结合级联仿射变换和K-means聚类的全局运动估计

视频稳像中全局运动的提取过程常会受到局部运动的干扰。针对这一问题,提出一种结合级联仿射变换和K-means聚类的全局运动估计方法。首先,利用加速鲁棒性特征算法(SURF)匹配帧间特征点,并建立二维特征空间。然后通过K-means聚类法剔除误匹配点对,最后采用级联仿射变换模型计算出帧间全局运动估计,消除了视频中的局部运动,获得了稳定的视频序列。     

基于SIFT动态背景下的视频目标跟踪方法

提出了一种基于尺度不变性特征变换(SIFT)的视频目标跟踪方法.该方法通过提取前后两帧的SIFT特征,利用全图SIFT特征进行匹配,通过匹配的点对计算两帧的几何变换关系,再利用变换矩阵确定下一帧目标位置,实现了连续状态下的自动跟踪.实验结果表明此方法在遮挡、噪声、旋转、光照、缩放、小视角变化等方面有较好的鲁棒性.     

基于背景特征点匹配的视频稳像

针对特征点在前景运动物体上会严重影响运行矢量准确性的问题,本文提出利用特征点分类的方法,通过计算KLT跟踪特征点,计算运动估计所得匹配点跟踪所得特征点之间的距离,并由MSAC算法不断更新前景特征点和背景特征点集,最后仅采用背景上的特征点进行全局运动估计,从而进行稳像。实验结果表明,本文方法稳像后视频平滑度更高,而且本算法的无定义区域明显减少,更利于人眼视觉感受。     

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。     

利用局部特征联合匹配的非刚体目标跟踪

针对视频序列中非刚体目标的跟踪问题,提出了基于局部特征联合匹配的快速跟踪算法．算法将基于关键点的特征匹配问题转化为求解平衡指派的最优化问题,进而依据整体匹配最优的原则实现特征的联合匹配．跟踪过程为:首先分别提取目标模板和当前搜索区域的局部关键点并进行特征描述;然后依据联合匹配策略确定目标模板关键点在输入帧图像中的匹配结果;最后依据匹配结果确定目标在输入帧图像中的位置和尺度．实验结果表明,该算法对目标的非刚性形变具有较强的鲁棒性,能够适应复杂的背景变化并获得稳定的跟踪结果．     

一种鲁棒的电子稳像系统

基于特征点跟踪的全局运动估计和利用Kalman滤波的运动补偿,提出一种鲁棒的电子稳像系统．首先,提取特征点的局部信息以估计全局运动,其中各特征点的跟踪是通过特征窗匹配来完成的,同时根据特征点集间具有稳定相对位置的结构特征,提出距离准则,对特征匹配进行验证,来去除前景运动点或误匹配点(即局部特征点)．然后,将所有验证后的匹配点对(全局特征点)带入运动模型,并利用Levenberg-Marquardt进行最优化迭代,求出全局运动矢量． 最后,对原始运动矢量序列进行Kalman滤波,提取抖动参数以补偿图像．实验结果表明,该系统可以处理图像序列的平移、旋转和缩放等抖动,并且对于场景中的局部运动有良好的鲁棒性．     

基于优化M-S模型的多目标鲁棒跟踪

针对光照变化情况下多遮挡目标的跟踪准确率差的问题,提出了一种基于优化M-S模型的鲁棒多目标跟踪算法.利用抗噪声性能高的优化M-S模型实现复杂环境下多目标精确识别与提取,降低模糊边缘、噪声的影响;利用区域像素标记方法建立目标和背景的边缘特征,在目标发生相互遮挡情况下也能够提取各个目标独立、完备的边缘特征.为了降低联合粒子滤波的计算复杂度,提高跟踪实时性,提出了简化联合滤波跟踪模型.仿真实验证明了该算法的正确性和有效性,与经典的差分跟踪算法、基于颜色特征的跟踪算法比较,对噪声边缘和变化光照环境敏感性降低,跟踪有效率统计分析表明鲁棒性提高1.82%,准确率提高1.36%.     

基于混合灰度序模式的图像复制-粘贴篡改盲鉴别算法

针对目前复制-粘贴篡改盲检测算法对光照变换操作鲁棒性较差的问题,提出了一种基于混合灰度序模式(Mixed Intensity Order Pattern,MIOP)的复制-粘贴篡改盲鉴别算法。首先,对待检测图像提取高斯差分区域(Difference of Gaussians,DOG)。其次,利用MIOP特征描述区域。最后,匹配特征并利用RANSAC(RANdom SAmple Consensus)去除误匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法不仅对几何变换和光照操作的检测率较高,且对高斯模糊、噪声和JPEG重压缩等后处理操作鲁棒性较好。     

一种新的图像拷贝篡改检测方法

针对图像的区域拷贝篡改提出了一种新的检测方法,即基于LPP-SIFT(Locality Preserving Projection-Scale Invariant Feature Transform)的检测算法.该算法利用SIFT提取图像的特征点,结合LPP特征映射,生成低维特征点描述子,然后依据向量角度比率得到匹配点对,匹配点对聚集的区域即为拷贝篡改区域.实验表明该算法能够有效地检测定位区域拷贝篡改图像,且对于拷贝区域的旋转、缩放以及图像的JPEG压缩、噪声添加等操作具有较强的鲁棒性.     

基于重叠亮度序的曲线描述子

针对现有亮度序划分方法导致子区域划分不稳定的问题,在已有的亮度序均值标准差描述子(IOMSD)和亮度序曲线描述子(IOCD)基础上,引入重叠亮度序划分思想,提出基于重叠亮度序的曲线描述子OIOMSD和OIOCD。与传统描述子构造子区域划分互不重叠不同,本文首先依据图像局部区域内各像素点的亮度序划分原始子区域,其次将每个子区域与其后相邻的子区域进行一定程度的重叠合并,成为最终的子区域。该方法不仅克服了固定形状划分子区域产生的边界误差,而且能够解决噪声和非单调光照对子区域边界点的影响。实验结果表明,OIOMSD和OIOCD对旋转变化、视角变化、噪声和光照变化图像具有鲁棒性,尤其是OIOCD在非单调光照图像上的匹配性能优于已有的IOCD算法。     

视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

近景影像特征点匹配方法比较研究

近景摄影测量因其拍摄方式灵活,影像之间的相对几何变形大,常导致同名点匹配失败.本文采用SIFT、SURF、FAST+BRIEF和ORB 4种计算机视觉算法,对不同场景和摄影条件下的近景像对进行特征点检测与描述,结合BFMatch和FlannMatch两种方法对特征点实施匹配.实验表明,所用算法的计算耗时越长,匹配结果越好.SIFT、SURF适合于高精度连接点的自动生成,而FAST+BRIEF和ORB可用于相对几何变形小的立体影像密集点匹配.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

基于HSV和CLAHE的复制粘贴篡改检测算法

针对现有的局部特征提取算法,如尺度不变特征变换、加速稳健特征等对面积较小的篡改区域和平滑区域无法准确提取特征点进行复制粘贴篡改检测的问题,提出了一种基于色调、饱和度、明度（HSV）颜色空间和限制对比度自适应直方图均衡化（CLAHE）的2阶段篡改检测方法.第1阶段,将待检测图像从红、绿、蓝颜色空间转换到（HSV）颜色空间进行加速稳健特征提取;第2阶段,针对平滑区域的篡改,通过CLAHE算法对图像进行特征增强之后,再采用加速稳健特征进行特征提取;然后利用广义2近邻算法进行特征匹配,并利用随机抽样一致性算法剔除错误的匹配点;最后通过形态学操作实现篡改区域的标示定位.实验结果表明,该算法能抵抗小面积区域和具有非显著视觉特征的平滑区域复制粘贴篡改,并对旋转、缩放等后处理攻击具有一定的鲁棒性.     

融合光流与特征点匹配的单目视觉里程计

针对城市平坦路面准确实时定位的问题,提出将光流跟踪法与特征点匹配进行卡尔曼融合的单目视觉里程计方法.基于平面假设,利用光流跟踪法进行帧间小位移定位,同时利用传统的加速鲁棒特征点（SURF）进行帧间大位移匹配来矫正光流法结果.通过卡尔曼滤波更新机器人的位置和姿态.结果表明,融合算法克服了光流法定位精度差和特征点匹配法处理速度慢的缺点,突出了光流法实时性和特征点匹配定位准确性的优点,该方法能够提供较准确的实时定位输出,并对光照变化和路面纹理较少的情况有一定的鲁棒性.     

基于SURF算法的双目视觉立体匹配研究

针对双目视觉立体匹配效率低的问题,从SURF匹配算法和摄像机标定、校准方面进行了改进。与传统视觉匹配算法相比,SURF匹配算法具有效率高、抗干扰能力强等优点。对摄像机进行标定与校准,校准后的特征点更精确,为准确匹配奠定了基础。利用极线约束条件改进SURF算法匹配速率,并进行了相关实验。实验结果表明,算法不仅降低了匹配时间,而且还提高了匹配准确率。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...