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。     

数字图像角点融合匹配方法研究

在双目视觉特征提取和匹配方法研究中,为提高匹配率、角点定位精确性以及算法的时间复杂度三项指标,文中提出了一种新的角点提取和匹配融合算法。对提取的 Harris角点进行零均值归一化互相关系数匹配,对SIFT角点进行最近邻匹配。针对可预见的误匹配,采用RANSAC算法剔除误匹配点。仿真实验表明：RANSAC算法可以剔除绝大部分的误匹配点,SIFT角点融合最近邻匹配较 Harris角点融合零均值归一化互相关系数匹配效果理想。     

基于Harris-SIFT算法的双目立体视觉定位

针对基于尺度空间对图象保持不变性的SIFT算法在双目立体视觉应用时实时性差、误匹配等问题,提出一种运用Harris-SIFT算法进行双目立体视觉定位方法.通过介绍双目立体视觉的模型原理,利用Harris-SIFT算法从左右摄像机分别获取的图像中检测目标,并获取匹配目标的特征点,对两幅图像中目标物体的坐标标定,通过计算可得到目标物体的深度距离,还原其三维信息.实验证明,运用Harris-SIFT算法使该系统的实时性能和距离精度得到提高.     

基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%～18.8%和29.5%～43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。     

改进ORB算法在单目视觉SLAM特征匹配中的应用

针对单目视觉同步定位与地图构建问题对传统定向二进制描述符算法进行改进,结合快速鲁棒特征算法的思想,将尺度空间理论引入传统ORB算法中,同时根据机器人的运动先验信息,预测特征点的可能范围,避免在全局范围内对特征点的检测和匹配.实验表明,改进的ORB算法能显著提高匹配正确率,在多尺度方面表现出色,并能有效减少运算时间,平均耗时14 ms,处理速度约为传统ORB算法的1.3倍、SURF算法的10倍、尺度不变特征变换(Scale-invariant FeatureTransform,SIFT)算法的26倍,适用于单目视觉SLAM问题.     

基于非线性扩散与高维M-SURF描述符的双目视觉测量方法

针对传统图像匹配算法存在误匹配率高和双目视觉测量精度低的问题,本文提出一种基于非线性扩散与高维改进加速鲁棒特征(modified-speeded up robust features, M-SURF)描述符的双目视觉测量方法。首先改进非线性扩散模型中的PM(Perona-Malik)模型,使图像中边缘区域得以平滑而维持内部平坦区域不变,再将扩散后图像与原始图像进行差分运算,利用KAZE算法检测特征点;然后采用环形邻域构建描述符,在对Harr小波响应值进行叠加时,根据与其垂直方向响应值的正负号进行多区间划分,生成高维M-SURF描述符;最后采用Hamming距离匹配,利用随机采样一致性(random sample consensus, RANSAC)算法剔除误匹配并筛选出测量所需的匹配点对,根据平行双目视觉测量原理获取匹配点对的三维坐标即可完成测量。实验结果表明,本文提出算法的匹配正确率较传统KAZE算法提高24.09%,测量最小相对误差达到0.375 6%,满足测量精度的要求。     

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。     

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SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

基于改进去伪匹配SURF算法的静态手语字母识别

针对SURF(Speeded-Up Robust Features)特征点不稳定性导致的伪匹配问题以及距离特征判别兴趣点真伪的方法未考虑到图像尺度变化情况的匹配问题,本文结合深度图像提出一种改进的去伪匹配SURF算法用于静态手语识别。改进的去伪匹配算法采用手势轮廓面积加权的距离特征判别法,同时,采用角度特征判别法综合剔除错误匹配点。实验表明,手势轮廓面积对距离的加权有效解决尺度变化对匹配点去伪的影响,且本方法对光照、复杂背景、角度和尺度变化有较强鲁棒性,具有更高的识别率。     

一种基于ORB检测的特征点匹配算法

针对传统的SURF局部特征匹配算法实时性不高的问题,充分利用ORB特征点检测算法简单高效的优势,提出了一种新的特征点匹配算法。首先,针对原始ORB特征匹配算法出现大量误匹配对的问题,采用基于K最近邻的特征点描述后,对前后两帧特征点进行双向匹配,再通过顺序抽样一致性算法进一步提纯。实验结果表明,经过本文算法提纯后匹配对准确度提升到99.9%,平均耗时0.46 s,处理速度约是SURF特征匹配算法的5倍,SIFT特征匹配算法的25倍,能够满足实时运用的需求。     

基于相关区域约束的SURF特征点匹配

针对特征向量匹配计算量较大的问题,提出了一种改进的基于区域相关约束的快速鲁棒局部特征(SURF,Speeded-Up Robust Feature)的视频帧间的特征匹配算法。相比于最近邻与次近邻之比,增加随机抽样一致性估计来去除误匹配,再结合连续帧间的像素相关性,进一步降低误匹配和加速匹配过程。在PETS数据库的仿真结果表明,该算法能够在凌乱和存在遮挡的背景下完成目标识别,去除误匹配更加有效,适用于对实时性要求较高的场合。     

基于SURF和FREAK的移动终端动态背景运动目标检测

针对使用移动终端检测运动目标时出现的背景偏 移,实时性不足等问题,本文提出一种基于 Speeded-Up Robust Features(SURF)和Fast Retina Keypoint(FREAK)算法的动态背景 补偿方法。首 先利用SURF算法检测特征点,接着利用FREAK算法对特征点进行描述,然后对特征点进行汉 明距离匹配, 最后使用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点。设计基于 移动终端的背景 补偿实验,结果表明,在旋转角度,光照条件和尺寸不同的情况下,该算法都表现出良好的 匹配效果以及实时性。     

基于DM642的双目三维重建

提出了一种基于TMS320DM642的双目三维重建的算法,针对TMS320DM642嵌入式平台的特性,采用分层提取图像特征量和匹配的方法,该方法与现有大部分图像特征提取和匹配相比较,提高了图像特征的提取量,降低了图像的误匹配率,比传统的算法更加适合嵌入式平台应用.     

基于全方位视觉的移动机器人运动目标检测*

针对移动机器人动态背景下运动目标的检测,提出一种基于全方位视觉的检测算法。首先,改进了SIFT算法中的特征点提取方法,在将图像划分为若干网格后,再根据特征点所在位置的局部区域熵对每个网格中的候选特征点进行筛选;其次,在SIFT点匹配后采用RANSAC算法去除误匹配点,以提高背景补偿的精度;最后用帧差法检测出运动目标。实验表明,该算法减少了SIFT点的获取时间,并具有良好的鲁棒性,能准确地在机器人运动过程中检测出运动目标。