局部不变特征综述

局部不变特征是近年来计算机视觉领域的研究热点。局部不变特征在宽基线匹配、特定目标识别、目标类别识别、图像及视频检索、机器人导航、场景分类、纹理识别和数据挖掘等多个领域得到了广泛的应用。本文基于局部不变特征检测、局部不变特征描述和局部不变特征匹配3个基本问题,综述了文献中现有的局部不变特征研究方法,并比较了各类方法的优缺点。根据特征层次的不同,局部不变特征检测方法可以分为角点不变特征、blob不变特征和区域不变特征检测方法3类。局部不变特征的描述方法可以分为基于分布的描述方法、基于滤波的描述方法、基于矩的描述方法和其他描述方法。局部不变特征匹配的研究主要集中在相似性度量、匹配策略和匹配验证3个方面。最后在分析各类研究方法的基础上,总结了局部不变特征研究目前存在的一些问题及可能的发展方向。     

基于圆投影及直方图不变特征的图像匹配方法

本文在不变矩进行深入探讨的基础上提出了一种基于圆投影及直方图不变特征的图像匹配方法.通过圆投影方法进行预处理,采用圆形模板对待匹配图像进行快速搜索,然后选择三种直方图不变矩作为图像特征量进行匹配.实验表明,该方法有效解决了目标图像和匹配图像之间存在的较大旋转问题,大大减少了匹配时间.     

基于序列图像的二次曲面体轮廓曲线匹配

该文提出一种二次曲面体轮廓曲线匹配方法。首先提取图像的轮廓边缘,用分段二次曲线描述边缘,得到每段曲线的坐标点集并进行标准化;再对经标准化后的坐标进行二次曲线拟合,得到二次曲线方程的参数;最后通过二次曲线的三个不变量来进行曲线匹配。实验表明,该方法能够有效地匹配二次曲面体轮廓边缘,并具有较高的匹配精度。     

一种新的二维开曲线匹配算法研究

在提取碎片轮廓的基础上,提出了一种基于相似变换下的新的尺寸不变为标示符的二维开曲线匹配方法。基本思想是首先以弧长的曲率绝对值的积分方法,通过对轮廓重采样来计算轮廓曲线上的特征点,特征点分曲线为若干段,然后特征段之间的Hausdorff距离来比较两曲线的段的相似性,当Hausdorff距离小于给定的容差时,可认为相应的轮廓是匹配的,实验证明算法更快有效。     

平面非规则曲线的一种快速识别与匹配算法

平面非规则曲线的识别与匹配主要用于图像识别、物体匹配等领域。文章在综合研究比较国内外的研究成果后,提出了一种新的快速提取特征进行筛选而后进行细节比对进行匹配的方法。该方法首先通过提取构成平面非规则曲线的一系列离散点的关键特征进行快速筛选,而后逐步比对细节特征,分析其变化趋势,对平面非规则曲线的匹配有着较为满意的匹配效果。该方法相比现有的匹配方法,具有识别与匹配速度快,准确率高,适应性强等优点。     

尺度不变单样本人脸识别方法

人脸识别是近年来图像处理、模式识别等领域的研究热点,但其面临的小样本空间、图像旋转、尺度变化等难题一直制约着人脸识别技术的发展与应用。为此,提出一种针对单样本人脸识别,提取尺度不变特征和样本脸进行匹配的识别方法:通过提取并匹配人脸图像的尺度不变特征得到特征点匹配关系,用以估计和校正图像间的旋转、尺度变化,并得到相对输入人脸图像尺度、旋转不变的样本脸,再使用子区域归一化互相关算法快速计算样本脸与输入图像之间的匹配程度,最后基于联合判决器综合特征点、样本脸两级匹配置信度综合判定识别结果。该方法有效结合了SIFT尺度不变特征对于旋转、尺度和光照变化稳定不变的优势,对于弱纹理图像也能够有效识别,具有较强的鲁棒性和适应性。     

点线特征融合的误匹配剔除算法

特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合, 验证算法 对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。     

图像匹配方法研究综述

目的 图像匹配作为计算机视觉的核心任务,是后续高级图像处理的关键,如目标识别、图像拼接、3维重建、视觉定位、场景深度计算等。本文从局部不变特征点、直线、区域匹配3个方面对图像匹配方法予以综述。方法 局部不变特征点匹配在图像匹配领域发展中最早出现,对这类方法中经典的算法本文仅予以简述,对于近年来新出现的方法予以重点介绍,尤其是基于深度学习的匹配方法,包括时间不变特征检测器（TILDE）、Quad-networks、深度卷积特征点描述符（DeepDesc）、基于学习的不变特征变换（LIFT）等。由于外点剔除类方法常用于提高局部不变点特征匹配的准确率,因此也对这类方法予以介绍,包括用于全局运动建模的双边函数（BF）、基于网格的运动统计（GMS）、向量场一致性估计（VFC）等。与局部不变特征点相比,线包含更多场景和对象的结构信息,更适用于具有重复纹理信息的像对匹配中,线匹配的研究需要克服包括端点位置不准确、线段外观不明显、线段碎片等问题,解决这类问题的方法有线带描述符（LBD）、基于上下文和表面的线匹配（CA）、基于点对应的线匹配（LP）、共面线点投影不变量法等,本文从问题解决过程的角度对这类方法予以介绍。区域匹配从区域特征提取与匹配、模板匹配两个角度对这类算法予以介绍,典型的区域特征提取与匹配方法包括最大稳定极值区域（MSER）、基于树的莫尔斯区域（TBMR）,模板匹配包括快速仿射模板匹配（FAsT-Match）、彩色图像的快速仿射模板匹配（CFAST-Match）、具有变形和多样性的相似性度量（DDIS）、遮挡感知模板匹配（OATM）,以及深度学习类的方法MatchNet、L2-Net、PN-Net、DeepCD等。结果 本文从局部不变特征点、直线、区域3个方面对图像匹配方法进行总结对比,包括特征匹配方法中影响因素的比较、基于深度学习类匹配方法的比较等,给出这类方法对应的论文及代码下载地址,并对未来的研究方向予以展望。结论 图像匹配是计算机视觉领域后续高级处理的基础,目前在宽基线匹配、实时匹配方面仍需进一步深入研究。     

一种抗图像模糊的快速景象匹配算法

针对各种原因引起的实测图退化情形,将模糊不变矩引入景象匹配中。为了解决匹配过程中计算量大的问题,从简化匹配特征的计算及优化搜索策略两方面采取措施。在模糊不变矩计算方面,通过预先建立21个和表矩阵,提出了一种适用于匹配过程的矩特征高效求解算法;在搜索策略方面,考虑到模糊不变矩特征对图像分辨率的敏感性,提出在原分辨率基准图上采用遗传算法进行搜索匹配。实验结果表明,在实测图出现模糊及受噪声干扰情况下,所提匹配算法在保证匹配精度的同时,其匹配耗时比传统方法少好几个数量级,能够满足导航系统对实时性的要求。     

点云空间曲线的微分信息计算及匹配方法

建立了点云几何分析的相关理论框架,即定义和计算点云潜在曲线的几何微分量,包括Frenet标架、曲率、挠率等;在此基础上提出一种新的点云空间曲线匹配方法。直接在点云上计算微分量来获取相应曲线的特征信息,从而构建全局粗匹配方案,并进一步建立基于空间动力学的精细匹配优化模型。数值实验表明,微分信息计算和匹配方法能很好地适用于带噪音的点云数据,有效地实现点云空间曲线的高精度匹配。     

Object-aware deep feature extraction for feature matching

Feature extraction is a fundamental step in the feature matching task. A lot of studies are devoted to feature extraction. Recent researches propose to extract features by pre-trained neural networks, and the output is used for feature matching. However, the quality and the quantity of the features extracted by these methods are difficult to meet the requirements for the practical applications. In this article, we propose a two-stage object-aware-based feature matching method. Specifically, the proposed object-aware block predicts a weighted feature map through a mask predictor and a prefeature extractor, so that the subsequent feature extractor pays more attention to the key regions by using the weighted feature map. In addition, we introduce a state-of-the-art model estimation algorithm to align image pair as the input of the object-aware block. Furthermore, our method also employs an advanced outlier removal algorithm to further improve matching quality. Experimental results show that our object-aware-based feature matching method improves the performance of feature matching compared with several state-of-the-art methods.     

基于归并优化的快速特征点匹配算法

在使用点特征进行图像匹配的过程中,初始提取的特征点的数量和质量决定了最终的匹配速度和匹配精度.针对这一特点,本文提出对初始提取的特征点集首先进行动态的分块归并优化,然后使用改进的分层投影匹配算法对图像进行粗匹配,最后通过极线约束得到鲁棒的匹配结果.实验表明,本方法在对纹理丰富、尺寸较大的图像进行匹配时,大大提高了运算的速度,同时又保持了匹配的精度.     

基于灰度权重NMI的快速图像匹配

结合灰度匹配和特征匹配的优点,提出基于灰度权重NMI的一种复合图像匹配新方法,定义了灰度权重的概念,使其既能在特征匹配中增强NMI特征提取的质量,又能在灰度匹配时减少相关的运算量,提高了匹配的速度和质量。     

基于改进CNN-RANSAC的水下图像特征配准方法

水对光的吸收和散射效应降低了水下图像的质量,水下图像的可视范围受到限制,复杂水下场景下的鲁棒性和精确性问题使得特征提取与匹配成为一项具有挑战性的任务。为了更好地配准水下图像,提出了一种改进CNN-RANSAC的水下图像特征配准方法,首先通过基于深度卷积神经网络的水下图像增强方法对水下图像进行增强预处理,通过水下图像分类数据集迁移学习训练VGGNet-16网络框架,利用修改后的网络框架进行特征提取,生成鲁棒的多尺度特征描述符与特征点,经过特征粗匹配与动态内点选择,使用改进的RANSAC方法剔除误匹配点。在大量水下图像数据集上进行了充分的特征提取和特征匹配实验,与基于SIFT和SURF的配准方法相比,该方法能够检测到更多的特征点,实现了匹配正确率的大幅度提高。     

改进ORB算法在图像匹配中的应用

在计算机视觉领域，图像匹配是一个核心问题。为了提高图像特征点匹配算法的准确度，增强算法的抗干扰能力，针对ORB（oriented FAST and rotated BRIEF）算法的不足，提出一种改进的图像特征点匹配算法。该算法通过设置自适应阈值来进行特征点检测，并在算法粗匹配结果的基础上剔除不符合图像几何特性的部分外点。最后，利用仿射不变性约束筛选出精确匹配点。实验表明，该方法可有效提高算法匹配质量且执行时间短，对于不同模糊度和曝光度的图像匹配均具有很好的鲁棒性。     

基于深度学习LoFTR算法的路面图像拼接

相比基于特征点的传统图像特征匹配算法,基于深度学习的特征匹配算法能产生更大规模和更高质量的匹配.为获取较大范围且清晰的路面裂缝图像,并解决弱纹理图像拼接过程中发生的匹配对缺失问题,本文基于深度学习LoFTR (detector-free local feature matching with Transformers)算法实现路面图像的拼接,并结合路面图像的特点,提出局部拼接方法缩短算法运行的时间.先对相邻图像做分割处理,再通过LoFTR算法产生密集特征匹配,根据匹配结果计算出单应矩阵值并实现像素转换,然后通过基于小波变换的图像融合算法获得局部拼接后的图像,最后添加未输入匹配网络的部分图像,得到相邻图像的完整拼接结果.实验结果表明,与基于SIFT (scale-invariant feature transform)、SURF (speeded up robust features)、ORB (oriented FAST and rotated BRIEF)的图像拼接方法比较,研究所提出的拼接方法对路面图像的拼接效果更佳,特征匹配阶段产生的匹配结果置信度更高.对于两幅路面图像的拼接,采...     

稀疏字典编码的超分辨率重建

基于学习的超分辨率方法通常根据低分辨率图像从样本库中选取若干特征相似的匹配对象,再使用优化算法进行超分辨率估计,但其结果受匹配对象的质量限制,并且匹配特征一般只选择图像的几何结构信息,匹配准确性较低.提出了稀疏字典编码的超分辨率模型,将高、低分辨率图像特征块统一进行稀疏编码,建立高、低分辨率图像的稀疏关联,同步实现匹配搜索和优化估计,突破了上述方法的限制.应用形态分量分析法提取图像的特征数据,提高了特征匹配的准确性,并同步实现超分辨率重建和降噪功能.优化方法采用稀疏K-SVD算法以提高稀疏字典编码的计算速度.采用自然图像进行实验与其他基于学习的超分辨率算法相比,重建所得到的图像质量更优.     

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。     

基于颜色和特征匹配的视频图像人脸检测实现技术

A face detection method using statistical skin-color model and facial feature matching is presented in this paper.According to skin-color distribution in YUV color space,we develope a statistical skin-color model through interactive sample training and learning.Using this method we convert the color image to binary image and then segment face-candidate regions in the video images.In order to improve the quality of binary image and remove unwanted noises,filtering and mathematical morphology are empolied.After these two processing,we use facial feature matching for further detection.The presence or absence of a face in each region is verified by means of mouth detector based on a template matching method.The experimental results show the proposed method has the features of high speed and high efficiency,but also robust to face variation to some extent.So it is suitable to be applied to real-time face detection and tracking in video sequences.     

双目立体视觉中的图像匹配方法研究

对目前匹配能力很强的基于SIFT特征的图像匹配方法进行研究,并在该方法中加入极线约束,有效去除了大部分虚假匹配。提出以特征匹配与区域匹配相结合、边缘特征与角点特征相结合的立体匹配方法。实验证明该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度。