基于区域SIFT特征的凝胶图像间蛋白点匹配算法

针对传统匹配算法对旋转和扭曲图像匹配效果不佳的问题,提出一种基于蛋白点区域SIFT(Sale Invariant Feature Transform)特征的凝胶图像间蛋白点匹配算法.首先,提取蛋白点区域SIFT特征;然后,根据SIFT特征实现蛋白点粗匹配,并采用RANSAC (Random Sample Consensu)方法剔除误匹配特征点;最后,通过计算粗匹配点集之间的TPS(Thin Plate Spline)变换关系,采用几何相关法完成蛋白点间的精匹配.通过对国际凝胶图和Bio-Rad公司测试图等不同图源的凝胶图像进行蛋白点匹配实验,结果表明,该算法具有较高的匹配精度,其匹配误差小于2.2％,对旋转和扭曲图像同样具有良好的鲁棒性.     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

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.     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响.结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法.首先采用改进的三次 B 样条分别对两幅源图像进行边缘提取;然后利用 SURF 算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC 算法剔除误匹配点对,从而实现图像的匹配.实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性.     

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。     

基于FPGA的图像多尺度特征点提取及匹配

对于图像的多尺度特征点提取及匹配存在提取特征有限、算法复杂度高、处理速度慢的问题,提出了一种利用多尺度Harris角点方法提取图像中物体边界特征点,采用二维高斯拉普拉斯算子检测图像斑点信号,并基于SIFT特征描绘子计算特征描绘子相似度来完成匹配的方法.该方法充分利用FPGA的并行性特点,通过降低多尺度Harris角点检测、斑点提取和SIFT特征描绘子生成算法的复杂度,在FPGA中实现了图像多尺度特征点的快速提取及匹配.通过对多组图片进行对比测试验证,该方法相对于软件实现方法具有处理速度快,而图像主要特征点不丢失的特点.     

三维激光扫描图像快速实时匹配方法改进研究

为提高三维激光扫描图像匹配效率,研究基于特征提取的三维激光扫描图像快速实时匹配改进方法。采用基于改进动态直方图均衡的三维激光扫描图像增强方法,在保证图像高频区域灰度与低频区域灰度一致的条件下,均衡地增强三维激光扫描图像,通过基于SIFT算法的三维激光扫描图像特征提取方法,提取增强后图像中的核心特征向量后,使用基于改进BRISK算法的三维激光扫描图像快速实时匹配方法,通过特征点匹配的方式完成三维激光扫描图像匹配。实验结果验证:所提方法对彩色、灰度两种三维激光扫描图特征点匹配图像具有较好的增强效果,可实现彩色、灰度两种三维激光扫描图像的快速实时匹配。     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于SIFT特征点的图像匹配算法

SIFT特征点是图像的一种尺度不变局部特征点。首先给出了尺度空间的生成方法;接下来给出了SIFT特征点的提取步骤和精确定位方法,基于特征点邻域像素的梯度和方向生成了关键点的描述向量;最后根据特征向量给出了匹配方法,提取了SIFT特征点,并将其应用于图像匹配。实验结果说明,使用SIFT特征点可以有效实现图像匹配。     

结合区域分割的SIFT图像匹配方法

针对待配准图在参考图上存在多个相似的区域,传统的SIFT算法导致匹配点数量较少,影响对模型变换参数估计的情况,提出了结合区域分割的SIFT方法。与原始算法相比,该算法可以得到更多正确的匹配点对,时效性上更优。实验结果表明,该算法比原算法的正确匹配点对提高了近30倍,结合区域分割的特征匹配,剔除了90%以上的误匹配点对,改进后的算法时间性能上也更优。     

SIFT改进算法在图像配准中的应用

文中对尺度不变特征变换(SIFT)算法进行分析研究,针对原算法中128维的高维描述子提出60维方形邻域描述子,统计邻域梯度信息.方形邻域描述子较原算法增加了邻域像素统计范围,增强了关键点的邻域信息;在配准阶段采用欧氏距离作为度量函数,用次临近与最邻近之比来对60维描述子进行匹配.通过实验证实,改进算法的匹配时间是原算法的30%～60%,配准精度与原算法相近,对于复杂图像的配准精度较原算法有所提高,适用于对实时性要求较高的图像配准场合.     

改进RANSAC算法在多光谱图像匹配中的应用

为了提高多光谱图像匹配的速度和精度,提出一种改进的随机抽样一致性(RANSAC)算法。针对传统RANSAC算法迭代次数多、运行效率低、单应性矩阵模型精度低等问题,在采用SIFT算法完成初始特征匹配的基础上,从合理减少样本集中元素个数以提高局内点在样本中所占的比例以及采用预检验快速舍弃不合理的初始参数模型等方面对RANSAC算法进行改进,从而极大地减少了算法的迭代次数,提高了算法的运行效率和估计精度。实验结果表明,所提改进算法不仅提高了图像匹配的精度,而且在处理相同数据的前提下,其所用时间不足传统RANSAC算法的60%,有效减少了算法的运行时间,提高了算法效率。     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

基于分数阶微分和SIFT算法的图像匹配方法研究

提出了一种采用分数阶微分与尺度不变特征变换算法(SIFT)相结合的方式进行图像识别及匹配方法.该方法首先采用分数阶微分方法对图像的细节纹理部分进行加强,从而提高图像的分辨率,然后采用尺度不变特征变换算法对旋转缩放后的图像进行特征关键点提取和匹配,从而提高图像识别的准确率.应用该方法对Lena图像进行图像处理实验,结果表明:采用阶次为0.6的分数阶微分算法与SIFT相结合可最大化地提取图像的关键点和提高图像匹配的准确率(94.59％).     

基于SIFT算法在遥感图像匹配中的应用研究

针对遥感图像在光照和几何差异等复杂因素上引起的匹配误差,深入研究了SIFT特征描述符的改进方法.利用特征点圆形区域来构造特征描述符,采用自适应量化策略用来局部区域的划分和梯度直方图的计算,并对每个描述子采用一种插值法重新确立主方向,改进SWT算法的描述符.降低特征点维数的同时,又保证特征点描述符的独特性和鲁棒性.研究结果表明,改进的SIFT描述符在遥感图像几种复杂环境下都取得了预期的结果,证实了改进算法的可行性.