基于改进ORB的图像特征点匹配研究

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离完成初步匹配,然后结合PROSAC算法对初步筛选的点去伪,获得较为精准的匹配点对。实验结果表明,图像尺度变化时,SURB算法的平均匹配准确度为93.4%,约为ORB算法的3倍;SURB算法的平均耗时约为SURF算法的80%,具有较强的实时性和可行性。     

改进 ORB 提取匹配算法的 SLAM 应用研究

由于传统的ORB特征点提取匹配方法在图像纹理信息不丰富或者光照变化剧烈时极易产生特征点丢失、分布不均等问题,不利于SLAM系统的定位与建图。为此本文提出了一套较为鲁棒、精度较高的提取匹配算法。首先基于ORB特征点对其提取算法进行改进,计算自适应阈值并基于网格模型提取特征点,可提高特征点提取的鲁棒性并使其分布均匀。此外还提出了G-R图像匹配算法,基于网格特征计算邻域支持估计量来区分正误匹配点,再结合引入评价函数的RANSAC算法进一步剔除误匹配点,相比ORB-SLAM2原始匹配算法提高匹配精度9.36%,并减少时间消耗约13.6%。最后将本文提出的特征点提取匹配算法加入到ORB-SLAM2算法框架,经数据集与实际场景验证本文方法能有效提高ORB-SLAM2系统定位精度36.6%以上,使系统更具鲁棒性。     

基于运动矢量的改进视觉 SLAM 算法

针对移动机器人运行场景中出现运动物体时,视觉同时定位与地图构建( SLAM)算法位姿估计误差大且构建地图不一 致的问题,提出了一种基于特征点运动矢量的改进视觉 SLAM 算法。 首先,引入基于特征点运动矢量的运动点检测算法。 通过 结合初始相机位姿,计算图像特征点的运动矢量,并使用期望最大化方法求解运动矢量角度的高斯混合模型参数,通过结合前 一帧的运动点检测结果,从而区分当前图像中的运动特征点;其次,基于运动点检测结果,对当前帧相机位姿进行优化;再次,通 过设置图像预处理环节,剔除运动点占比较大和与前一帧相似性较高的图像,提高闭环检测算法的计算效率;最后,使用剔除动 态点后的图像特征点对场景进行描述,并改进单个节点处图像间相似性得分计算函数,经过闭环确认后,得到正确闭环。 数据 集实验表明,所提算法具有较高的位姿估计精度和较好的鲁棒性,同时能有效检测场景中闭环的存在,且建图效果较好。     

结合MSRCR与多尺度融合的水下图像增强算法

为解决水下图像增强时出现的图像边缘细节模糊,亮度不均等问题,提出了一种结合带色彩恢复的多尺度视网膜增强算法(MSRCR)与多尺度融合的水下图像增强算法.首先,将获取到的水下图像基于的MSRCR算法色彩校正,并将校正后的图像转换到Lab颜色空间对亮度分量进行自适应增强.其次,对MSRCR色彩校正图像和Lab空间亮度分量增...     

基于小波阈值改进的去噪算法研究

在平常的信号检测中,常常伴随着信号噪声的存在,使得检测结果不准确,所以需要对信号进行去噪处理。而小波去噪在信号预处理方面应用广泛,特别是小波阈值去噪,操作简单且效果良好。针对软、硬阈值去噪方法进行分析,提出一种基于高次逼近法改进阈值的去噪方法。仿真实验表明,利用自适应阈值的高次逼近法,其去噪效果优于常规的软、硬阈值及高次逼近法,得到的信号效果更好。     

基于ORB算法的双目视觉定位

双目立体视觉系统通过模拟人的双眼来获取三维世界的深度信息,该系统主要由摄像机标定、特征点提取、特征点匹配、三维坐标求取等4个模块组成.对于传统算法特征点提取速度与特征匹配不能满足实时性的要求,提出了基于ORB算法的双目视觉目标定位.该算法通过在Brief描述子上加入了旋转矩阵,使算法具备了旋转不变性以及有着很大的效率提升.实验结果表明,该算法特征点提取与匹配速度有着一个数量级以上的提高,大大增加了在双目视觉系统下的实时性.     

一种改进的数字图像模糊增强算法

本文在PAL提出的用模糊集合理论进行图像增强方法的基础上,提出了一种在多个区间定义隶属度函数,提取景物边缘附近像素、选取图像阈值的算法。新算法使增强后图像的灰度值更加均衡,文中给出了用灰度直方图定量描述的结果。     

基于优化蚁群算法的图像边缘检测改进算法

针对蚁群算法在图像边缘检测应用中出现的停滞、效率低等问题,提出了优化的改进方案。首先根据图像的灰度值确定启发式引导信息矩阵,在迭代运算中对信息激素强度和信息激素挥发度分别进行取值区间限制和自适应控制策略,搜索完成后采用Otsu阈值法检测出边缘。与传统算法相比,优化算法对搜索过程进行了适当的控制,提高了搜索的目的性,有效解决了停滞和收敛速度慢的缺陷。经测试,该算法能以更高的效率有效提取出边缘信息,同时保留了细节信息。     

样本重采样小目标检测算法的改进

在小目标检测领域中,很多算法以增加模型的复杂度为代价提高了精度,但是带来了较大的计算负担和设备要求.针对模型中复杂度和检测精度之间的矛盾,提出了一种改进的图像金字塔上样本重采样策略算法.该算法只需计算少量的样本数据,并且引入少量参数的轻量化注意力机制模块.实验在COCO数据集上进行了训练和测试,重采样策略mAP值为40...     

ORB特征匹配的误匹配点剔除算法研究

在计算机视觉中,特征点匹配是一个极其重要的问题。为了提高图像特征点匹配精度,针对ORB常采用的RANSAC误匹配点消除算法不足,提出了改进的误匹配点剔除算法。该算法通过缩小抽样点总量来保证匹配点选取质量,并能有效的减少迭代次数。分别采用ORB+改进算法与ORB+RANSAC算法对两组图片进行特征点匹配实验。实验表明,该算法能够有效剔除误匹配点,与RANSAC算法相比较精度提高了8%,匹配精度提高至97.43%。     

基于SIFT特征提取的智能移动机器人环境识别方法研究

为了提高机器人在环境识别中的实时性和准确性,在分析了SIFT描述算子性能及原理的基础上,对SIFT算法在实时性方面改进。在特征点进行欧氏距离的匹配的时候加入一个阈值,将那些不匹配的点可以直接滤除;在建立图像金字塔的时候没必要一直进行到最后一组足够小为止,可以通过实验得到第4组的时候特征点的总数就不再增加了,不需要一直计算下去从而节省时间。仿真结果也证明了其有效性。     

基于图像特征的快速瞳孔提取算法

针对眼底照相机拍摄的瞳孔图像特征及主要干扰因素,提出一种结合下采样、固定阈值、连通域及扫描线等方法的快速瞳孔提取算法。算法首先根据图像的大小完成下采样,结合提取模板去除边框的影响,在此基础上,针对瞳孔图像的灰度特点,采用固定阈值及8连通域完成瞳孔的初步提取,并采用扫描线法实现瞳孔区域的修正。仿真实验证明,针对不同的瞳孔图像,本算法均准确地提取出瞳孔区域,与现有算法相比,本算法具有更快的运算速度。     

锥套定位的高精度点圆特征提取算法

光学标记辅助加油锥套识别定位系统中,快速高精度提取光学标记质心坐标是锥套定位的重要基础。 实际应用场景 下,工作距离越远,光学标记点特征的成像越弱;且复杂的背景干扰使得质心提取的准确性大大降低。 通过分析光学标记点、圆 特征的成像特性,结合锥套结构特点,对光学标记圆特征进行提取,精确分割锥套有效特征区域以代替全局搜索,剔除大量背景 干扰;进而提出了一种由类 FAST 阈值粗定位法与二维高斯残差重心拟合法相结合的二级高效点特征质心提取算法,通过设置 亮度阈值快速识别光斑特征并获取粗略位置,在此基础上精确框选光斑像素分布邻域,拟合计算提取高精度亚像素质心坐标。 实验表明,本文算法满足实时提取要求,与其他经典算法相比,本文算法在保持较高精度的同时,稳定性也能达到较高水平。     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

高效高精度光照自适应的 ORB 特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。     

一种改进的GMS图像特征点匹配算法

网格运动统计（Grid-based Motion Statistics,GMS）匹配算法中网格化图像加速了算法的实现,然而网格边缘的特征点没有进行有效的处理,导致匹配对中存在着错误匹配对,为此提出了一种融入自适应边距的网格运动统计的图像误匹配剔除算法。首先采用了自适应算法计算出最佳网格边缘距离,将网格边缘的特征点归属到相邻的其他网格,使得这些特征点可以有效发挥对正确匹配点的支持作用,提高了正确匹配点的得分;最后通过表征运动平滑约束的统计特性剔除初始匹配中的错误匹配点。仿真实验表明：该方法相比 GMS 算法召回率提高了10% 左右,同时实时性也提高了30 %左右,相比于SIFT算法,运行时间平均缩短了17倍;相比于SURF算法,正确匹配个数平均提高了8倍,充分说明能有效、高效的剔除错误匹配点,进一步提高图像匹配质量。     

基于图像质量分析与分割算子的图像特征点匹配算法

为了解决当前由于图像成像质量不稳定和分割不准确所导致图像匹配错误的不足,基于图像质量分析优化和分割算子,提出了基于图像质量分析和图像分割的图像匹配系统.根据图像对比度,建立质量评价函数,通过调节相机曝光,达到图像对比度分明的目的.通过阈值分割和形态学处理设计目标分割算子,根据目标特征匹配度,完成图像目标匹配.集成图像质量优化算子与分割算子于图像匹配系统,并编程实现,实验测试结果显示:与当前图像匹配方法相比,在图像成像质量不稳定的状况下,该方法拥有更高的匹配准确度.     

基于非线性尺度空间SIFT的SAR图像特征点提取

针对SAR图像特征提取中的相干斑问题,提出一类非线性尺度空间的构造方法,用于提取具有尺度不变特性的特征点。首先,利用SAR图像特有的频域多视处理,代替尺度空间中的空域降采样,构造多分辨率图像,提高了辐射分辨率,抑制了相干斑。其次,基于改进的增强Lee滤波,建立非线性尺度空间,在保留特征细节的同时,进一步抑制了相干斑。 实验结果表明,该方法相比典型的高斯尺度空间和一般的非线性尺度空间,能更好的抑制相干斑噪声,提高了特征点提取数量和正确匹配点数量。