图像特征匹配中一种快速关键维过滤搜索算法

为了解决宽基线多图匹配中匹配效率低和匹配精度不高的问题,使用经典的SIFT特征作为描述子,提出一种新的高维特征搜索算法．采用基于距离尺度的相似性度量准则,首先将图像高维特征集合分类,然后为每一个类建立B+Tree索引,最后在KNN(K Nearest Neighbor)搜索阶段应用基于关键维过滤的查找策略,实现高维特征的快速匹配．实验结果表明,与经典的BBF和LSH等KNN搜索算法相比较,关键维过滤搜索算法具有更高的搜索效率和搜索精度,有助于提升宽基线多图匹配性能．     

基于局部熵的图像特征描述方法

使用传统的特征描述方法SIFT在单一尺度上描述图像特征会丢失一部分重要信息,影响图像的正确匹配结果。为了解决这一问题,本文在多尺度模糊空间内提取特征描述子。信息熵从图像显著性角度估计特征点及其周围的信息,能获得更多的图像关键内容,本文提出了基于局部熵的图像特征描述方法。首先,在高斯差分空间(DOG)内计算特征点的多层SIFT描述子,同时统计特征点在每层尺度上的局部熵,计算特征点在每层的熵值占所有层熵总和的百分比,利用所得百分比与每层描述子做乘积;然后,累加所有层描述子;最后,使用平方根算法得到最终局部熵特征描述子。通过与其他描述子的对比实验结果可知,本文提出的局部图像描述方法在精确-召回率、平均均匀准确度和正确匹配数方面具有强鲁棒性。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

仿射不变的快速局部特征描述子算法

在局部图像特征的研究中,提出了一种用于实时图像匹配的仿射不变快速局部特征(Affine invariant fast local feature,AIFLF)描述方法。在兴趣点的局部邻域内利用归一化的梯度值建立基于仿射不变矩的描述子。模拟实验中,将利用Harris-Laplacian检测子的本文算法与经典SIFT算法进行了对比。结果表明:在识别率相当的条件下,本文算法运行时间明显小于SIFT描述子。在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,本文算法在尺度、视角和旋转变换中的匹配效果好于经典的SIFT算子和SURF算子。     

基于ASIFT改进算法的无人机图像特征匹配方法研究

无人机图像纹理丰富、特征显著,在机器视觉三维重建及机器人导航中应用广泛,但其视角变化大,且易倾斜。传统的尺度不变特征变换(SIFT)算法和Affine SIFT(ASIFT)算法等图像特征匹配算法误差较大,难以满足应用要求。针对该问题,提出了一种基于ASIFT的改进算法。首先用ASIFT算法模拟图形畸变,然后利用SIFT算法中的k d树算法对最邻近特征点进行快速搜索匹配,最后加入随机抽样一致算法,得到匹配对的参数模型,同时对不符合模型的误差匹配对进行剔除。实验结果表明,该算法可以优化匹配效果,提高匹配速度。     

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。     

基于特征的显微图像全自动拼接

为了解决高倍镜下显微镜视野减小,无法完全捕获目标的问题,需要设计快速高效的方法对一系列显微图像进行拼接.在照片全景图重建的研究基础上,提出了一种基于特征的全自动显微图像拼接算法.该算法利用尺度不变特征变换（SIFT）提取图像中的特征,将获得的全部特征构建全局kd-Tree,使用优化的最优节点优先（BBF）算法搜索潜在的匹配图像对.采用随机抽样一致性算法（RANSAC）对找到的匹配图像对进行检验.根据最小生成树（MST）算法获得图像序列的连通分量,得到图像对之间的变换矩阵并将图像映射到拼接平面.对一系列显微图像的实验结果表明,该方法对图像中的背景噪声和亮度差异都有较好的鲁棒性,对相互之间只有少量重叠区域的图像序列也能获得可靠和精确的结果.     

基于改进SIFT的图像特征匹配算法

鉴于传统尺度不变特征变换(scale invariant feature transform,SIFT)算法特征描述子维度过高、匹配时间长和误匹配率较高的问题,提出一种改进SIFT的图像特征匹配算法.首先,将SIFT特征点邻域的方形区域改为十字形分区来简化特征描述子,降低描述子的维度,减少匹配计算量;然后,在由欧式距离...     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.     

基于特征匹配的图像真伪检测方法的研究

针对基于SIFT特征匹配的图像篡改检测算法存在篡改区域定位不清晰,以及SIFT误匹配现象会对篡改区域分辨造成干扰的问题,提出一种基于数学形态学和特征匹配的图像篡改区域定位方法.首先在尺度空间上对图像进行极值检测,对图像特征关键点进行定位,确定图像梯度方向,形成特征点描述子;然后基于欧式距离对特征描述子进行两两匹配形成块...