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.     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于傅里叶梅林变换的SURF算法

针对加速鲁棒性特征算法,在没有后续去误匹配等处理的情况下,对存在较大旋转角度的两幅待匹配图像,匹配精度较低的问题,提出了一种基于傅里叶梅林变换的SURF算法。该算法通过对待匹配图像和参考图像实施傅里叶变换和梅林变换,利用能量谱求出两幅图像发生的旋转角度,并利用SURF算法找出图像间发生的平移和尺度变化,实现了图像间的匹配。实验结果表明,该算法可有效地实现图像间存在较大旋转角度时的几何匹配,且相比已有的SIFT和SURF算法,具有更好的匹配效果。     

SIFT与形状上下文结合的异源图像匹配算法

针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。     

一种改进的宽基线图像SURF算法

通过对SURF特征点匹配过程的研究,提出一种改进的宽基线图像SURF算法。提取SURF特征点,在特征点匹配过程中采用改进方法计算图像间的尺寸、旋转和平移参数,减少匹配点搜索范围,运用RANSAC算法剔除误匹配点对。实验表明本算法在图像间有较大差别时降低了误匹配率,具有良好的实时性,达到了较好的应用效果。     

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SURF算法的微小位移测量

针对导弹等高加速度运动目标发射初期微小初始位移检测的需要,提出采用SURF算法将位移变化转化为提取的特征点对欧式距离的变化的方法。该算法在SURF提取图像特征点的基础上,使用最邻近匹配进行快速的初匹配,然后采用提出的一种基于平行距离的匹配方法进一步去除错误的匹配点对,根据正确的匹配点对的距离计算出初始位移。实验结果表明,该算法精度在亚像素级别,运行时间在10 ms之内,能够实时可靠的给出目标的初始位移。     

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

基于SURF算法的产品表面缺陷检测研究

针对产品表面正确性的快速自动无损检测问题,提出了利用垂直投影法确定旋转步长来获取序列图像的方法,并将一种针对尺度旋转不变性（ SIFT）改进的 SURF算法应用到此方面,该算法通过计算积分图像和 Hessian矩阵大大提高了特征点检测的速度,节省了图像匹配时所用的时间,并提高了算法的实时性。首先通过确定旋转步长来获取标准序列图库,其次通过 SURF算法寻找最优匹配位置,最后通过相关度的计算来判别各区域是否有缺陷。实验表明,在对待检测图像和标准序列图像库中的 5幅图像匹配时 SURF算法比 SIFT算法大约节省了 2.6 s,显然,把 SURF算法应用于序列图像中匹配可以大大节省缺陷检测时所用的时间。     

采用尺度不变特征和区域选择的图像配准方法

提出了一种改进的尺度不变特征点的图像配准方法。该方法在SURF算法的基础上使用图像的熵来对匹配图像作特征检测区域选择,建立特征点筛选机制来从初步的特征检测中得到最显著的特征点,以控制特征点的数目来减少后继的计算量和算法性能。同时改进了SURF的特征描述方法的计算过程,提出了一种改进的特征描述方法。实验表明,该方法在提高算法性能的同时,明显改进了特征点的匹配率。     

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。     

结合手势二进制编码和类-Hausdorff距离的手势识别

针对目前动态手势识别方法受手势旋转、平移、缩放的影响,并解决手势识别的实时性问题,提出一种基于手势二进制编码和类-Hausdorff距离模板匹配的手势识别方法.首先,把分割好的手势图像进行标准化处理,求出标准化图像中的手势主方向,建立二维手势直角坐标系,提取空间手势特征;其次,根据前五帧手势图像中手势像素点个数的变化量识别出动态手势类型;然后,用手势二进制描述子从动态手势类型中再筛选出可能的候选手势集合;最后,用类-Hausdorff距离模板匹配方法从候选手势集合中识别出最终手势.主要创新点在于：提出的动态手势类型识别和手势二进制描述子匹配的方法,大大缩短了动态手势识别的时间;提出的结合手势主方向的类-Hausdorff距离方法,不仅对旋转、平移和缩放手势具有不变性,而且对区分度较小的手势也具有较高的识别准确率.实验结果表明,在光照相对稳定的条件下,该方法能够实时准确的实现动态手势识别,总体识别率达到95%以上,对发生缩放的手势识别率能达到92%以上,对发生旋转的手势识别率能达到87%以上.本文算法已经在一个基于手势的人机交互界面中得到应用.     

图像拼接中运动目标干扰的自适应消除

运动目标在图像拼接时,易产生重影现象.在对SURF算法进行改善的基础上,提出了自适应去除重影的拼接算法.利用增强的单通道图像对其特征点进行提取、匹配,再利用帧差法确定出运动目标在图像重叠区域的位置;取运动目标区域的中心点作为参考点,采用改进的加权融合算法求取加权系数,以增大权值差异.实验表明所提方法能较好地解决运动目标对图像拼接的干扰问题,与最优拼接缝多频率融合算法相比,融合质量、清晰度以及拼接的实时性得到了提高.     

一种基于各向异性尺度空间的SAR图像匹配算法

针对斑点噪声对合成孔径(SAR)图像匹配算法的影响,提出了一种基于各向异性尺度空间的SAR图像匹配算法。首先,采用加性算子分裂算法解方案来构建各向异性尺度空间,在滤除斑点噪声的同时更好地保留图像细节;然后,在非线性尺度空间中提取特征点,并采用改进的SURF描述子描述特征,弱化斑点噪声对匹配的影响;最后,采用变换参数约束策略筛选匹配点对,提高匹配正确率。该方法既保持了同名点的精度还增加了同名点的数量,通过对不同极化、时相、波段以及不同视角下多种地物的匹配实验,验证了该方法的优越性。     

基于遗传算法的导航实时图像匹配算法

由于一般图像匹配算法均采用全局搜索法,耗时较大,为满足景象匹配辅助导航系统实时性的要求,提出了一种将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法,利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,提高了匹配搜索的快速性.同时,提出了一种基于特征图像分支点提取的加权Hansdorff距离图像匹配算法,并给出了相应的权值求解公式,利用加权Hausdorff距离作为遗传算法的适应度函数,能够明显减少匹配搜索的计算量,提高匹配结果的精度.仿真分析表明,将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法能够很好地满足景象匹配辅助导航系统的实时性和精度要求.     

基于一致性敏感哈希的高精确度图像匹配算法

针对基于特征点的图像匹配方式在复杂纹理场景中匹配效果不理想的问题,提出一种将加速稳健特征算法(SURF)与一致性敏感哈希匹配结合的图像匹配算法(CSH)。使用SURF算法对图像进行特征点提取,再以特征点为圆心构建特征区域,最后对特征区域使用CSH进行匹配,从而实现高精确匹配。为了进一步加快算法运行速度,对现有的SURF算法进行修改,在提取SURF特征点时去除了对于特征点方向的计算。仿真实验证明,算法较一般的特征算法在复杂纹理图像匹配中效果更佳,且较CSH算法效率提升了10%~15%。     

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。     

基于分块SURF特征提取的图像目标跟踪算法

由于基于特征的目标跟踪需要对前后两帧图像中的目标进行特征匹配,而传统的基于SURF(speeded up robust features)特征的匹配算法存在匹配时间较长,无法满足目标跟踪条件下实时性要求的情况。本文针对此缺点对SURF特征提取提出了具体的分块并行的解决方案,其中包括自适应地设置分块重叠区域,去除冗余特征点和距离门限法去除离散点的处理;同时通过模板的实时更新以及自适应的抗遮挡处理,保证了短时抗遮挡性能。并通过实验,将传统的基于SURF特征的跟踪算法与本文算法在相同条件下进行跟踪误差和运行时间对比;实验表明针对视频中的待跟踪目标,本文算法较基于传统SURF的图像跟踪算法在降低跟踪运行时间的同时保证了跟踪准确度。并通过遮挡实验,说明抗遮挡处理在本文算法中的实用性和必要性。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。