基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

SURF和RANSAC的特征图像匹配

针对图像匹配过程中存在匹配运行时间长、匹配正确率低的问题,采用随机采样一致性(random sample consensus,RANSAC)算法优化加速鲁棒特征(speed up robust features,SURF)的方法,提出一种适应性强的优化匹配算法。首先使用SURF算子进行特征检测和特征描述,再使用邻近算法对特征点进行预匹配,最后使用随机采样一致性(RANSAC)算法优化匹配结果。在相同的实验环境中通过对尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法和提出的优化算法进行比较,优化算法较SIFT算法和SURF算法分别减少匹配点对数38对和18对,剔除了误匹配点,提高了匹配正确率并减少了算法的运行时间。     

非刚性运动目标识别跟踪研究现状

基于非刚性目标运动跟踪问题进行分析,针对运动过程中目标会出现旋转、比例变化及形变等情况,在复杂的背景中通过特征识别匹配实现跟踪。以运动目标的检测识别方法及特征识别方法为出发点,对目前几种经典方法进行分析、比较。结果表明:与光流法及背景差分法相比,MHI在非刚性目标运动的检测准确率、实时性以及鲁棒性方面均占优势;特征匹配技术SURF则可更好地平衡处理速度和效果性能。以SIFT使用不同尺度确定稳定特征点的思路为基础,提出多小波变换图像分析方法,用于实现对序列图像运动目标的特征匹配。     

基于SIFT特征匹配算法的目标跟踪及视频采集与传输研究

为了有效解决复杂背景情况下运动物体的跟踪问题,提出了一种基于SIFT特征匹配算法的目标跟踪方法。通过构建Do G尺度空间、FIFT特征点检测、特殊点描述子算法、特征点匹配将参考图像和待匹配图形进行SIFT特征点匹配,实现目标跟踪;并通过视频采集模块和无线传输模块将采集的目标图像进行无线传输。实验结果表明:SIFT特征匹配算法可对复杂环境中的目标信息进行有效跟踪。     

基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。     

基于SURF和Camshift的目标跟踪算法研究

针对动态的目标跟踪算法Camshift在目标发生短时遮挡或者背景有相似颜色干扰时,可能造成目标跟踪失败的问题,提出了一种基于SURF和Camshift的目标跟踪解决方案。使用搜索窗口颜色概率直方图和目标模板的颜色概率直方图的Hellinger距离判定Camshift算法跟踪结果是否准确,当判定为跟踪失败时,利用SURF快速近似最近邻搜索算法进行特征匹配,解决了传统Camshift算法需要手动确定第一帧搜索窗口,背景颜色干扰及短时遮挡后目标定位的问题。实验结果表明,采用该算法能克服传统的Camshift算法的缺陷,有效地跟踪到目标,具有较好的鲁棒性。     

一种用于组合导航的SAR图像快速匹配算法

提出了基于合成孔径雷达(SAR)图像匹配技术的惯性导航系统(INS)/SAR组合导航方法。首先将计算机视觉领域的快速鲁棒性特征(SURF)算子用于对SAR图像的局部特征描述,然后对兴趣点建立快速索引,并用阈值为0.6的最近邻法则进行快速的初匹配,最后使用随机抽样一致(RSC)进一步去除错误的匹配点对。实验中,用2组真实的SAR数据对算法进行仿真并与尺度不变特征变换(SIFT)算子进行比较,结果显示,两者的鲁棒性相差很小,但在匹配时间上本文算法明显优于SIFT算子,本文算法更适用于组合导航的SAR图像匹配。     

基于SIFT动态背景下的视频目标跟踪方法

提出了一种基于尺度不变性特征变换(SIFT)的视频目标跟踪方法.该方法通过提取前后两帧的SIFT特征,利用全图SIFT特征进行匹配,通过匹配的点对计算两帧的几何变换关系,再利用变换矩阵确定下一帧目标位置,实现了连续状态下的自动跟踪.实验结果表明此方法在遮挡、噪声、旋转、光照、缩放、小视角变化等方面有较好的鲁棒性.     

基于SIFT-LBP的图像检索优化算法研究

针对尺度不变特征变换(SIFT)算法在图像特征提取和检索中精度、实时性以及对光照条件变化描述较差的问题,提出了SIFT和局部二值模式(LBP)相结合的图像特征提取算法。采用旋转不变LBP算法统计关键点周围16×16区域的梯度信息并计算周围9×9区域的LBP值,以区域中每个像素点为中心构建图像的SIFT-LBP特征描述子。采用了基于遗传算法的特征选择方法,剔除了特征点的冗余信息,降低了特征向量维数。实验结果表明,SIFT-LBP算法具有良好的特征匹配效果,对光照条件的变化具有较强的鲁棒性,进一步提高了检索准确率和检索速度。     

基于双目视觉的目标识别与定位

给出一种双目视觉系统结合SURF(Speeded Up Robust Feature)特征的目标识别与定位方法,分析了采用SURF特征实现目标识别的方法,利用双目视觉的原理求取识别出的目标物体的三维坐标信息,从而实现目标物体的识别与定位,与传统的基于SIFT(Scale Invariant Feature Transform)特征或基于颜色形状特征的目标识别与定位方法相比,该方法更具有鲁棒性和实时性.实验结果证明了该方法进行目标识别与定位的可行性,具有一定的应用价值.     

变电站场景下运动目标的检测和跟踪方法

在遮挡物较多的变电站场景下, 传统的目标跟踪算法容易出现人员跟丢、身份变换、目标被遮挡无法识别等情况, 无法做到对目标的准确实时跟踪。针对此问题, 提出了融合度量学习与卡尔曼滤波的变电站运动目标跟踪方法。首先, 采用融合多尺度特征的YOLOv3算法检测目标, 利用带权值的匈牙利算法匹配目标的历史运动轨迹; 然后, 通过卡尔曼滤波进行轨迹预测, 并应用度量学习匹配预测轨迹与历史运动轨迹, 结合目标外观特征信息, 以实现变电站内运动目标的跟踪; 最后, 以变电站场景下的人员为例进行实验, 结果表明, 人员跟踪准确率高, 且能满足变电站应用场景下的鲁棒性和实时性要求。     

一种基于改进SURF的视频DNA生成算法研究

为有效提高视频内容管理的准确性和高效性,本文借鉴生物信息学的方法,提出了一种降维改进的SURF算法和K-means算法相结合的视频DNA提取算法。该算法通过提取关键帧的SURF特征得到特征点集合,并对其进行K-means聚类构建视觉词袋模型,并将SURF特征通过视觉词袋模型量化为视觉词汇,并最终编码生成视频DNA。实验结果表明,采用改进的SURF算法生成的视频DNA具有良好的准确性和鲁棒性,并能在时间开销方面得到一定的提高。     

Determining relative position and attitude of a close non-cooperative target based on the SIFT algorithm

A binocular stereo vision positioning method based on the scale-invariant feature transform(SIFT)algorithm is proposed.The SIFT algorithm is for extracting distinctive invariant features from images.First,image median filtering is used to eliminate image noise.Then,according to the characteristics of the target satellite,image map is used to extract the middle part of the target satellite.At last,the feature match point under the SIFT algorithm is extracted,and the three-dimensional position and orientation are calculated.The features are invariant to image scale and rotation,and are shown to provide robust matching across a substantial range of affine distortion,change in 3Dviewpoint,addition of noise,and change in illumination.The experimental result shows that the algorithm works well and the maximum relative error is within 0.02 mand 2.5°.     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

基于混合特征的运动目标跟踪方法

为了应对运动目标跟踪任务中目标的尺度、光照变化和形变等情况,提出了一种基于混合特征的运动目标跟踪方法--SoH-DLT,综合考虑了运动目标的轮廓特征和细节特征.在粒子滤波跟踪过程中引入方向直方图描述目标轮廓特征,保证与目标最相似的粒子在尺度、光照变化和形变的情况下仍能获得较高的置信度,并作为跟踪结果输出.结合深度学习获得的高层特征和具有尺度不变性的加速鲁棒特征计算粒子权重,提高了复杂运动场景下目标跟踪的准确度,强化了SoH-DLT方法对尺度变化运动目标跟踪的鲁棒性.实验结果表明,SoH-DLT与其他方法相比获得了更好的跟踪效果.     

融合光流与特征点匹配的单目视觉里程计

针对城市平坦路面准确实时定位的问题,提出将光流跟踪法与特征点匹配进行卡尔曼融合的单目视觉里程计方法.基于平面假设,利用光流跟踪法进行帧间小位移定位,同时利用传统的加速鲁棒特征点（SURF）进行帧间大位移匹配来矫正光流法结果.通过卡尔曼滤波更新机器人的位置和姿态.结果表明,融合算法克服了光流法定位精度差和特征点匹配法处理速度慢的缺点,突出了光流法实时性和特征点匹配定位准确性的优点,该方法能够提供较准确的实时定位输出,并对光照变化和路面纹理较少的情况有一定的鲁棒性.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。