算法基本思想是利用第一轮迭代过程所得到的匹配对,把进入下一步迭代的候选匹配对进行优化挑选,消除一部分明显错误的候选匹配对。试验证明此方法可以提高迭代速度。     

基于SIFT的图像匹配方法改进

SIFT算法是一种经典的图像匹配方法,但也存在计算量大、时间复杂度高的问题.针对这些问题,本文提出了一种改进的SIFT算法,将SIFT算法中表示关键点的特征信息结构进行改造,重新生成了一种新的有序结构.此结构将128维向量描述子根据关键点的8个梯度索引方向分成8组,产生新的有序描述子.重构之后的算法,减少了关键点匹配的计算量,从而提高算法的效率.实验表明,改进的算法,保持了原算法的优点以及在不降低原算法匹配精度的情况下,算法效率有明显提升.     

一种高效的二进制点云局部特征描述算法

针对现有点云局部特征描述算法时效性和紧凑型不能满足实际应用需求的问题,提出一种二进制多层切片距离特征描述算法(B-MSD)。首先在特征点处建立了一种稳健的局部参考坐标系;然后设计了两种多层切片和子区域划分方式并计算平均距离,以提取点云局部三维形状特征;最后通过量化的方法将各子区域计算的平均距离转化为二进制码串,串联所有码串生成最终的二进制描述子。在多个公开点云数据集上与几个经典描述子进行仿真对比,结果表明,在鉴别力更强的基础上,上述算法的紧凑性、计算效率和匹配速度方面综合表现更好。3D目标检测和点云配准应用实验也验证了上述算法的有效性。     

一种基于快速鲁棒特征的图像匹配算法

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种基于快速鲁棒特征(SURF)的图像配准算法。SURF算法作为一种新的特征提取算法,在独特性、鲁棒性等方面均超过了其它方法,并在计算效率上具有明显的优势。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定特征点的主方向,并确定特征描述子,再根据Hessian矩阵迹的正负性和最近邻与次近邻比值的方法相结合获取匹配点,并用改进的RANSAC算法剔除伪匹配点以确保匹配的有效性。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。     

一种改进的SSDA图像匹配算法

介绍了一种快速的块匹配算法——SSDA算法,分析了现有SSDA算法的缺点:算法本身没有抗干扰性能、计算过程中没有利用图像自身的特点。针对现有算法的缺点提出改进,仿真结果表明改进算法在抗噪性能、计算速度上都比原算法有所提高。     

一种新的基于图论的图像匹配算法

SIFT算法在图像匹配领域中占有重要地位,但是,利用SIFT算法提取的图像特征点,是分布在整幅图像中的,这就造成提取的特征点不集中。结合图论的方法,对SIFT算法提取的特征点进行处理,去除部分不集中的点,从而达到提高匹配效率的目的,将该方法命名为G-SIFT算法。G-SIFT算法提取的每一个特征点视为图的顶点,将这些顶点的一元关系视为图的边,并利用这些边的大小特点对特征点进行处理,使得处理后的特征点主要集中在物体上。实验证明,利用该方法对图像进行处理后,特征点匹配结果更加集中,匹配率最高提高了1.4%,匹配点集中在物体上的正确率最高提高了9.1%。     

一种新的鱼眼图像匹配策略

鱼眼相机具有较大的视角,已在视觉监控等领域得到了较为广泛的应用.鱼眼图像具有严重的畸变,鱼眼相机很少用于对场景的三维重建.本文提出了一种基于已标定鱼眼相机的寻找匹配点的策略,首先在鱼眼图像上建立具有自适应大小和方向的窗口,然后对提取类SIFT描述子.大量实验表明,该策略能够提取出大量稠密的匹配点,完全可满足三维重建的需要.     

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。     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。     

一种基于关联规则的图像特征点匹配算法

针对图像间特征点匹配的SURF算法在图像遮挡、旋转和亮度改变等复杂情况下误匹配率较高的问题,本文提出了一种新的匹配算法.通过分解SURF特征点描述子向量,重新构造了匹配基准,在此基础上运用关联规则的支持度判定策略,提高了复杂情况下图像间特征点匹配的精度.计算机仿真实验表明,与SURF算法相比,本文算法的图像匹配正确率有明显提高.     

一种快速的加权矢量图像匹配方法

为了解决工业生产中产品的快速定位,提出了一种快速的图像匹配方法。首先运用Surf算法提取出图像的特征点,然后运用形状上下文特征进行匹配,得到图像的大致位置,最后依据特征点描述子及其位置特征,通过加权矢量匹配的方式得到图像的精确位置,实现产品的快速定位。该算法稳定性高,计算速度快。实验结果表明,该算法能满足实时的工业生产要求。     

改进的SIFT算法图像匹配研究

对SIFT(尺度不变特征变换)算法特征描述子维数过高,导致匹配速度过慢、匹配率低等问题,提出了一种分级放射状分区的方法来构建特征描述子,将特征点邻域划分为8个区域,统计各个区域内8个方向的梯度方向直方图,得到64维特征描述子,使特征描述子维数降低50%。同时因马氏距离考虑了特征描述子向量间的相关性,在匹配时用马氏距离双向匹配方法代替欧氏距离进行匹配,并用RANSAC(随机抽样一致性)方法消除误配点。实验结果表明,改进的SIFT算法保留了SIFT算法对模糊、压缩、旋转和缩放等不变性优势,并提高了匹配速度,正确匹配率平均增加10%~15%。     

基于空间结构的图像特征匹配算法

图像二进制特征描述器比浮点数特征描述器存储容量小、计算速度更快。在对常用二进制特征描述器进行分析的基础上,利用图像特征点之间的空间结构信息改进FREAK描述器的采样模式,提出MPFREAK描述器,提高特征描述能力;针对特征匹配时最近邻算法运行较慢的缺点,改进LSH算法,减少候选集列表空间,提出了海明空间的二进制特征快速匹配算法MLSH。实验表明,MPFREAK描述器描述能力优于其他算法,特征匹配算法效果明显、速度更快。     

采用旋转匹配的二进制局部描述子

针对二进制描述子主方向计算误差影响图像匹配正确性的问题,提出了一种旋转不变的二进制描述子构造和匹配方法。在以特征点为中心的同心圆周上等间隔选取采样点,按照旋转不变的模式选取采样点对进行灰度值比较,将比较结果连接成二进制串,作为区域的描述子。匹配时比较描述子在所有旋转模式中的汉明距离,取最小值作为描述子的距离,实现不依赖于主方向的旋转不变性。配合多尺度特征检测方法,将采样模式进行缩放,并对图像进行亚像素插值,实现尺度不变性。描述子匹配的实验结果表明,本文方法在旋转,尺度和光照变换下的匹配效果比当前依赖主方向的二进制描述子方法具有更高的鲁棒性。     

一种基于改进Rank变换的图像匹配算法

为了解决传统Rank非参数变换匹配算法存在的问题,提出了一种基于改进Rank变换的图像匹配算法.引入Rank变换并研究其局限性,将变换窗口内所有像素的灰度平均值作为匹配像素的灰度值.对于和匹配像素相对位置相差为1个单位的邻域像素,其灰度值保持不变;对于其他位置像素灰度值用二维双线性插值法获得.将图像实现改进Rank变换...     

基于改进网格运动统计特征的图像匹配算法

为了解决尺度不变特征变换（SIFT）算法在图像匹配中匹配正确率低、耗时长等问题，提出一种基于改进网格运动统计特征RANSAC-GMS的图像匹配算法。首先，利用快速旋转不变性特征（ORB）算法对图像进行预匹配，对预匹配的特征点采用网格运动统计（GMS）来支持估计量以实现正确匹配点与错误匹配点的区分；然后，采用改进的随机抽样一致性（RANSAC）算法通过匹配点间的距离相似性对特征点进行筛选，并采用评价函数对筛选后的新数据集进行重新整理，进而实现对误匹配点的剔除。采用Oxford标准图库和现实中拍摄的图像对图像匹配算法进行测试对比，实验结果表明，所提算法在图像匹配中的平均匹配正确率达到91%以上；与GMS、SIFT、ORB等算法相比，该改进算法的近景匹配正确率和远景匹配正确率分别最少提高了16.15个百分点和3.56个百分点，说明它能有效剔除误匹配点，进一步提高图像匹配精度。     

基于改进NLM的PCB图像去噪算法

针对工业生产中的PCB图像边缘信息缺失且携带有大量噪声,现有去噪算法效果不佳、计算量庞大、复杂度高等问题,提出了一种基于改进NLM的PCB图像去噪算法,旨在提高PCB图像的去噪质量.首先,采用基于形态学的权重自适应算法对PCB图像进行图像增强,使PCB图像保留较好的边缘信息;其次,引入特征匹配模型对增强后的PCB图像与...     

一种局部二值模式图像特征点匹配算法

针对图像匹配问题进行了研究,提出了一种改进BRIEF算法的特征点匹配算法。该算法利用随机点与特征点之间的差分大小和差分幅值关系来生成特征点描述算子。针对BRIEF对噪声敏感问题,因为小的像素幅值差分更易受到噪声影响,为了抑制噪声,通过设置小像素差分阈值,差分在阈值内的设置为不确定位,然后通过其邻域均值来决定不确定位的值。特征点匹配使用描述算子之间的汉明距离进行比较来完成。实验与BRIEF和ORB算法进行了比较,证明该算子具有更高的判别性,计算简单且具有很好的噪声抑制性能,运行速度快,匹配准确率更高。