基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

运动序列中动目标检测的稳健性方法

提出一种运动序列中动目标检测的稳健性方法。用尺度不变特征变换(SIFT)算法生成特征描述符,基于最近邻距离比(NNDR)进行初始匹配,增加对称性约束以获得稳健的匹配点集。随机抽样一致集算法(RANSAC)用于分离背景和目标对应特征点,实现背景运动的稳健性估计。背景补偿后,相邻帧差分和数学形态学方法实现动目标的分割。真实运动序列的实验结果表明,该算法能够获得稳健的匹配点对,检测出运动目标。     

一种新的快速局部不变特征算法

针对传统局部不变特征算子主方向提取不准确和匹配阶段过于耗时的问题,提出一种基于RI-LBP 算子和混合spill 树的快速局部不变特征算法。首先提出一种FAST-Difference 算法,提取出模板图像和待匹配图像的稳定特征点,然后使用旋转不变的RI-LBP 描述符计算特征向量,最后对特征向量集使用混合spill 树进行匹配并使用RANSAC 算法剔除误匹配点。RI-LBP 算子自身的旋转不变性能够在一定程度上克服特征点主方向确定不准确的缺点,使特征描述符的提取更加稳定,并生成更简单的53 维局部不变特征描述符。混合spill 树相对于kd-tree 省略了回溯过程,对于高维数据拥有更好的匹配效率。实验证明:该算法与SURF 算法描述能力相近,旋转和光照条件下比SURF 性能更优,并且匹配速度更快。     

一种基于双预筛选改进的SIFT图像立体匹配算法

针对传统尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法.首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位.针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算.实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+ RANSAC算法,特征点的检测时间平均减少11.7％,总运行时间平均降低10.7％,正确匹配数平均提升2.8％;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性.     

基于彩色二进制局部不变特征的图像配准

提出了一种适用于彩色图像的局部不变特征配准方法。特征点提取阶段,提出了快速分割测试特征颜色差异(CDo FAST)特征点检测方法,计算图像的颜色不变量,以此为输入在尺度空间检测FAST极值点,在极值点附近对高斯差分算子(Do G)值进行插值和拟合,以最终确定特征点的位置和尺度。特征描述符生成阶段,提出了一种新的彩色二进制局部不变特征(CBLID),采样点邻域结构类似于人眼视觉的重叠,通过统计方向图生成二进制链码,具备旋转、尺度缩放、光照不变性和抗噪性能。通过计算汉明距离进行匹配并结合随机抽样一致性(RANSAC)算法去除误匹配点,计算出待配准图像间的变换关系。实验表明,所提算法针对彩色图像能够获得比传统的尺度不变特征变换(SIFT)、快速稳健特征(SURF)和DAISY更高的配准精度,同时算法的运行时间也较短,在测试图片上耗时仅为SIFT的10%和12%。     

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.     

星载光学遥感图像特征误匹配剔除方法研究

误匹配剔除是提高特征匹配精度的重要手段,星载光学遥感图像由于数据量大、纹理重复、光照强度变化等特点,导致现有误匹配剔除方法的性能下降。针对此问题,提出一种基于局部和全局几何约束的误匹配剔除方法。在初始匹配集的基础上,首先利用特征局部一致性对误匹配进行初步过滤;然后根据图像间的变换关系构建特征拓扑结构,并提取其几何属性描述结构相似度,基于此建立特征全局结构一致性约束模型,通过推导模型的最优解剔除残留误匹配;采用引导式匹配策略,选取局部一致性高的匹配点组成高内点率匹配集,以此作为特征全局邻域,提高全局约束的鲁棒性和效率。实验结果表明,与现有方法相比,所提方法对星载光学遥感图像的匹配性能更优,平均精确率、召回率分别为0.9和0.89;在不同内点率的初始匹配集上表现鲁棒,平均F分数为0.86。     

基于图像相似几何特征的双目匹配算法

针对传统外极线约束的匹配算法存在误匹配率、漏匹配率较高的问题,提出了基于图像相似几何特征的双目匹配检验和筛选算法。利用外极线几何约束算法获得不共外极线和共外极线的初始匹配点。根据左右图像正确的匹配点具有相似的几何位置关系,引出最大向量角和最大角度差准则。对于不共外极线的初始匹配点,提出了基于更新策略的视差梯度约束与最大向量角准则相结合的误匹配剔除算法,降低了误匹配率,并且克服了只用视差梯度约束过多误剔除的缺陷。对于共外极线的初始匹配点,提出利用最大角度差和最大向量角准则筛选正确的匹配点,然后进一步利用顺序一致性约束和视差梯度约束检验筛选的匹配点,降低了漏匹配率。实验结果表明,该算法匹配准确率高,通用性强,误匹配率和漏匹配率分别能控制在0.1%和7%以内,适用于不同复杂程度的被测物体。     

基于SIFT的多焦距图像特征点提取算法

将尺度不变特征变换（SIFT）算法应用到图像的特征点提取与匹配中,SIFT算法可在尺度空间寻找极值点,提取对图像焦距变化具有稳定性的特征点及其特征描述符。在采用SIFT算法提取图像的特征点及其特征描述符后,提出了一种特征点精匹配算法进行特征点的匹配,并通过仿真证明该算法具有很好的效果。     

基于非线性扩散与高维M-SURF描述符的双目视觉测量方法

针对传统图像匹配算法存在误匹配率高和双目视觉测量精度低的问题,本文提出一种基于非线性扩散与高维改进加速鲁棒特征(modified-speeded up robust features, M-SURF)描述符的双目视觉测量方法。首先改进非线性扩散模型中的PM(Perona-Malik)模型,使图像中边缘区域得以平滑而维持内部平坦区域不变,再将扩散后图像与原始图像进行差分运算,利用KAZE算法检测特征点;然后采用环形邻域构建描述符,在对Harr小波响应值进行叠加时,根据与其垂直方向响应值的正负号进行多区间划分,生成高维M-SURF描述符;最后采用Hamming距离匹配,利用随机采样一致性(random sample consensus, RANSAC)算法剔除误匹配并筛选出测量所需的匹配点对,根据平行双目视觉测量原理获取匹配点对的三维坐标即可完成测量。实验结果表明,本文提出算法的匹配正确率较传统KAZE算法提高24.09%,测量最小相对误差达到0.375 6%,满足测量精度的要求。     

基于局部相似性的特征匹配筛选算法

针对传统ORB算法匹配效率低、误匹配率高的问题,提出一种基于局部相似性的特征匹配筛选算法。对传统的非极大值抑制算法进行优化,优化后算法在效率上有明显的提升并且可以保留更多能准确匹配的特征像素点,从源头减少了误匹配的产生。针对传统RANSAC筛选算法迭代慢、对视角变化图像的鲁棒性不足的缺陷,提出一种基于局部相似性的筛选算法,通过特征像素点局部范围内其他特征像素点的相似分布进行筛选。实验结果表明,提出的筛选算法具有更高的效率,同时对视角变化的图像鲁棒性更强。     

基于特征点邻域SIFT描述子的人脸识别

在人脸识别算法中,尺度不变的SIFT特征是人脸局部特征的重要描述方式之一。在传统SIFT方法中,由于特征点的坐标是根据高斯差分空间的局部极值点来确定的,造成特征点匹配困难。通过基于回归的局部二值特征对人脸进行校准,确定对人脸有意义的特征点位置。用SIFT特征描述子的不变特性描述人脸的局部特征,能够有效地提高识别速度以及识别率。对特征点进行区域加权,能够对人脸的姿态变化以及角度偏转有一定的鲁棒性。     

融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

基于局部保持匹配的改进图像匹配算法

针对传统图像匹配算法存在误匹配率高、匹配耗时长等问题,提出一种基于局部保持匹配(LPM)的改进图像匹配算法.该算法首先对图像进行双边滤波,减少噪声干扰,之后在尺度不变特征变换(SIFT)算法下提取鲁棒特征点,并利用欧氏距离进行粗匹配得到初始匹配集;然后利用LPM算法对初始匹配集中具有相似局部邻域结构的特征点进行保留,剔...     

结合形状信息的SAR图像特征匹配方法

合成孔径雷达（Synthetic Aperture Radar, SAR）图像匹配是实现图像配准和定位导航等任务的重要途径之一。本文研究基于局部特征的SAR图像匹配,针对SAR图像特征匹配中错配率高的问题,引入邻域共识思想,结合以往被忽略的特征形状信息,提出一种新颖的误匹配滤除方法。所提方法主要包括形状信息引导的邻域构建和共识度量两个主要步骤。在邻域构建步骤中,本文利用形状信息确定一个仿射不变图像区域,从而构建对几何稳健的邻域。在共识度量步骤,利用形状信息获取局部变换矩阵,然后利用局部变换矩阵对邻域进行重投影,最后根据重投影误差评估匹配的共识度,并以此判断匹配是否应该被滤除。为了验证算法有效性,本文利用21对L,X和Ku三个波段下多角度机载SAR和多分辨率星载SAR图像与五个先进方法进行了对比实验。结果表明所提方法在精度、召回率和F1值上都优于所有对比算法,尤其对多分辨率数据最为有效。另外,通过搭配三种常用的特征进行实验,本文发现所提方法对特征类型不敏感,其中在SIFT特征上效果最为突出。但是,所提算法在效率上要略低于其他同类算法。     

基于改进SIFT算法的无人机遥感影像匹配

为解决无人机景象匹配导航及制导对匹配算法实时性要求较高的问题,对SIFT算法中的生成特征描述符环节进行改进,提出了以特征点为圆心构造同心圆环划分特征邻域的匹配算法;同时对匹配点对进行筛选,减小模型估计误差,提高精度。以大量的存在尺度缩放和角度旋转的遥感影像进行仿真,实验表明该方法在保持SIFT算法定位精度的前提下提高了算法的实时性。     

基于图像自相关矩阵的改进SIFT算法研究

针对尺度不变特征变换(SIFT)匹配算法存在计算量大、复杂性等问题,本文提出了一种基于图像自相关矩阵的迹的改进SIFT匹配算法。首先,将特征点的邻域划分为两个同心圆,再以特征点的主方向为基准方向,每次逆时针旋转度,将特征点邻域图像划分了多个区域;其次,为每个区域图像计算自相关矩阵的迹,按逆时针方向组合形成SIFT特征描述符;最后,对生成的特征描述符进行归一化处理,得到较低维数的特征描述符,新的特征描述符提高了图像匹配的效率。实验结果表明,与传统算法相比,改进的算法在保持较高匹配精度的情况下显著提高了匹配的速度。     

变环加权SIFT算法的图像拼接

针对传统SIFT匹配算法数据量大、时间复杂度高的问题,提出基于尺度不变特征变换(SIFT)特征提取方法获得特征点,并采用变换步长的圆形区域选区对特征点进行描述,改进了SIFT特征的64维描述符和88维描述符的不足。将改进后的算法应用到图像拼接过程中,通过实验验证了改进后的方法在时间复杂度方面有所改善。     

城市建筑立面三维"线-面"结构快速重建

本文提出一种有效的基于线段匹配与结构先验的城市建筑立面三维"线-面"结构快速重建算法.本文算法利用在当前图像中检测的初始线段将图像分割为互不重叠的区域,然后在点-线约束空间内对每个区域的竖直边进行匹配并通过全局多平面拟合的方式获取建筑初始主平面;在此基础上,利用结构先验(如共线、共面等)对图像中潜在线段匹配(或空间线段)进行推断与优化,进而获取每个区域对应的空间平面.实验结果表明,本文算法仅利用两幅图像即可重建以"线-面"形式表达的城市建筑立面完整结构,整体上具有较高的效率与精度.     

多特征融合的手掌静脉匹配算法研究

针对相关系数法在手掌静脉图像匹配中无法解决平移与旋转的问题,提出了一种基于多特征融合的改进算法。首先,在匹配前,用文中提出的改进的图像校正算法校正图像,它可以改进相关系数法对于仅发生平移图像的匹配通过率;再利用基于细节的点的特征点匹配与基于全局的不变矩匹配的融合决策来弥补相关系数法对旋转图像匹配通过率偏低的不足。实验结果证明,本算法能提高系统的通过率,降低误识率。