一种提高SIFT特征匹配正确率的方法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、实时性差、误匹率高的问题,提出一种基于距离比率准则的方法来去除SIFT特征匹配中的错误匹配。传统的方法是采用随机选取一致性(RANSAC)方法选取出正确的匹配对,但是需要通过反复迭代,复杂、耗时并且仍存有部分误匹配的现象。改进后的方法直接通过两条匹配直线斜率的一致性判断,剔除不在斜率范围内的匹配,此方法算法简单,省时高效,从而较大提高了特征匹配的正确率。实验结果表明,通过采用距离比率准则方法具有较高的匹配精度,同时减少了匹配的时间,使实时性得到提高。     

一种面向SIFT特征匹配的过滤新算法

针对SIFT匹配算法存在误匹配的情况,提出了一种基于三角形相似的匹配特征点过滤算法,即在SIFT算法中使用欧式距离判断特征点相似性后,对匹配的特征点构造三角形,通过判别三角形相似对匹配特征点进行进一步过滤。实验结果表明,三角形相似算法能大大提高匹配精度。     

一种结合ORB算法的SIFT图像配准算法

在基于SIFT算法的图像配准过程中有两个重要的环节:特征提取和特征匹配。针对算法在特征提取时存在的计算量大、复杂度高、速度慢等问题,该文提出了结合ORB算法的思想,对SIFT算法进行特征提取的优化,从而实现快速地提取图像的局部特征。在特征匹配阶段采用K最近邻的BBF搜索策略并结合RANSAC算法进行提纯,消除误配点。实验结果表明,改进后的算法降低了配准时间,提高了配准精度,适用于一些对实时性要求较高的场合。     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

高精度尺度不变特征点匹配方法及其应用

在基于局部特征点匹配的目标检测与定位系统中,匹配点和误匹配点的数量直接影响定位精度。为降低特征点误匹配率并保证匹配过程中有足够的匹配点数,提出了一种改进的尺度不变特征点匹配方法。分析常用特征点匹配方法中匹配结果随判断阈值变化的问题,利用循环,采用变步长的方式获取匹配图像自适应双阈值。在此基础上,利用高阈值对应的稀疏精确匹配结果建立匹配图像间的几何变换约束模型并建立约束准则,用以滤除低阈值对应的密集匹配结果中的误匹配。实验结果表明,与现有方法相比,所提方法可明显提高匹配精度,从而增强目标的检测与定位性能。     

SIFT特征匹配算法的研究

当前,SIFT算法在特征匹配研究中是比较成功的一种特征算法,因为它不仅对图像的旋转、平移、缩放能保持不变,对部分遮挡和对比度的变化也可维持稳定而被应用于图像立体匹配中。旨在介绍SIFT算法的基本原理,比较一些SIFT改进算法的优缺点,并指出今后发展方向。     

图象特征点提取及匹配算法

针对图像特征提取与匹配的适应性和准确性的问题,本文提出将尺度不变特征变换算法应用到图像特征点提取与匹配。算法首先采用SIFT提取图象的特征点及其描述,然后采用基于置信度的匹配算法进行特征点的匹配。通过对不同光照条件、焦距、拍摄角度的图像进行特征点的提取及匹配,实验结果表明,本文算法对图像的平移、旋转和仿射变换具有很好的适应性和准确性,可以进一步应用到图像识别,图像重建等领域。     

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT特征匹配算法,解决了图像中存在多个相似区域时造成误匹配的问题。首先,在尺度空间检测出特征点;其次,生成特征向量,特征向量包含两部分：基于局部信息的SIFT向量和基于全局形状信息的全局向量;最后,采用BBF(Best Bin First)算法进行搜索,并采用欧式距离作为度量函数进行特征向量的匹配。实验结果表明：改进后的算法能够在更大的范围内表征特征点的信息,所用图像误匹配的概率由19%下降到了11%,改善了匹配效果。     

改进的SIFT特征提取和匹配算法

针对月球影像和尺度不变特征变换(SIFT)算法的特点,在改进SIFT特征提取算法的基础上,提出了一种稳健的图像自动匹配策略.首先,自动调整SIFT算法中的对比度控制系数,提高关键点提取的均衡性;然后,用SIFT描述向量之间的欧氏距离最小值与次小值的比值作为阈值,进行粗匹配,并利用匹配对主方向角度差直方图剔除部分伪匹配;...     

局部二维特征点马氏距离匹配方法

在融合具有尺度、旋转不变性、快速性和鲁棒性特点的SIFT算法和SURF算法的基础上,对基于传统局部二维特征点的欧氏距离匹配方法做了改进。采用基于马氏距离仿射不变性匹配方法,用RANSAC方法剔除误匹配点,取得了更稳健的匹配效果。分别对Open SIFT和Open CV的SURF代码进行马氏距离匹配改进,证明了基于Open CV的SURF马氏距离匹配的优越性。试验结果表明该方法更具可行性和鲁棒性。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

基于SIFT算法的目标匹配和识别

针对目标跟踪过程易受噪声干扰导致跟踪效果不理想,甚至丢失跟踪目标的问题,利用了尺度不变特征变换（SIFT）方法对单帧图像进行了目标特征点的提取和匹配,并结合线性卡尔曼滤波和聚类分析,剔除误匹配,实现了目标位置的最小均方误差估计。仿真结果表明,当图像存在不同程度的噪声影响时,基于SIFT的卡尔曼滤波目标匹配算法能有效减小目标跟踪误差,精确识别目标位置,提高目标跟踪精度。     

基于无监督学习的SIFT鲁棒图像匹配算法

SIFT特征匹配算法的匹配能力强,但特征点中孤立点和噪声点等会导致部分特征点误匹配;不同图像间特征点的有关描述相近,也会造成两幅不同结构的图像,在提取出各自的SIFT特征点后相互匹配。为此,提出一种改进SIFT的图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用无监督学习方法对匹配异常点进行剔除,实现特征点的二次精确匹配。     

基于SIFT算法的双目立体视觉中图像匹配研究

通过对双目立体成像基本原理的研究,依据立体匹配算法的概况,描述了一种基于图像特征值的匹配方法 (SIFT算法)。介绍了SIFT算法的特点、主要思想和具体实现步骤,并在MATLAB7.0环境下进行匹配模拟实现SIFT算法。仿真分析表明,SIFT特征匹配对的位置信息、方向信息和尺度信息都是准确的。     

焊缝X射线探伤图像自动搭接检测方法

针对焊缝探伤图像造假的现象在工程中比较普遍,而目前主要通过人工读片方式进行检查,检查效率低下、容易漏检。提出了一种基于图像处理的方法对焊缝的搭接区域进行自动定位、分割和比对,建立了焊缝探伤图像搭接自动检测系统,检测是否存在焊缝图像造假的现象。基于拉东变换找到搭接定位标记,从焊缝图像中切割出搭接区图像,采用尺度不变特征变换算法进行搭接匹配,计算两个搭接区图像的结构相似度。最后根据SIFT关键点的匹配点数和结构相似度判断两个搭接区图像是否匹配。实验结果表明,该方法的焊缝图像搭接自动检测准确率达到87.3%。     

一种基于几何特征的列车集尘器形状匹配算法

针对列车集尘器定位不准确的问题,提出了一种基于几何特征的形状匹配算法。该算法首先对轮廓点进行采样,基于极半径、局部曲率确定关键点的初始位置及点集的映射关系,然后以形心为基准,生成以角度和尺度为几何特征的双重描述子,并对其作标准量化处理。最后使用改进的曼哈顿距离计算描述子的相似性。实验结果表明,该形状匹配算法几乎不受伸缩、旋转、平移等几何变换的影响,具有一定的适应性和鲁棒性。     

基于改进SIFT图像匹配的无人机高精度避障算法设计

为提高无人机避障能力,提出基于改进SIFT图像匹配的无人机高精度避障算法.通过角点匹配和多分辨模式识别,实现对无人机高精度避障的图像显著特征点检测,通过对比梯度分析和参数融合识别,实现对无人机高精度避障图像信息加权融合处理,采用改进SIFT图像匹配方法,匹配无人机高精度避障地理空间网格,实现避障算法的优化设计.仿真结果...