基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。     

SVR在异源图像误匹配点对剔除中的应用

针对红外和可见光图像匹配算法中普遍存在正确匹配率低的问题,提出了一种基于支持向量回归(support vector regression,SVR)的误匹配点剔除算法.算法在已知特征匹配点对的基础上,将点坐标作为SVR的训练样本;通过SVR建立回归模型,拟合匹配点对的坐标映射函数;最后根据映射函数判定匹配点对的正确性,实现误匹配点对的剔除.实验表明,本文算法对于误匹配点的判定与剔除具有明显的效果.与随机抽样一致性算法相比,能够在不损失正确匹配的前提下有效减少误匹配对,具有较高的正确率.     

基于SIFT特征的两阶段procrustes迭代匹配算法

以得到尽量准确的图像SIFT(Scale Invariant Feature Transform)特征点之间的匹配关系为目的,给出了一种基于SIFT特征的两阶段procrustes迭代匹配方法。该方法首先基于图像SIFT描述向量得到图像SIFT特征点之间的初始匹配关系,初始匹配的特征点之间存在较多的错误匹配特征点对,然后利用特征点之间全局的几何约束采用第一阶段的procrustes迭代匹配方法去除错误匹配的特征点对,这时部分正确的匹配特征点对也可能被去除,最后利用另一个procrustes迭代匹配过程找回被去除的正确匹配特征点对。仿真实验表明,本文的方法有效去除了SIFT描述向量匹配中存在的错误匹配点对,并能找回被去除的正确匹配点对,得到图像特征点之间正确的匹配关系。      

基于Pearson相关系数的图像误匹配点剔除算法

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点.当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分...     

基于图论的激光图像误匹配点自动探测

为了有效提取特征点,提升误匹配点自动探测效果,提出一种基于图论的激光图像误匹配点自动探测方法。利用尺度不变特征变换检测激光图像极值点,完成特征点提取,归一化处理特征点,计算提取的特征点间的距离,按照距离为提取特征点构建激光图像完全图;建立激光图像导出图,通过迭代处理导出图,自动探测误匹配点。实验证明：该方法可有效提取激光图像特征点;在不同旋转角度时,该方法自动探测误匹配点的粗差误判率较低、内点比例较高,最高粗差误判率仅有6.8%,最低内点比例84.8%,说明该方法具备较优的误匹配点自动探测效果。     

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。     

基于初始尺度变换的SIFT匹配算法

直接使用检测到的SIFT(Scale-Invariant Feature Transformation)特征点进行特征点匹配,匹配性能仍然有待提升.提出了改进的SIFT匹配算法,利用匹配特征点的尺度比直方图,估计出近似的图像尺度比k,然后将空间分辨率较高的图像初始尺度增大到k倍,再次提取特征点进行匹配.实验结果表明,相比于其它用尺度约束条件提升性能的匹配算法,基于初始尺度变化的SIFT匹配算法在处理结构型图像时性能得到了很大的提升.     

基于改进SIFT的图像拼接算法

针对目前基于SIFT的图像拼接算法复杂度较高和特征点匹配不准等问题,提出了一种基于改进SIFT的图像拼接算法。算法利用改进的SIFT进行特征提取,降低了算法的复杂度,同时采用模拟退火算法进行特征点匹配,从而估计出几何变换的参数。实验结果表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰都具有良好的鲁棒性,可实现高质量的图像拼接。     

面向景象匹配辅助导航的SIFT图像配准算法

本文针对合成孔径雷达／惯性导航（SAR／INS）组合导航系统对景象匹配算法精确性、实时性和鲁棒性的要求,提出基于尺度不变特征变换（SIFT）的亚像素精度快速景象匹配改进算法。通过主成分分析后,对SIFT描述结果进行降维,提高了景象匹配的实时性。仿真试验结果表明,本算法具备实时性、优越的抗噪声、抗光照变化和抗旋转尺度变换能力。     

基于SIFT的图像建模算法研究

为解决飞行或航海模拟器中建模手段单一、真实感较差等问题,研究了基于SIFT的图像建模算法.该算法针对目前图像建模算法中存在的人工参入图像匹配负担较大问题,实现了基于尺度不变特征的图像自动匹配;针对重建物体视觉外观真实感较差问题,采用了图像融合算法首先对纹理图像进行处理,然后再进行纹理映射的方法.实验结果表明,算法具有较好的鲁棒性,生成的三维模型准确真实,较之以往算法具有建模简单、操作方便,真实感强的特点.     

一种基于SIFT特征的自适应滤波目标跟踪算法

针对目标跟踪过程中目标尺度伸缩和姿态形状的变化引起的目标丢失,以及使用单个模型跟踪机动目标不够理想,提出一种基于SIFT特征的自适应滤波目标跟踪算法.仿真结果表明,该算法在目标机动时,跟踪性能远优于其它特征匹配算法和多模型算法,而且计算量小,能保证跟踪的实时性.     

基于SIFT的边缘局部仿射的图像拼接算法

本文针对累计误差形成的多幅图像拼接产生畸变的问题,提出了一种基于边缘局部仿射的拼接算法,在拼接过程中逐步衰减仿射变换,使得图像在拼接过程中逐渐降低过仿射带来的畸变.同时为从视觉上分析图像拼接过程特征点的变化情况,本文还提出了一种基于特征点的骨架图算法,通过拼接后骨架图的图像来分析各种拼接算法.可以广泛应用于拼接算法的测试过程.     

一种基于SIFT变换的抗几何攻击第二代数字水印

基于SIFT变换及RIT变换实现了一种抗几何攻击数字水印.算法首先基于SIFT变换进行图像特征点的检测,并选择合适的特征点生成载体图像中的圆形区域,将圆形区域划分为扇形区域,然后采用空域奇偶量化方法进行水印信息的嵌入;水印的检测基于相关检测方法实现.为抵抗几何攻击,检测前首先基于RIT变换实现图像旋转角度的估计,然后基于估计结果进行旋转的恢复,最后对恢复后图像进行数字水印的检测.实验证明,该方法对几何攻击具有较强的鲁棒性.     

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。     

基于改进SIFT算法的图像配准方法

针对SIFT(Scale Invariant Feature Transform)复杂算法, 提出一种改进的SIFT算法。首先, 该方法利用Canny边缘检测算法去除部分影响匹配结果的边缘点。然后, 对于原算法中128维描述子提出64维圆形邻域描述子, 提高了运算速度。最后, 采用最近邻与次近邻之比进行双向匹配增强了匹配结果的精确度。实验结果表明, 该改进算法可以有效提高运算速度, 而且提高了匹配准确率, 增强了算法的鲁棒性。     

基于快速SIFT匹配的行人信息检测

在智能监控中,检测行人是判断异常的必要步骤,复杂场景下行人检测一直是研究的热点难点,依据人体头部作为人体这种非刚体中的稳定部分,提出了一种快速而稳健的行人检测算法。该算法首先对摄像头拍摄的视频选取感兴趣区域,利用离线训练的Adaboost级联分类器检测人的头部区域,然后通过快速SIFT算法匹配相邻帧的人的头部,进而进行判断人的运动速度以及方向,便于进行下一步研究。通过实验验证以及与目前具有相关代表性的方法对比,论证了所提出算法在复杂场景下也具有很好的检测匹配效果,具有良好的有效性和可靠性。     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

复杂场景下结合SIFT与核稀疏表示的交通目标分类识别

针对复杂场景下的交通目标分类识别难点,提出一种基于尺度不变特征转换(SIFT)与核稀疏表示的分类识别算法.该算法首先利用SIFT分别提取训练样本和待测目标局部特征信息,通过核方法将特征样本映射到核空间,构建过完备字典,最后通过待测目标在字典中的稀疏度与重构误差对交通目标类别进行判定.同时,分析了随机投影下的核稀疏表示分类与特征维数之间的关系.实验结果表明,与SVM、稀疏表示分类(SRC)相比,该方法增强了交通目标特征层的类判别能力,具有较好的识别率和鲁棒性.     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

基于SIFT特征和误匹配逐次去除的图像拼接

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差,以及不能完全去除误匹配等不足,提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法.该算法首先提取图像的SIFT特征,并利用近似的最近邻搜索算法(BBF)进行特征初始匹配,然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵.在这种误匹配逐次去除的迭代算法中,采用预检测模型的方法,减少了迭代运算的数据量,提高了拼接速度;采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度;通过逐次筛选去除误匹配,且在筛选过程中采用自适应阈值,完全去除了误匹配.实验结果表明,该算法在保证较高精度和鲁棒性的情况下,缩短了拼接时间,提高了拼接效率.