基于SIFT和卡尔曼滤波的电子稳像技术研究

利用电子稳像方法去除抖动视频中的噪声是目前稳像技术的发展方向之一。文中首先介绍电子稳像的基本流程,随后使用SIFT提取图像中的特征点,以解决图像中存在缩放的问题。在经过运动一致性估计后计算运动参数,并使用Kalman滤波得到各帧的修正矢量。实验结果表明该方法能有效地去除随机运动分量而保持意向运动分量,得到稳定的视频。     

视频图像的SIFT特征点自适应提取算法

采用SIFT算法匹配视频图像帧前,必须首先提取特征点。如果输入图像的大小和特性变化,特征点的灰度阈值必须随之重新设置,以避免过大的计算量和配准失败。提出了一种视频图像的特征点自适应提取算法。该算法能够将前一帧的视频图像的参数反馈到当前帧,自动设置适当的特征点灰度阈值,使得从当前帧提取的关键点的数量接近预期值。实验结果表明,当输入图像改变时,采用自适应设置阈值方法,从视频帧提取的特征点的数量始终保持在预期值。该方法可以通过SIFT算法自适应地配准数字视频图像,使特征点数量保持稳定,避免配准失败,减小计算量。     

采用SIFT的末制导图像匹配技术

图像匹配技术作为末制导图像处理器的关键技术具有重要的理论意义和实用价值.近年来,SIFT算法以其优秀的匹配性能在图像匹配领域受到广泛的关注.针对传统的及现有的改进SIFT算法计算复杂、难于实际应用的问题,使用VC++对各种SIFT的改进算子进行仿真实验,对比不同算子的实验性能,提出一种更加快速稳定的SIFT算法.在尺度...     

基于Kalman与SIFT的车辆跟踪算法

车辆跟踪是智能交通系统中的一项关键技术。文章在研究现有的车辆跟踪算法基础上,提出了一种基于卡尔曼（Kalman）与尺度不变特征变换（Scale invariant feature transform,SIFT）的车辆跟踪算法。通过将车辆的外接矩形信息转化为Kalman滤波参数,对车辆运动进行建模,结合SIFT特征匹配能够有效地解决车辆遮挡问题。实验结果表明,该方法能够对运动车辆实现稳定的跟踪,并且能够有效地解决车辆遮挡问题。     

基于SIFT特征的特定目标识别管控算法

小型存储设备,如U盘、移动硬盘、手机等特定目标在人们日常生活中起着越来越重要的作用,如何对这些特定的目标物体进行管理控制以确保其安全性等问题也受到了越来越多的重视。本文提出了一种基于SIFT(Scale-Invariant Feature Transform)特征的特定目标识别管控算法。通过摄像头监控特定场景区域,判断场景中是否存在对特定目标进行管理的人员,并在监控视频区域环境下,使用SIFT与需要匹配的目标进行匹配,达到对关键目标物体识别管控的目的。大量实验仿真结果证明了本算法的有效性。     

基于单目双焦及SIFT特征匹配的深度估计方法

提出一种基于单目双焦及SIFT特征匹配的深度估计方法.根据空间景物的深度在不同焦距下其成像的矢量位置和对应的焦距形成几何关系的原理,通过单相机获取两幅不同焦距下的图像后,运用SIFT算法对两幅图像进行特征提取和特征匹配,得出同一景物像素点距中心点的偏移位置比,从而通过几何关系公式计算出像素点的深度值,以此获取深度图.经实验验证了该方法的可行性,实验结果表明,使用该方法获取深度值仅需单台相机这一设备,方法简单易行,且成本低,具有广阔的应用范围.     

基于优选特征轨迹的全分辨率视频稳定

该文提出一种基于优选特征轨迹的视频稳定算法。首先,采用改进的Harris角点检测算子提取特征点,通过K-Means聚类算法剔除前景特征点。然后,利用帧间特征点的空间运动一致性减少错误匹配和时间运动相似性实现长时间跟踪,从而获取有效特征轨迹。最后,建立同时包含特征轨迹平滑度与视频质量退化程度的目标函数计算视频序列的几何变换集以平滑特征轨迹获取稳定视频。针对图像扭曲产生的空白区,由当前帧定义区与参考帧的光流作引导来腐蚀,并通过图像拼接填充仍属于空白区的像素。经仿真验证,该文方法稳定的视频,空白区面积仅为Matsushita方法的33%左右,对动态复杂场景和多个大运动前景均具有较高的有效性并可生成内容完整的视频,既提高了视频的视觉效果,又减轻了费时的边界修复任务。     

一种基于视频技术的车辆跟踪方法

在智能交通系统中,基于视频技术的车辆跟踪是交通参数和交通事件检测的关键技术之一。本文首先研究了现有的基于视频技术的车辆跟踪技术,然后提出了一种使用Kalman滤波器预测车辆位置,并用距离和颜色信息辅助识别车辆的跟踪方法。实验结果表明,该方法能够有效地实现车辆的跟踪。     

视频稳像技术综述

分析了视频稳像的各类算法,包括基于运动的经典算法框架下的各种研究和无运动的新稳像算法。指出了各类算法的优缺点和适用性,并展望了今后的研究方向。     

基于特征点匹配技术的运动估计及补偿方法

提出一种用于电子稳像技术的全局运动估计和补偿算法。通过特征点匹配,求其局部运动矢量;将其代入变换模型所得的线性力程组,求其全局运动矢量。用均值滤波的方法确定各帧的补偿量,并代入给定的变换模型对当前图像进行变换,实现对视频图像序列的稳定处理。为了减小特征点匹配计算的复杂性,加快匹配速度,还采用了多分辨率图像金字塔匹配策略。实验表明．使用该算法对于提高动态图像的稳定性有较好的效果。     

一种改进的基于RANSAC方法的SIFT特征匹配

在图像配准,图像融合,目标识别,图像拼接等领域中,运用SIFT描述子进行特征匹配是一种常用方法,针对传统的消除误匹配的RANSAC算法迭代次数多,计算复杂度较大,在SIFT特征匹配中误配率高的问题,增加了一个原始匹配点对的前道处理环节,引入匹配点对的几何特征定义,根据匹配点对的最近邻点和次近邻点角度差在一定阈值范围内建立预处理模型,剔除误匹配点,减少了参与RANSAC的数据量,提高了RANSAC的运行效率。实验结果表明:与未增加前道处理的RANSAC算法相比,基本消除了误匹配点,提高了图像匹配的准确率。     

一种基于SIFT的改进优化特征匹配算法

尺度不变特征变换即SIFT算法存在实时性差,易误匹配等固有问题,本文针对性地提出了特征描述符降维处理和匹配优化解决方案,得到一种能满足更高实时性和精确性需求的特征匹配算法.通过使用特征点为中心的9个同心圆环梯度累计值,构建72维特征向量,进行特征描述符降维,达到简化特征描述的目的,从而减少描述符的生成和匹配时间.此外,结合匹配点择优筛选和RANSAC算法匹配提纯,有效地减少了误匹配.实验表明:改进优化后的特征匹配算法既显著地提高了特征匹配精确度,又改善了算法自身实时性.     

基于改进SIFT算法对录制视频的质量评估

文章通过选取30个涵盖人物、风景、设备等不同场景下的短视频,在电视卖场选取9个不同电视机品牌并采用Iphone、VIVO、HUAWEI三种不同拍摄设备对30个短视频进行录制;针对录制视频时出现的位移、形变等问题,采用结合边缘检测及改进SIFT算法的录制视频处理办法,首先使用边缘检测算法寻找播放设备框界,通过逐帧操作实现录制视频空间一致性;然后利用图像特征匹配算法中的尺度不变特征变换匹配视频开始和结束画面,去除时域上产生的冗余;利用录制视频的边缘线性,采用映射边缘检测算法,同时针对视频处理耗时过长的问题,使用曼哈顿距离计算参考图与待匹配图的相似度降低算法复杂度。最后将处理后的录制视频去和原始视频得到空间和时间上的对齐,然后采用SSIM进行质量评估。     

基于SIFT特征与预测的运动目标检测算法

为了在动态场景下对运动目标进行快速检测,提出一个改进的SIFT特征匹配的检测算法。首先采用SIFT方法提取匹配的特征点;然后为全局运动建立起旋转参数模型,并使用RANSAC方法排除外点的影响,运用最小二乘法求解全局运动参数;最后利用基于残差图像块的更新策略对特征点进行更新。该算法是基于预测的SIFT特征点匹配算法,不仅保持了SIFT方法的优越性能,而且提高了检测目标的速度。与块匹配算法的实验结果对比表明,该算法可以实时准确地检测出运动目标。     

一种基于区域分割的SIFT图像特征提取算法

提出一种基于区域分割的SIFT图像特征提取算法.首先采用改进后的SIFT算法对图像进行计算,同时采用快速分割算法对原始图像进行分割,对照分割后的区域分别取每个区域最显著的几个SIFT特征,最后采用局部降维算法,将高维特征降低到可以接受的低维度特征.实验表明,该方法的运行时间短,对特征提取的位置界定准.     

基于SIFT特征点匹配校正的抗几何攻击水印算法

嵌入水印的数字产品在传播过程中可能遭受到各种攻击,其中几何攻击破坏了水印和图像空间坐标的同步性,很容易使得水印算法失效。因此,抗几何攻击的水印算法成为了数字水印技术研究的热点和难点。本文利用图像尺度不变特征变换(SIFT)特征点所具有的旋转、缩放和平移不变性,提出了一种几何校正方法,该方法根据SIFT特征点的尺度特征和坐标关系实现带水印图像的几何校正。水印嵌入时首先对宿主图像Contourlet变换的低频子带进行分块奇异值分解,然后通过对各块奇异值向量的欧式范数的量化,改变所有奇异值实现水印信息的嵌入。水印提取时先对图像进行相应的几何校正,使得水印信息在受攻击后也能得到同步,从而提高了水印图像的抗攻击能力。仿真结果表明,该算法不可见性良好,水印容量较大,而且对于常规攻击和多种几何攻击都具有较好的鲁棒性。     

一种基于图像插值的SIFT算法研究

SIFT特征是图像的局部特征,其对旋转,尺度缩放,亮度变化保持不变性,对视角变化、一定角度的仿射变换、噪声也保持一定程度的稳定性.提出了一种具有尺度不变特征转换的图像插值的SIFT算法.首先对图像进行SIFT特征提取,利用K-D树搜索并计算最近邻特征向量与次最近邻向量间的欧式距离来实现对特征点的匹配.在此基础上加入图像插值法增大采集特征点的范围,从而增加特征点匹配的对数.最后比较3种图像插值方法.实验结果表明：双线性插值法获取的特征点匹配的对数最多,但匹配时间较长.     

基于SIFT的压缩跟踪算法

为了克服基于灰度特征信息的跟踪算法在复杂的环境下无法区分目标和背景的缺陷,提出基于SIFT的压缩跟踪算法。该算法采用改进的SIFT特征提取方式,结合压缩感知理论对特征进行有效的降维,以在线多实例学习算法训练分类器,实现在出现目标偏移、姿态变化和光暗变化等情况下对目标实时准确的跟踪。实验结果表明,该算法能够在复杂环境下实现目标的准确实时跟踪。     

基于改进加权融合算法的运动场景图像拼接

在图像匹配、融合过程中,由于图像中运动物体的存在,使得融合后的图像可能出现鬼影。鬼影消除一直是图像拼接技术的重点和难点。针对这一问题,现提出一种基于SIFT和改进加权融合的运动场景图像拼接方法。首先,采用对尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,使用RANSAC算法求出图像间的变换矩阵H,最后利用文中提出的改进加权融合算法完成图像的无缝拼接。整个过程完全自动地实现运动场景的图像拼接,消除了运动鬼影。实验结果验证了该方法的有效性。     

基于改进SIFT算法的图像匹配方法研究

SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。