结合SURF特征点与DAISY描述符的图像匹配算法

图像匹配技术是许多计算视觉问题研究的基础,基于图像局部特征的方法是本领域研究的热点。为了解决经典的SURF算法在旋转不变性上表现欠佳的问题,提出了一种结合SURF特征点与DAISY描述符的图像匹配算法。在SURF算法特征点检测的基础上,提出一种适合DAISY描述符的主方向分配方法,并按照该主方向旋转获得新的DAISY描述符。本算法在略微增加运算成本的基础上,增强了经典SURF算法在图像旋转上的匹配能力。实验结果表明,在图像模糊、光照变化、JPEG压缩比变化、视场变化等多种复杂情况下,本算法具有更强的鲁棒性。     

基于点特征的序列图像匹配方法研究

提出了用3个向量描述Harris角点方向特征的方法,该算法首先用Harris角点检测得到特征点,并把SIFT算法中使用的特征描述方法引入到特征点描述中;然后利用欧氏距离对点特征进行匹配;提出一种简单高效的排除错误匹配的方法。该算法对数字城市中序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该算法匹配准确率较高,具有实用价值。     

基于Harris角点的图像匹配算法

提出了新的基于特征点的高速图像匹配算法。该算法把角点特征和灰度值特征结合起来,定义了一种基于Harris角点的灰度值特征,并充分利用角点灰度值以及角点周边灰度值和位置信息,然后依据这些信息进行匹配。实验结果表明,该算法不仅速度快,而且对灰度值分布不均图像和含噪图像的匹配同样适用。     

基于SIFT特征点的图像匹配技术研究

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配,该文首先采用LTS Haus dorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

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。     

基于特征点的印品图像匹配算法

高速精准的图像匹配为成功地进行印品缺陷检测奠定了基础。该文提出一种改进的Harris角点检测方法,用一种稳定性评价准则测试,证明该文算子在工业环境下的优越性。建立仿射变换模型来近似相应特征点邻域的几何变换,用确定性退火方法计算模型参数,避免了耗时的穷举搜索。利用RANSAC方法鲁棒地估计基本矩阵和单应矩阵,建立对极几何约束和单应约束来剔除初始匹配中的误匹配对。算法处理速度较快,已经成功运用到印品缺陷在线检测系统中。     

基于SIFT特征点的图像匹配技术研究

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配,该文首先采用LTS Haus-dorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

基于二进制特征描述器的图像匹配算法

图像特征点匹配在视觉系统中有广泛的应用。针对加速分割测试特征FAST和二进制稳健基元独立特征BRIEF算法中存在的问题进行改进。首先,在FAST算法中使用简化模板提取图像特征点,通过构建图像金字塔实现尺度不变性。接着,根据人类视觉系统原理改进BRIEF算法的点对采样模式,并通过特征点方向的计算实现图像的旋转不变性。最后,使用易于计算的海明距离度量各特征点的相似度实现特征匹配。实验表明,提出的图像匹配算法性能优于其他算法,而且运行速度更快。     

基于曲率尺度空间的角点检测图像匹配算法

随着计算机技术的发展,提出了优化图像匹配算法,能有效提高图像检测精度。笔者以依托曲率尺度空间的角点检测图像匹配算法为研究视角,在介绍其执行步骤的基础上,通过仿真实例验证其有效性。研究结果表明,这种算法能有效改进图像匹配过程中特征点过渡分离的不足之处,提升其匹配精度约为10%,说明这种算法具有推广应用的价值。     

基于曲率尺度空间的角点检测图像匹配算法分析

计算机技术的发展下,优化提升图像匹配算法,可以提升图像检测精度。基于曲率尺度空间的角点检测图技术,优化设计图像匹配算法,基于曲率尺度空间的角点检测算法进行图像特征点的提取,归一化处理特征点,有助于提高图像匹配精度。利用该算法最终实现图像匹配需求,验证了算法的有效性,改进了图像匹配中特征点过度分离的弊端,提高了图像匹配检测的整体精度约10.0%。该算法发挥了积极应用价值,值得在实践应用中推广。     

基于临界特征点的图像匹配算法

基于特征的图像匹配相关算法尽管已经十分普遍并得到广泛应用,但特征的提取容易受噪声影响.该文提出了一种用尺度空间下的临界特征点对图像进行匹配的方法.该方法采用尺度空间下的临界特征点来描述图像的灰度特征,对光照和噪声具有一定的鲁棒性.考虑到不同尺度下特征点对视觉影响的不同,算法用PTD距离对带权重的图像的特征点集进行匹配.由于PTD距离满足三角不等式规则,该算法适合于在大量数据库中快速检索及识别物体.实验证明了该算法的有效性.     

一种图像特征点迭代修正匹配算法

基于特征点的图像匹配被广泛应用于图像配准、目标识别与跟踪领域, 目前, 两阶段匹配(即先粗匹配, 后精匹配)是最常用的方法, 然而, 两阶段匹配存在两方面的问题, 一方面, 粗匹配阶段对精匹配阶段的影响是不可逆的, 即粗匹配的效果决定了精匹配的最优精度; 另一方面, 精匹配得到的后验知识没能反馈给粗匹配阶段, 以修正粗匹配结果. 为此, 提出一种基于迭代修正的图像特征点匹配算法, 该算法将精匹配得到的后验知识反馈给粗匹配阶段, 从而修正粗匹配结果, 使得粗匹配阶段得到更多的正确匹配对, 减少漏匹配特征点对, 这样经过多次迭代, 能够得到更多的正确匹配特征点对. 实验表明, 提出的算法比经典的两阶段匹配方法能够提取更多的正确匹配特征点对, 减少了漏匹配, 并提升了复杂图像匹配的稳定性.     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

基于多约束的图像特征点鲁棒匹配方法

提出了一种基于多约束的图像特征点匹配的鲁棒算法，在计算匹配强度和构造匹配矩阵的基础上，通过视差约束、邻域相对视差约束和唯一性约束对匹配矩阵进行约简，以实现双目图像特征点的鲁棒匹配，最后给出了实验结果．     

一种快速的图象特征匹配算法

本文提出了一种有效的图象识别算法,该算法利用小波包的多尺度分析特性撮特征因子,进行由粗到细的特征匹配,实验证明其具有识别率高,计算速度快的优点。     

基于图像增强的月面特征提取与匹配方法

针对月面巡视探测器自主导航中的障碍识别问题,为了采集清晰有效的图形,使用一种基于图像增强的方法结合尺度不变的特征点提取和匹配新的算法来识别障碍物。使用图像增强方法预处理图像,用多尺度特征极值点检测的SIFT方法,提取特征,进行左右双目图像的特征匹配。与传统视觉算法相比,可以解决仿真试验场较差的光源环境,并提高对不同光照环境图像的特征提取和匹配的鲁棒性。在仿真试验场的双目视觉图像匹配中,仿真实验取得较好的效果。     

基于奇异值分解的宽基线图像匹配算法

图像匹配是计算机视觉中许多应用研究的基础.窄基线匹配技术虽然较为成熟,但是解决能力有限,不能处理较大的尺度、旋转、亮度以及仿射变化引起的宽基线图像序列的匹配.针对宽基线图像序列匹配的特点,在分析传统SVD匹配算法不足的基础上,引入具有尺度和旋转不变性的特征,改进邻近矩阵的度量方式,设计了一种新的基于奇异值分解的宽基线自动匹配算法.通过对比实验表明,该算法性能优于基于SIFT距离的匹配器和原SVD匹配算法,对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,能够自动获得更多的正确匹配点对和较高的准确性,鲁棒性强,甚至对视角和仿射变换也有一定的适应性.     

基于SURF算子的SAR图像匹配改进算法研究

合成孔径雷达（SAR）图像的匹配有着图像纹理特征丰富、匹配计算量大的特点同时要求匹配点均匀分布。针对几种常见匹配算法的不足,利用SURF算子进行图像特征点的提取,在提取亚像素级的精度特征点基础上,使用双向搜索算法改进了匹配正确率。然后根据数据随机取样一致性（RANSAC）剔除错误点,并用仿射和二次多项式两种变换模型进行了实验,验证了匹配的正确性。