基于图像锐化的SIFT图像复制粘贴篡改检测

SIFT算法提取图像的特征点多为图像目标的边缘点,对于较模糊图像而言,直接使用SIFT算法提取特征点后进行特征点匹配,会降低特征点的匹配数量和匹配正确率,甚至对于复制粘贴篡改图像不能做出正确的判断。所以,提出先对被检测图像利用梯度法进行锐化,使图像目标边缘变得清晰,再用SIFT算法提取特征点及后续操作,以提高匹配的正确率。实验表明,改进算法性能有明显提升。     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

一种基于金字塔相似层的SIFT双向匹配算法研究

针对SIFT特征匹配算法误匹配点多和特征空间中遍历搜索速度慢的问题,提出了一种基于分层策略的SIFT双向特征匹配算法。首先,建立待匹配图像的金字塔影像,计算图像的SIFT特征点,并根据不同金字塔层将特征点划分为不同的集合;其次,选择某一层集合,在另一图像中寻找相似层,并确定两幅图像金字塔层之间的相似关系,在相似层之间设置阈值完成单方向匹配;然后,利用单向匹配结果完成已配对点集合的反向匹配。实验结果证明本文方法能降低匹配时间,提高匹配正确率。     

基于SIFT-SRBICP算法特征点云提取与配准研究

针对图像特征点提取效率低和稳定性差,点云集在实际情况下由于尺度变换引起的匹配不准确和旋转角变化过大引起的配准效果不佳的问题。本文对SIFT、SURF及ORB三种算法进行对比分析,验证了SIFT算法在解决图像特征点提取问题上优于其它两种算法。本文采用SIFT算法进行特征点提取,并提出基于改进型的SRBICP算法对点云进行配准,该方法不仅增加了初始信息素的随机性和考虑了尺度矩阵的边界,并加入了旋转角约束矩阵、动态迭代系数以及退火系数等因素对点云配准模型进行构建。最后采用基于开源GNU/Linux系统所搭载的的Ubuntu操作系统,在Ubuntu系统平台上进行仿真实验,实验结果表明,改进后的算法比传统ICP算法配准精度提高了约50%,同时配准速度提高了约40%。     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

结合角点特征的CamShift目标跟踪算法研究

在传统的CamShift目标跟踪算法中,仅仅依赖目标的颜色特征,而缺乏目标本身的一些特征,例如,角点,尺度和方向等信息,这将导致跟踪中容易出现中心偏移和无法抵挡目标受干扰等问题。为了能够实时有效地跟踪目标,本文提出一种结合角点特征的CamShift目标跟踪算法。该算法融合了角点的特征不变性,采用基于灰度图像的Harris角点检测算法,在图像的目标区域和候选区域提取包括图像信息的局部特征点,在视频图像相邻帧之间,通过特征点匹配,剔除虚假特征点,得到真实特征点的位置和主方向,用于引导和调整CamShift算法中搜索区域的位置和方向。测试结果表明,与传统的CamShift算法相比,该算法具有更好的跟踪效果和鲁棒性。     

基于SURF算法的无人机航空图像自动配准研究

针对实时性要求中SIFT特征配准算法耗时长的缺点,本文将SURF（Speeded Up Robust Feature,即加速鲁棒特征）算法应用于无人机航空图像的自动配准问题中。首先利用Hessian检测子检测特征点,再通过粗匹配和细匹配得到匹配点对,最后执行几何变换完成对图像的配准。通过与SIFT（Scale Invariant Feature Transform,即尺度不变特征变换）配准方法进行对比,结果表明SURF算法在满足精度的前提下具有比SIFT算法计算量小、速度快的优点,有一定的理论和应用价值。     

基于SIFT特征的遥感影像自动配准

提出了一种基于特征点的全自动高分辨率遥感影像配准方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过RANSAC方法和双向匹配策略提高特征点的匹配精确度。最后利用同名特征点构建影像间的转换模型,实现高精度影像纠正与配准。实验结果表明,该算法具有较强的匹配能力和鲁棒性。     

基于特征的图像压缩算法研究

本文在现存的基于SIFT图像压缩算法基础上进行研究并对其改进。提出的改进方法包括两个部分：第一部分利用稠密SIFT特征来代替SIFT特征,可以提高特征点的密度和提取效率;第二部分针对未匹配到的图像区域,采用在原始图像中标记匹配图像块,并计算像素平均值代替块内所有像素,然后利用HEVC对标记图像进行编码,编码后图像同匹配图像块进行融合,得到重建高质量图像。实验结果表明,这个两个方面的改进可以获取比现存方法更好的主观质量。     

一种用于螺纹桶内壁图像拼接的匹配方法

针对传统螺纹图像匹配方法误匹配率高、难以实现图像拼接的问题,提出了基于尺度不变特征变换(SIFT)改进的匹配算法。先将采集图片进行枕形失真校正,在此基础上构建图像尺度空间,并在标定重叠区域内搜索高斯差分(DoG)金字塔的SIFT特征点。利用快速最近邻逼近搜索函数库(FLANN)匹配特征点,结合坐标比较和随机抽样一致性算法(RANSAC)进一步剔除误匹配,最终匹配正确率达到99%以上。实验结果表明:基于标定区域内的特征提取及匹配约束条件可提高匹配速度和精度。相比传统匹配方法,本文匹配方法对相似性较高的螺纹图像匹配具有鲁棒性和优越性,适用于螺纹桶内壁图像的全景拼接。     

基于SIFT算法的视觉导航方法的研究

本文提出了一种基于SIFT算法和相对定向直接解算方法的视觉定位匹配方法,可解决SIFT算法无法准确定位的问题。SIFT算法通过构建尺度空间、检测极值点、确定关键点等步骤为含有位置信息的视觉图片序列生成关键特征点,然后,计算每个关键特征点周围图像区域的旋转不变纹理特征,并将其作为该关键特征点的描述,进行SIFT初匹配,利用得到的相匹配坐标进行相对定向直接解算,从而得到载体在运动中的位置坐标和运动轨迹。实验结果表明,本方法能够较为准确的得到物体在运动中的位置及其运动轨迹,误差较小,有很好的应用性。     

改进SIFT算法在二维图像三维重建中的应用研究

由二维图像恢复到三维立体结构过程中,图像匹配技术是其中很重要的一个环节。由于SIFT算法具有对图像平移、旋转、缩放、甚至仿射变换保持不变性的优点,应用最为广泛。但是SIFT算法也存在一些缺陷,如SIFT匹配点数量有限、重复率高,在大量形状相似区域匹配正确率低,匹配时间长等。本文采用简化SIFT模型进行双向匹配[1],同时增加了匹配条件即改进欧式距离匹配与余弦匹配[2]相结合,实验结果表明,改进后的SIFT算法缩短了运算时间,提高了匹配的精准度,可以较好的应用于图像匹配中。     

云底高度测量中SURF特征匹配的应用研究

针对基于双目成像的云底高度测量中云图像不易检测同名点的特点,提出了基于SURF(Speeded Up Robust Features)特征匹配算法的检测方法。利用SURF算法检测特征点并构建描述子,采用FLANN(Fast Library for Approximate Nearest Neighbor)算法进行特征匹配,运用随机抽样一致性算法RANSAC(Random Sample Consensus)过滤掉错误匹配。实验表明,该方法对多种云图像匹配都具有良好的效果。     

基于相似度模型耦合角度制约规则的图像匹配算法

为了克服当前图像匹配方法主要通过测量距离的方法来实现图像匹配,忽略了图像间的相似度,导致算法存在错误匹配较多以及鲁棒性较差的问题。本文提出了基于相似度模型耦合角度制约规则的图像匹配算法。采用FAST检测方法对图像特征进行检测,快速获取鲁棒特征点,以改善算法的匹配正确率。随后,利用SURF特征描述机制,通过计算特征圆域内的Haar小波响应值,对特征点进行描述。引入结构相似度SSIM(structural similarity index measurement)模型,将其与欧氏距离模型相结合,构造相似度模型,从结构相似度与测量距离两方面出发,将特征点进行粗匹配。最后,利用特征点的余弦关系,求取特征点间角度,建立角度制约规则,对粗匹配结果完成优化。实验结果显示:与典型的匹配方法相比,该算法具有更好的匹配性能较好,在多种几何变换下仍具有理想的匹配精度。     

基于SIFT特征的消防侦察图像自动拼接算法

提出了一种基于尺度不变特征变换（SIFT）特征的消防侦察图像自动拼接算法,并介绍了该算法的具体工作原理。该算法首先通过消防侦察机器人采集火场图像,利用SIFT变换捕获图像中的特征点,然后通过有效匹配和变换矩阵的有效估计,并对重叠区域实施加权融合,实现图像拼接。仿真结果表明,该算法具有良好的拼接效果,为消防侦察提供更加全面和可靠的图像信息,有利于后方指挥中心的合理决策。     

基于灰度差预处理的改进Harris角点检测算法

Harris角点算法在进行角点检测时需要计算图像中每一个像素点的角点响应函数值(CRF),这使得算法运行速度慢,无法满足实时性的要求。针对这一缺点,本文提出了一种改进算法。改进算法基于灰度差分析每个像素点8邻域内相似像素点分布情况,剔除非角点的像素点,并选出作为下一步Harris检测的候选点。实验结果表明,改进算法能够准确的提取图像中的角点并去除伪角点,与此同时,改进算法的角点检测耗时与原算法相比降低21.92%。该改进算法所得结果较原算法更为准确、快速,具有良好的实用性。     

一种改进的RANSAC彩色图像拼接算法

本文提出了一种改进的RANSAC彩色图像拼接算法。图像拼接主要包括两个步骤,即图像配准和图像融合。该算法包括哈里斯角点检测,NCC粗匹配,改进的RANSAC提取,投影变换矩阵估计,投影变换,图像平滑等主要模块。基于统计规律的特征点提取的改进RANSAC可以极大地支持算法的实时性。结果表明,该算法快速有效。     

基于Canny边缘特征点的接触网绝缘子识别方法

针对使用机器视觉技术对接触网绝缘子状态检测时的绝缘子识别问题,提出一种结合Canny边缘特征和SURF点特征的绝缘子识别算法。该算法首先提取图像边缘特征,然后使用SURF算法在边缘图像上提取特征点,并利用Haar小波对特征点进行描述;对检测出的特征点使用欧氏距离比值法进行初匹配;最后用RANSAC算法消除由噪声等干扰产生的错误匹配,从而实现接触网绝缘子智能识别。实验结果表明,该算法能在有背景干扰、小幅度旋转的目标图像中准确识别出绝缘子,为电气化铁路接触网绝缘子智能清洗的视觉识别定位问题提供了可行参考。     

基于视频图像的建筑室内空间数据矢量化提取方法

为提高建筑室内空间规划能力,需对建筑室内空间数据进行矢量化提取。为此,提出基于视频图像的建筑室内空间数据矢量化提取方法。设计建筑室内空间视频图像采集模型和空间装饰特征点边缘特征检测模型,采用分块检测方法重构建筑室内空间视频图像区域,结合RGB特征分解方法进行建筑室内空间数据矢量化分割,提取建筑室内空间视频图像的模糊度匹配特征量,通过分块模板匹配实现建筑室内空间数据矢量化提取。仿真结果表明,采用该方法进行建筑室内空间数据矢量化提取的准确性较高,图像的分辨能力较好,提高了建筑室内空间数据矢量化分割和装饰特征量的检测能力。     

基于校园一卡通的门禁道红外线识别方法研究

为实现对校园一卡通门禁道红外线主动识别,提出基于红外成像特征检测的校园一卡通门禁道红外线识别方法,建立门禁道红外线识别的成像模型。采用主动边缘轮廓检测方法进行门禁道红外线的特征提取,采用Harris角点检测方法对校园一卡通门禁道红外图像的特征点进行检测。结合相邻帧像素融合的方法进行红外图像的信息融合,采用目标主动检测方法进行门禁信息的特征检测和提取,构建校园一卡通门禁道红外图像的模糊特征检测和信息跟踪融合识别模型,实现校园一卡通的门禁道红外线识别优化。仿真结果表明,采用该方法进行校园一卡通的门禁道红外线识别的特征分辨能力较好,识别精度较高。