改进的SIFT特征点图像匹配方法研究

图像配准是遥感、计算机视觉、医学等许多领域中的一个基本问题,而图像特征点的提取和匹配是完成图像配准的基础。本文采用SIFT尺度不变特性变换算子进行图像匹配,通过改进该算法,提高算法的效率,通过仿真实验,证明改进的SIFT特征点匹配方法,可以提高特征点匹配的速率,降低匹配计算的耗时。     

基于点特征的序列图像匹配方法研究

提出了用3个向量描述Harris角点方向特征的方法,该算法首先用Harris角点检测得到特征点,并把SIFT算法中使用的特征描述方法引入到特征点描述中;然后利用欧氏距离对点特征进行匹配;提出一种简单高效的排除错误匹配的方法。该算法对数字城市中序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该算法匹配准确率较高,具有实用价值。     

基于图着色理论的最大效用频谱分配算法

研究基于图着色理论的频谱分配算法,提出一种改进的最大效用频谱分配算法。该算法生成类似于ISAA算法的用户效用矩阵和相应的干扰矩阵,选择最大效用用户或干扰值为0的用户进行频谱分配。仿真结果表明,该算法能有效减少频谱分配的时间开销,提高频谱的使用效率,最大化认知无线电系统的总效用。     

基于改进SIFT特征和图转换匹配的图像匹配算法

针对SIFT特征在纹理丰富的图像中提取较多的伪点和不稳定的点而影响图像匹配的问题, 提出了一种基于Harris阈值准则的局部不变特征图像匹配算法。该算法在提取SIFT不变特征的基础上, 利用Harris阈值准则对所提取到的不变特征进行选择, 剔除了图像区域中大量可区分性较差的特征点, 从而得到了相对稳定和可区分性较好的特征点。其次, 结合不变特征矢量与图转换匹配(GTM)的方法对提取到的稳定特征点进行了精确匹配。实验对比结果表明, 用取得稳定的特征点, 进而结合一种好的匹配策略, 能够更加增强图像匹配的高效性和鲁棒性。     

图像匹配方法研究综述

目的 图像匹配作为计算机视觉的核心任务,是后续高级图像处理的关键,如目标识别、图像拼接、3维重建、视觉定位、场景深度计算等。本文从局部不变特征点、直线、区域匹配3个方面对图像匹配方法予以综述。方法 局部不变特征点匹配在图像匹配领域发展中最早出现,对这类方法中经典的算法本文仅予以简述,对于近年来新出现的方法予以重点介绍,尤其是基于深度学习的匹配方法,包括时间不变特征检测器（TILDE）、Quad-networks、深度卷积特征点描述符（DeepDesc）、基于学习的不变特征变换（LIFT）等。由于外点剔除类方法常用于提高局部不变点特征匹配的准确率,因此也对这类方法予以介绍,包括用于全局运动建模的双边函数（BF）、基于网格的运动统计（GMS）、向量场一致性估计（VFC）等。与局部不变特征点相比,线包含更多场景和对象的结构信息,更适用于具有重复纹理信息的像对匹配中,线匹配的研究需要克服包括端点位置不准确、线段外观不明显、线段碎片等问题,解决这类问题的方法有线带描述符（LBD）、基于上下文和表面的线匹配（CA）、基于点对应的线匹配（LP）、共面线点投影不变量法等,本文从问题解决过程的角度对这类方法予以介绍。区域匹配从区域特征提取与匹配、模板匹配两个角度对这类算法予以介绍,典型的区域特征提取与匹配方法包括最大稳定极值区域（MSER）、基于树的莫尔斯区域（TBMR）,模板匹配包括快速仿射模板匹配（FAsT-Match）、彩色图像的快速仿射模板匹配（CFAST-Match）、具有变形和多样性的相似性度量（DDIS）、遮挡感知模板匹配（OATM）,以及深度学习类的方法MatchNet、L2-Net、PN-Net、DeepCD等。结果 本文从局部不变特征点、直线、区域3个方面对图像匹配方法进行总结对比,包括特征匹配方法中影响因素的比较、基于深度学习类匹配方法的比较等,给出这类方法对应的论文及代码下载地址,并对未来的研究方向予以展望。结论 图像匹配是计算机视觉领域后续高级处理的基础,目前在宽基线匹配、实时匹配方面仍需进一步深入研究。     

改进SIFT算法在文字图像匹配中的应用

使用SIFT算法对文字图像进行特征提取时,产生的特征点数目较少,且不同文字产生的特征向量存在强干扰性,导致匹配准确率较低。为此,提出一种改进的SIFT算法。该算法利用二值化图像代替灰度图像,增加特征点数目,并取消SIFT的旋转不变性。实验结果证明,与标准SIFT算法相比,改进SIFT算法能有效提高文字图像匹配的准确率。     

一种基于SIFT和SUSAN特征的图像匹配方法

针对SIFT方法在角点检测上的不足,提出了一种基于SIFT和SUSAN混合特征匹配的自动匹配算法。算法应用SIFT和SUSAN两种具有互补特性的局部不变特征,利用SIFT方法检测空间极值特征点,利用SUSAN方法检测角点,结合两种特征点位置,利用SIFT方法生成匹配特征向量,最后根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,实现图像的配准。实验表明该算法有效,能够提高图像的自动匹配准确性。     

基于图匹配的人脸识别算法研究

文中介绍了一种通过提取特征点信息进行人脸识别的方法。在利用特征点定位的基础上,根据五官颜色检测特征点,然后构造特征点的具体数据及之间的关系数据,并与样本库中的人脸图片相比计算其最小匹配代价,依据最小匹配度完成识别。实践证明该方法对人脸正面图具有准确的识别率,且具有强抗干扰能力。最后展望了人脸识别技术的今后的研究方向。     

基于图的Laplace谱的特征匹配

为了能对等距变换和相似变换后的图像进行精确匹配，提出了一种基于图的Laplace谱的特征匹配方法，该方法是首先给定两幅图像的特征点，然后分别定义其Laplace矩阵，再通过分析该矩阵的特征值及特征向量来构造特征点匹配矩阵；最后根据匹配矩阵元素的大小和位置信息来实现特征点匹配，并从理论上证明了该算法在对图像进行等距变换或相似变换情况下能获得精确匹配。实验结果表明，该方法对真实图像的匹配精度可达到82％。     

图像拼接方法及其关键技术研究

图像拼接是图像处理技术的一个重要内容,是一种将多张有衔接重叠的图像拼成一张高分辨率全景图像的技术。该技术广泛应用于显微图像分析、数字视频、运动分析、医学图像处理、虚拟现实技术和遥感图像处理等领域。文中阐述了图像拼接技术的一般问题及其难点,介绍了图像拼接技术发展过程中几种主要的图像拼接方法,重点分析了近几年提出的角点检测及尺度不变特征转换的方法,通过编程实现来讨论这些方法的优缺点,并给出实验的结果。     

基于鲁棒特征挖掘的图像副本检索

为了提高视觉特征的鲁棒性,提出尺度空间下最稳定极值区域特征的挖掘算法.该算法在尺度空间下检测特征,首先通过分析特征的局部稳定性来挖掘鲁棒的特征,然后对区分力低的特征基于熵值进行过滤;在此基础上,基于尺度空间下最稳定极值区域特征的尺度一致性提出了基于最大匹配尺度的检索算法,可提高局部敏感哈希高维索引的检索性能.与多种已有方法进行比较的结果表明,文中算法的平均检索精度相对提高10％以上,查询效率也有提升.     

基于谱图理论的特征匹配方法研究和改进

图像匹配问题是计算机视觉领域的一个基本问题,广泛地应用于很多领域,如:模式识别,自动导航,医学诊断,计算机视觉,图像三维重构等领域。将所研究的问题转化为数学问题,再利用数学工具解决这一问题,成为当今研究的一种重要手段。在这里,将图像匹配中的图像转化为数学-图论中的图,利用谱图理论解决图像匹配问题,从而形成了一类比较流行而新颖的方法,针对这一方法进行了较为系统的探究并做出了改进。     

一种新的基于图谱理论的图像阈值分割方法

提出了一种新的图像阈值分割方法,该方法采用图谱划分测度作为区分目标和背景的阈值分割准则.采用基于灰度级的权值矩阵来代替通常所用的基于图像像素的权值矩阵来描述图像各像素的关系,因而算法所需的存储空间及实现的复杂性与其他基于图论的图像分割方法相比大大减少,从而有利于应用在各种实时视觉系统(如自动目标识别,ATR).大量的实验结果表明:与现有的阈值分割方法相比,文中提出的方法具有更为优越的分割性能.     

一种基于结构特征边缘的多传感器图像配准方法

图像配准是多传感器图像融合等处理的前提. 本文以包含人造目标的合成孔径雷达(Synthetic aperture radar, SAR)图像和可见光图像为处理对象, 提出了一种基于结构特征边缘的多传感器图像配准方法. 该方法提取人造目标在两类图像中表现的共性特征---结构特征边缘, 并基于边缘匹配构造虚拟角点, 采用基于特征一致的粗配准方法和基于虚拟角点的精配准方法, 对待配准图像实现由粗到精的自动配准. 实验结果表明, 本文方法能够取得较高的配准精度.     

基于加权关系图谱特征的图像检索

基于相似性度量的图像检索方法大多仅考虑检索图像与结果图像之间的距离,而不考虑结果之间的关系,使得检索精度受到影响。该文提出了基于加权关系图谱特征的图像检索算法,该算法利用检索图像与检索初始结果图像的距离构造加权关系图,利用该关系图的谱系数夹角特征确定最终输出的检索结果。对比检索实验表明,该方法可以提高检索的精度、具有较好的稳定性。     

基于临界特征点的图像匹配算法

基于特征的图像匹配相关算法尽管已经十分普遍并得到广泛应用,但特征的提取容易受噪声影响.该文提出了一种用尺度空间下的临界特征点对图像进行匹配的方法.该方法采用尺度空间下的临界特征点来描述图像的灰度特征,对光照和噪声具有一定的鲁棒性.考虑到不同尺度下特征点对视觉影响的不同,算法用PTD距离对带权重的图像的特征点集进行匹配.由于PTD距离满足三角不等式规则,该算法适合于在大量数据库中快速检索及识别物体.实验证明了该算法的有效性.     

基于联合概率密度的多传感器定位算法

讨论了多传感器多目标定位问题,提出了一种新颖的定位算法.分析了目标在观测空间的概率分布,基于空间栅格划分,实现了目标概率密度的准确求解,通过提取联合概率密度峰值得到了目标位置估计.理论分析表明,该算法的计算量仅与传感器和目标数的乘积成正比,当传感器和目标较多时,不会出现组合爆炸.该方法定位精度高,适合并行处理,仿真结果验证了本文方法的有效性和可靠性.     

基于结构信息相关的图像匹配方法研究

红外图像匹配的目的是采用某种图像相关技术,在实时图中搜索与参考模板相似的区域。提出了一种基于结构信息相关的匹配方法,该方法通过统计参考图与实时红外图结构相似性来进行匹配识别。实验表明,该方法比基于统计孤立点相关性的匹配方法具有更好匹配性能。     

基于SIFT的图像匹配方法改进

SIFT算法是一种经典的图像匹配方法,但也存在计算量大、时间复杂度高的问题.针对这些问题,本文提出了一种改进的SIFT算法,将SIFT算法中表示关键点的特征信息结构进行改造,重新生成了一种新的有序结构.此结构将128维向量描述子根据关键点的8个梯度索引方向分成8组,产生新的有序描述子.重构之后的算法,减少了关键点匹配的计算量,从而提高算法的效率.实验表明,改进的算法,保持了原算法的优点以及在不降低原算法匹配精度的情况下,算法效率有明显提升.