一种局部二值模式图像特征点匹配算法

针对图像匹配问题进行了研究,提出了一种改进BRIEF算法的特征点匹配算法。该算法利用随机点与特征点之间的差分大小和差分幅值关系来生成特征点描述算子。针对BRIEF对噪声敏感问题,因为小的像素幅值差分更易受到噪声影响,为了抑制噪声,通过设置小像素差分阈值,差分在阈值内的设置为不确定位,然后通过其邻域均值来决定不确定位的值。特征点匹配使用描述算子之间的汉明距离进行比较来完成。实验与BRIEF和ORB算法进行了比较,证明该算子具有更高的判别性,计算简单且具有很好的噪声抑制性能,运行速度快,匹配准确率更高。     

利用局部熵和重复度检测特征点

以三维散乱点在局部邻域内的熵变化为检测准则,利用局部熵突变发生在曲面形状变化剧烈区域的特性,描述采样点属于某个特征的可能性;同时引入重复度;以反映在不同大小的局部窗口下采样点被检测为特征点的频度,获取特征点集．实验结果表明,该算法稳定性较好,能在一定程度上处理密度分布不均的点集。     

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.     

一种局部与全局特征结合的图像检索算法

提出了一种基于稳定局部区域检测和全局图像特征描述的图像检索新算法。该算法继承了局部区域特征和GIST特征的优点,能够更精确地描述图像的内容,并且可以应对不同的视角变换．在一定程度上提高了图像检索的精度。     

灰度变换下图像Harris角点特征点匹配算法性能分析

由于Harris角点理论上具有不随光照条件改变而改变及旋转不变性等优点,被广泛应用于计算机视觉系统中。但实际应用中拍照光线的变化往往会引起图像的灰度失真,本文对Harris角点提取和SAD、SSD、NCC三种匹配算法在灰度变换下的性能进行了分析。分析结果表明,Harris角点提取具有较好的光照条件鲁棒性;而NCC是三种匹配算中灰度变换影响最小的。     

一种图像局部特征快速匹配算法

在图像处理和机器视觉领域,SIFT是目前被广泛应用的一种基于局部特征的图像匹配算法。针对SIFT算法匹配速度较慢和常常存在错误匹配对的问题,本文提出在匹配过程中采用角度相似性分析替代传统的欧式距离分析法,由此提高匹配速度,然后通过RANSAC一致性筛选删除错误匹配对,最后通过实验验证了新算法的有效性。新算法结构清晰,计算简便,易于硬件实现。     

基于兴趣点颜色及纹理特征的图像检索算法

提出一种利用兴趣点进行局部特征提取及检索的新方法。该方法利用图像中兴趣点的位置信息,提取兴趣点周围局部区域的颜色及纹理特征作为刻画图像内容的主要特征,结合兴趣点的空间分布对相似图像进行检索。对真实图像数据库的检索实验表明,该方法与其他基于兴趣点的方法相比,平均检索准确率提高了11%,能够更准确地查找到用户所需的图像。     

基于全局特征点匹配的全局定位方法

针对传统全局定位方法存在对传感器要求多、计算量大的问题,提出了一种基于全局特征点匹配的移动机器人定位方法。该方法采用普通2D雷达作为传感器,在机器人建立全局地图的过程中同步地提取全局特征点,在全局定位算法中,通过建立局部地图和提取局部地图特征点,实时将局部地图特征点和全局地图特征点进行匹配后求解全局位姿。在两个数据集上的测试,结果优于蒙特卡罗自适应定位（adaptive Monte Carlo localization,AMCL）和Cartographer的全局定位效果,运算速度更快。结果表明,与已有的方法相比,该全局定位方法能够更快地完成全局定位和有效减少计算资源的消耗。     

图像特征点提取在实时监控中的应用研究

实时监控中视频信号处理中关键是图像配准与匹配,基础理论为精确定位和角点特征检测,Moravec和Harris算法是视觉领域中应用比较广泛的角点检测方法。通过讨论在影像特征的角点特征检测,进行了分析、比较、实验研究了它们在角点(和圆点)检测的速度、正确率和抗噪性等方面的差异,给出了它们的效率性能评价,得出了有益的结论。利用Forstner算法精确定位的思想,改进Harris算法。实践证明,该方法在点特征的提取和精确定位方面都达到了较好的效果。     

基于改进ORB 算法的图像特征点提取与匹配方法

针对传统ORB 算法阈值选取固定,存在误提取、误匹配,无法满足不同图像特征 点的准确提取和匹配的问题,提出了一种改进的ORB 特征点提取与匹配方法。首先设定局部 自适应阈值;然后通过像素分类,设计自适应阈值选取准则,达到ORB 特征点的精准提取; 最后在改进ORB 特征点基础上通过PROSAC 算法完成对特征点的匹配。实验结果表明,改进 后的方法对亮度变化具有较强的适应能力,计算速度和提取精度得到了提升。匹配总时间降低, 误匹配点对数量较少,正确匹配率较高,具有良好的准确性和实时性。利用匹配阶段得到的特 征点进行跟踪时得到的RMSE 误差较小,表明匹配精度得到了较大提升。和其他方法相比,具 有更好的环境适应能力和应用价值。     

一种改进的快速特征点信息匹配算法

特征点匹配在图像检索、模式识别等技术中起着重要的作用。已有的匹配算法如SIFT（DoG）,Harris以及SUSAN算法,虽然可以提取高质量的特征点,但是这些算法本身计算量比较大,难以将其运用于实时性要求比较高的应用中。提出一种改进的快速特征点匹配算法,采用Guoshen Yu和Jean-Michel Morel提出的全仿射方法,对局部特征点进行仿射变换并模拟摄像机成像原理,根据摄像机成像的仿射关系提取特征点并使用随机蕨类算法训练分类器,使用RANSAC去除坏点,实现对特征点的快速准确匹配。实验结果表明该方法提高了图像的匹配点数,同时降低了匹配时间。     

一种鲁棒的匹配点检测算法

控制点的快速有效检测与匹配是遥感图像应用中的一项关键技术。通过对现有的特征点检测算法的分析与比较,提出了一种控制点的检测与匹配算法。仿真结果表明,该算法不仅可以实现控制点的自动检测与匹配,而且速度快、精度高。     

Towards reliable matching of images containing repetitive patterns

This paper aims to solve the problem of matching images containing repetitive patterns. Although repetitive patterns widely exist in real world images, these images are difficult to be matched due to local ambiguities even if the viewpoint changes are not very large. It is still an open and challenging problem. To solve the problem, this paper proposes to match pairs of interest points and then obtain point correspondences from the matched pairs of interest points based on the low distortion constraint, which is meant that the distortions of point groups should be small across images. By matching pairs of interest points, local ambiguities induced by repetitive patterns can be reduced to some extent since information in a much larger region is used. Meanwhile, owing to our newly defined compatibility measure between one correspondence and a set of point correspondences, the obtained point correspondences are very reliable. Experiments have demonstrated the effectiveness of our method and its superiority to the existing methods.     

基于局部SIFT特征点的双阈值配准算法

针对SIFT匹配算法和SIFT与RANSAC结合的匹配算法都存在不同程度误匹配的问题,提出一种基于局部SIFT特征点的双阈值匹配算法。设计变步长迭代准则获取SIFT双阈值,其中大阈值匹配获得一组稀疏的精确匹配,小阈值匹配获得一组可能存在误匹配的密集匹配。以精确匹配建立目标的形变约束模型,以此为基础从密集匹配中删除误匹配。通过这些正确的匹配点估计两幅图像之间的变换矩阵。为了降低算法所需时间,提高效率,通过分析图像的纹理变化,采用提取其变化最为剧烈的区域来代表整幅图像进行匹配运算。实验结果表明,该算法在图像存在平移、旋转等仿射变化情况下具有配准精度高,稳定和快速等特点。     

基于特征提取和匹配的图像倾斜校正算法

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法。该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线进行倾斜检测,具有尺度、平移无关性。使用双向最大相关系数匹配,匹配正确率较高。利用大数原理对数据进行处理,去除误匹配的影响。该算法最少可以利用两个匹配对,检测出图像倾斜角度。结合本文的应用背景,本文还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质。     

基于最大池的谱特征匹配算法

为了提高基于谱特征的图像匹配算法的精度和鲁棒性,提出了一种基于最大池的谱特征匹配算法。首先,利用图像特征点邻域信息提取具有旋转不变性和亮度线性变化不变性的谱特征;其次,将以谱特征描述的特征点作为节点、特征点之间的欧氏距离作为边构造属性关系图,将图像匹配问题转化为图匹配问题;最后,引入最大池匹配策略获取图匹配结果。大量实验结果表明,该算法提高了谱特征匹配算法的精度和鲁棒性。     

基于直线段特征的分级立体匹配方法

提出了一种基于直线段特征的分级立体图像匹配算法。根据直线段构造了长方形区域作为立体匹配的基元,计算区域的灰度均值及区域的转动惯量等属性值,构造相似性度量函数得到初级匹配结果;根据直线段间的几何关系建立二级匹配算法,求解基础矩阵。在基础矩阵的指导下,完成三级立体匹配,实验结果表明了该算法的有效性和可行性。     

序列图像特征提取与匹配算法的改进

在计算机视觉领域中特征点匹配是一个重要课题。针对ORB（ORiented Brief,方向描述符）算法缺少尺度不变性的特点,将SURF（Speeded-Up?Robust?Features,快速鲁棒特征）算法与ORB相结合,提出了基于算法组合的改进算法SUORB（Speeded-Up?ORiented Brief,快速方向描述符）。组合算法的基本思路是利用SURF算法建立多尺度空间,然后通过ORB算法为检测出的特征点建立描述符,最后根据生成的二进制描述符实现特征点匹配。实验结果表明,SUORB算法基本弥补了ORB算法的不足,若图像尺度发生变化,SUORB匹配算法比ORB匹配算法的准确度明显提高;同时SUORB算法保留了ORB算法的快速性。     

特征提取和匹配的图像倾斜校正

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法.该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线,具有尺度、平移无关性.首先使用双向最大相关系数匹配,匹配正确率较高;然后利用大数原理对数据进行处理,去除误匹配的影响,该算法最少可以利用两个匹配对,即可检测出图像倾斜角度.结合应用背景,还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质.