基于SIFT的甘肃庆阳刺绣针法检测增强算法研究

甘肃庆阳刺绣源于黄河流域,制品式样繁复种类多样,是陇东地区特色文化的重要载体。对庆阳刺绣的数字化保护可以作为中华文化传承和活化保护的有力手段。由于刺绣图案和针法具有较为复杂的边缘结构和重复率较高的纹理特征,因此对其进行区域检测是一项颇具挑战性的任务。文章选取5种庆阳刺绣中经典针法并建立用于学习训练的图像数据集,通过导向滤波搭建改进检测网络模型SIFT-E,对针法图案进行实时检测。与SIFT相比,改进后的方法识别匹配率更高,极大地提升了检测效率。

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

基于多特征融合和改进SIFT的目标跟踪算法

在进行跟踪任务时,当运动目标发生形变或旋转以及受到光照变化或背景干扰时,会发生偏移现象或丢失跟踪目标,从而导致跟踪精度降低。据此,提出基于多特征融合和改进SIFT的目标跟踪算法。在图像的高熵部分进行特征点的提取,并使用哈希算法将错误匹配的特征点剔除。同时对感知哈希和差异哈希进行改进,将改进后的图像哈希特征、颜色特征和SIFT特征进行融合并应用于跟踪算法。将算法在OTB-100数据集上进行实验,成功率达到了94.3%。

基于SIFT和INIR的地表未爆子弹药检测方法研究

采用基于SIFT(尺度不变特征变换)算法的可见光同源图像配准检测方法解决地表未爆子弹药检测问题,并通过试验验证了该方法的可行性,但也发现存在虚警误判的问题。在同源图像配准检测的基础上,提出了基于SIFT和INIR(图像邻域信息重建)的可见光-红外异源图像差异性检测方法,该方法有效解决了误判漏判的问题。对比试验表明,异源图像差异性检测方法的检测精度相较于同源图像配准检测有了较大提升,但也导致无人机载荷平台单次工作时间大幅减少,为下一步地表未爆子弹药目标的准确识别定位提供了有力的技术支撑。

基于融合SIFT算法的光伏电站安监图像精准识别技术研究

随着我国“双碳”工作的不断推进,光伏电站的规模逐渐扩大。为解决光伏电站图像安防技术中存在的拍摄角度、光线影响大,识别准确率低的问题,提出了一种基于SIFT的光伏电站图像安防技术。通过SIFT算法提取光伏电站图像特征点,解决了光线、角度带来的识别误差问题;通过卷积神经网络方法准确的识别了光伏电站车辆、人员、动物、积雪等安防问题。该方法在某光伏电站进行应用,其光伏电站图像安防识别准确率平均为99.7%。所提方法能有效提高光伏电站图像安防识别准确率。

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题,提出一种基于三维尺度不变特征变换(3D-SIFT)与4点快速鲁棒匹配算法(4PCS)融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理;接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取;最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比,在算法仿真与实际应用实验结果表明,本文算法在保证配准精度的前提下将配准速度提高30%以上。

基于优化SIFT算法的农田航拍全景图像快速拼接

为了快速准确获取大面积农田图像信息,提高保护性耕作秸秆还田监测效率和准确性,该研究提出一种基于优化SIFT(scale-invariant feature transform)算法的农田航拍全景图像快速拼接方法。首先对高分辨率图像进行降采样处理,针对图像的重叠区域进行有效检测;然后采用基于梯度归一化的特征描述符对特征点进行匹配,同时通过渐进样本一致算法去除误匹配,精准计算拼接转换模型;最后采用基于最佳拼接线的多分辨率融合算法进行图像融合,得到全景拼接图像。试验结果表明:该文方法在图像配准阶段与传统SIFT算法和SURF(speeded up robust feature)算法相比,特征点数量分别减少了97%和90%,运行时间减少了94%和69%,平均匹配效率为65.17%,约为SIFT算法的4倍,SURF算法的9倍;与APAP(ss-projective-as-possible)、SPHP(shape-preserving half-projective)和AANAP(adaptive as-natural-as-possible)算法相比,该方法拼接图像的信息熵、平均梯度和图像对比度均有明显提高。与传统方法相比,该文分层拼接方法提高了全景拼接图像的清晰度和融合效果,解决了传统方法中出现的错位和重影问题,其中全景图像的信息熵、平均梯度小幅提高,对比度明显提高,拼接时间大约缩短了90%以上。研究结果可为保护性耕作秸秆还田监测提供科学参考。

基于改进SIFT算法的无人机遥感影像快速拼接

近几十年来,无人机遥感在地球观测领域发展十分迅速,然而,无人机影像快速拼接是阻碍其应用的难题.针对无人机遥感影像的特点与SIFT(scale invariant feature transform)拼接算法的缺点,该文提出了一种基于随机抽样一致性算法RANSAC(random sample consensus)和最小二乘匹配改进的SIFT影像拼接算法.首先采用随机采样法RANSAC进行粗略匹配数据的提纯,剔除伪特征点对,以减少特征点数量,降低时耗;然后再以最小二乘匹配进行更加精确的匹配,最终实现了无人机影像的自动拼接.实验结果表明:基于RANSAC和最小二乘匹配改进的SIFT拼接算法的平均正确匹配率为92.8%,拼接精度由1个像元提高到0.1个像元,同时拼接运算效率也得到了较大的提升.经改进的SIFT拼接算法在海量特征数据库中可以进行快速、准确的匹配、甚至可以达到实时的要求,具有更强的鲁棒性,可以满足低空遥感影像的相对定向高度自动化的需要,应用前景广阔.

改进SIFT的特征提取与图像拼接方法

针对无人机影像拼接存在拼接痕迹的问题,提出了一种结合分块SIFT特征点提取和拉普拉斯金字塔融合的无人机图像拼接方法。该方法首先对SIFT的特征点提取方式进行了改善,将原有的图像均匀分块,再采用SIFT算法将每一个子块区域的特征点提取了出来,保留其中对比度较高的特征点;利用RANSAC算法去除错误的匹配点,以避免因特征点过多而造成匹配效率低;在提取到匹配点后,利用拉普拉斯金字塔融合算法将图像进行拼接。结果表明,该方法可以极大地减少匹配点的数量,并提高匹配效率,能够获得良好的拼接图像。

基于SIFT算法的电动车充电孔双目视觉识别技术

基于双目视觉理论提出一种适用于不同光强、背景和任意形状充电插孔的高精度充电孔识别与定位方法。采用SIFT特征提取算法生成高斯差分金字塔进行尺度空间构建,应用机器学习最近邻搜索特征匹配算法获取匹配点映射集合,并配合半全局匹配方法进行视差计算得到高精度充电孔匹配和定位结果。通过试验验证了所提算法的有效性,得到了较为理想的匹配与测距结果。

针对SIFT及其变体的图像匹配性能比较

由于尺度不变特征变换算法(SIFT)及其变体(PCA-SIFT、GCSIFT、SURF、ASIFT)在图像匹配应用的广泛性,总结各自特点及比较它们性能具有实际的意义。首先系统地分析了SIFT及其变体,然后在尺度和旋转变化、光照变化、模糊变化、仿射变化四种图像情况评估了它们的性能。实验结果表明在尺度和旋转变化上SIFT执行最好;在光照和模糊变化上GCSIFT执行最好;在仿射变化上ASIFT表现最好;在所有情况下PCA-SIFT性能总是第二和SURF性能最差。

SIFT算法在油水井管柱图绘制系统中的应用研究

油水井管柱图是各种工程设计的重要图件,为了提高管柱图的绘图效率,解决传统方法管柱图绘制过程中手动拼接效率低以及在轨迹弧段处拼接错位等问题,引入自动拼接思想,提出了一种基于尺度不变特征变换(SIFT)算法的油水井管柱图绘制系统。首先将管柱工具图例按照两步纹理映射的算法形成纹理管柱工具图例,然后通过高斯模糊构建出尺度空间,搜索所有尺度空间上的纹理管柱工具图例特征点的位置,通过对尺度空间函数进行曲线拟合进行特征点定位,用图像分级方法获得局部结构特征点的固定方向,然后为每个特征点绘制特征描述符,并创建SIFT特征描述向量,最后采用加权平均图像融合的方法绘制成完整的油水井管柱图图像。结果表明,此方法显著提升了管柱图绘制系统的效率和视觉效果。

基于软分配SIFT特征的回环检测算法

回环检测能够消除视觉SLAM的累积误差,对SLAM系统意义重大。其中,应用较广泛的视觉词袋模型算法存在着视觉单词同一性和歧义性问题,影响了回环检测效果。为改善这些问题并提高回环检测效果,提出了一种基于软分配SIFT(scale-invariant feature transform)特征的回环检测算法。该算法将图像提取出的SIFT特征点分配到欧氏距离最近的几个单词上,并根据距离排序加权,剔除距离单词较远的特征点,生成更具区分性的描述子,并且在筛选候选项时,加入相同单词特征点占比以及单词偏移稳定性约束,筛选出少量候选项。实验结果中,该算法相较于传统视觉词袋模型以及近些年的几种回环检测算法,在三种数据集中的100%准确率下的召回率有所提升,图像平均查询时间在40 ms左右。结果表明,该算法对回环检测效果有一定提升,并且保证了实时性。

基于ED-SIFT算法的高分辨率遥感图像快速拼接

基于特征点检测的高分辨率图像拼接运算量大、速度慢,改进后可以提高效率。从减少参与SIFT计算的数据量和优化算法两方面实现图像拼接加速。建立基于ED-SIFT的图像拼接算法,图像边缘检测优选Soble算子;使用Python+OpenCV,对WorldView3切片数据进行拼接实验,平均耗时为0.96 s;与传统基于SIFT的图像拼接算法相比,在保证一定数目的特征点同时,速度加快9.47倍。使用该算法对重叠率为20%、65%、80%的切片数据拼接成功,平均耗时都在0.96~1.08 s。继续用OpenCV+Numba并行运算实现该算法,对运算提速已不明显。基于ED-SIFT的图像拼接算法对高分辨率遥感图像拼接提速明显,对不同重叠率图像拼接皆有效。

基于改进SIFT的室内机器人惯性视觉定位系统

对移动机器人室内单目视觉定位存在的定位精度较低,光照鲁棒性差的问题,提出一种基于改进SIFT的实时惯性视觉定位系统。首先压缩SIFT尺度空间,降低描述子维度;再利用结合位置信息的描述子曼哈顿距离进行FLANN匹配,PROSAC迭代优化。在跟踪阶段结合IMU获取的初值约束匹配,剔除误匹配。在回环检测阶段利用惯导位姿给定位姿初值范围,局部搜索SIFT特征点匹配实现重定位。在室内天花板数据集上验证改进SIFT算法,匹配准确率平均提升12.4%。在室内多个场景验证定位精度,平均定位误差为0.076 m。实验结果表明,所设计的算法能够在算力受限平台实现较精准的实时室内定位。

FKPCA-SIFT算法在图像匹配中的应用

SIFT是目前广泛应用于目标识别和图像匹配领域的算法,但其在使用过程中存在描述子维数过大、耗时时间长的缺点。针对这个问题,常用的解决办法是利用PCA算法对描述子进行降维,由于PCA是一种线性降维算法,因此它的使用具有局限性。对此,利用模糊K均值算法对其进行改进(称为FKPCA),并用改进的RANSAC算法消除误匹配点。实验结果表明,PCA-SIFT算法和FKPCA-SIFT都很好地保持了SIFT算法原有的优点,具有很高的匹配正确率。但相对于PCASIFT算法,FKPCA-SIFT不仅适用于线性降维也适用于非线性降维,具有更好的匹配精度,拓展了PCA-SIFT算法的适用范围。

基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理。核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法。本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准。实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准。

基于改进SIFT算法的缺陷测量方法

针对工业内窥镜在缺陷检测时遇到较大、较长的缺陷无法一次性完成识别、测量的问题,提出一种基于改进SIFT算法的图像拼接方法。在建立尺度空间的过程中,使用灰度阈值的方法,缩小了检测范围,解决SIFT算法在使用过程中计算量过大的问题。使用YOLOv3算法完成对缺陷区域的识别,并通过像素尺寸与实际尺寸的关系,实现对拼接后缺陷真实长度的测量。借助工业内窥摄像头,开展了缺陷拼接、识别和测量实验。实验结果表明,利用改进的SIFT算法对缺陷图像的拼接识别准确率可达92.83%;角点检测速度提高了44.3%;拼接后的缺陷测量相对误差可达0.63%。所提的方法具有较高的识别准确率和测量精度,可广泛应用于工业内窥镜的缺陷测量中。

基于改进ASIFT的可见光图像拼接研究

为了解决目前基于特征点的图像拼接算法在图像重叠度较低情况下,图像拼接效果差以及无法满足实时图像拼接的问题,提出了一种基于改进仿射—尺度不变特征转换(Affine Scale Invariant Feature Transform,ASIFT)的快速图像拼接算法,在特征点匹配过程中引入主分量分析(Principal Component Analysis,PCA)法进行处理,提出了一种PCAASIFT描述符对特征点重新进行描述。实验结果表明,与基于SIFT和SURF的拼接算法相比,该算法实现了高精度拼接,并且比传统ASIFT拼接算法提高了拼接的速度。

基于SIFT和感知哈希改进的CamShift跟踪算法

传统的CamShift仅使用目标的颜色直方图作为特征,因此在相似背景干扰、遮挡、高速运动等情况下容易出现跟踪不准确或丢失跟踪目标的现象。针对上述不足,提出了基于SIFT和感知哈希改进的CamShift跟踪算法。首先,将图像从RGB颜色空间转为HSV颜色空间,分别得出色调和饱和度直方图,并提取图像的边缘梯度直方图进行融合获得目标的融合直方图。其次在CamShift算法框架下得到最优候选目标,若候选目标与目标模板的Bhattacharyya距离大于阈值时,则使用改进的感知哈希算法进行最优候选目标的搜索。然后在下一帧搜索时,在目标和视频序列的高信息熵部分使用SIFT算法进行特征点的提取并匹配从而获取初始搜索窗口,若SIFT算法匹配失败,则使用卡尔曼滤波预测的搜索框作为初始搜索窗口。将该算法首先在OTB-100数据集上和其他常用的跟踪算法进行对比实验,实验结果表明算法能够准确地跟踪目标,跟踪成功率达到了90.1%。将该算法应用于人脸跟踪任务中,并与其他的人脸跟踪算法进行对比实验,实验结果表明该算法具有更好的性能和准确性,跟踪成功率达到了93.5%。