基于BRISK-BEBLID特征的无人机图像快速配准方法

针对BRISK(Binary Robust invariant scalable keypoints)算法鲁棒性较差,运行速度较慢等缺点,提出一种BRISK-BEBLID特征的无人机图像快速配准方法。该算法首先利用BRISK算法进行特征点检测,然后引入BEBLID(Boosted Efficient Binary Local Image Descriptor)算法进行特征描述。之后在GMS(Grid-Based Motion Statistics for Fast)算法上对所获得特征点进行粗匹配,最后采用改进的RANSAC(Random Sample Consensus)算法结合单应矩阵对匹配结果做进一步的筛选,从而实现图像快速匹配。实验结果表明,相较于对比算法,该算法特征提取和特征匹配时间分别缩短了6倍和2.9倍,匹配准确率提高了约26.71%,在图像尺度旋转、光照、视角、模糊多种变化场景中均能够保持良好的鲁棒性,可以满足无人机图像实时配准的需求。

基于CenSurE-star改进BRISK图像匹配算法

针对BRISK(binary robust invariant scalable keypoints)算法匹配准确性较低,提出了一种基于CenSurE-star改进BRISK的图像匹配方法。首先检测图像CenSurE-star特征点,并构建BRISK二进制描述符,基于汉明距离相似度量方法采用KNN算法进行粗匹配筛选,并结合RANSAC(random sample consensus)算法对剩余不匹配点对进一步剔除。经实验研究对比,在关于光照、模糊、旋转、压缩比多种变化下该方法相较于BRISK算法准确性更高,保持了BRISK算法的实时性,与SIFT、SURF常见算法相比,该方法具有较高的准确性,且明显提高了匹配速度。

基于改进BRISK的图像拼接算法

为了获得精准的航空拼接图像,更好地解决图像拼接中经常出现的尺度变化、角度旋转、光照差异以及传统的BRISK(Binary Robust Invariant Scalable Keypoints)算法匹配正确率较低,图像拼接精度低等问题,该文提出一种全新的基于有向线段的BRISK特征的图像拼接模型。首先,使用BRISK算法进行图像匹配,得到粗匹配点对,再构造有向线段及其BRISK特征进行邻近线段匹配,通过概率统计模型进行特征点的精匹配,最后进行加权融合和亮度均衡化进行图像融合完成图像拼接。实验结果表明,该文算法针对图像的光照条件不同、角度旋转、分辨率低、尺度变化等均有良好的鲁棒性和稳定性,该文算法是一种耗时短、精确度高、拼接效果良好的图像拼接方法。

基于四叉树的改进BRISK特征提取算法

针对BRISK算法计算速度稍慢、提取的特征点容易出现扎堆的问题,利用四叉树均匀化特征点的方法,提出了基于四叉树的改进BRISK特征提取算法(Quad-BRISK算法):在生成的图像金字塔上提取并检测出具有尺度不变性的特征点之后,采用四叉树方法划分特征点,再计算特征点的方向和BRISK描述子,经过粗匹配、筛选、提纯后最终得到精匹配图像.利用Mikolajczyk和Schmid的特征对比实验图集,对SIFT、ORB、BRISK与Quad-BRISK算法进行了测试对比实验.实验结果表明:Quad-BRISK算法不仅能够提取更加稳定的特征点,同时提高了特征点的匹配精度和计算速度.

融合深度信息的BRISK改进算法

为了有效地利用RGB-D图像的深度信息,提高BRISK算法的尺度不变性和旋转不变性,提出一种融合深度信息的BRISK改进算法。首先,采用FAST算法提取特征点,并计算每个特征点的Harris角点响应值;然后,将整个图像划分为大小相同的网格,每个网格保留Harris角点响应值最大的特征点;其次,根据图像的深度信息直接计算特征点的尺度因子;最后,计算以特征点为中心的圆的灰度矩心,通过灰度矩心和特征点的位置偏差确定特征点主方向。从尺度不变性和旋转不变性两方面对几种算法进行了对比实验分析。实验结果表明,相比BRISK算法,改进后的算法在图像尺度变化时正确匹配特征点数提高了90%以上,在图像旋转时正确匹配特征点数提高了至少70%。

基于BRISK的图像快速匹配与变换算法

针对同类型摄像机获取的视频图像之间信息交互的需求,提出了一种基于二进制鲁棒不变尺度关键点(BRISK)的快速匹配与变换算法。该算法通过对称匹配策略消除误匹配,运用随机抽样一致(RANSAC)算法提取单应矩阵,仿射变换方法进行图像变换。实验中对具有旋转、平移、尺度差异的图像分别进行对比验证,采用电力设备图像进行实验,统计了关键点数、匹配对数和运算时间,图像显示和数据结果验证了算法的快速性和精准性。

基于BRISK和CamShift的鲁棒目标跟踪研究

在CamShift目标跟踪的框架下,提出了基于BRISK特征匹配和CamShift的目标跟踪方法,该方法通过颜色特征和局部特征共同定位目标,从而实现目标准确跟踪。在保证跟踪实时性的前提下,该方法改善了CamShift算法在目标跟踪过程中对背景、尺度、旋转和遮挡变化的敏感性和目标跟踪的特征单一性。实验对比结果表明,该改进方法较单独基于特征匹配的目标跟踪方法,其快速性有很大提高,较CamShift跟踪方法在目标尺度变化、旋转变化、光照变化、背景变化和遮挡变化条件下的鲁棒性更强,同时增强了两种算法的跟踪准确性。

基于BRISK改进的快速角点特征算法

论文提出了一种改进的快速角点特征算法。该算法基于BRISK算法,对特征描述子建立方法及匹配算法进行了改进:特征描述子建立阶段,提出了降低相关性的采样点对选择策略以及幅值-旋转两级描述子建立方法;在特征点匹配阶段,提出"移位""异或"的两步位操作特征匹配算法,并通过部分匹配及检测汉明重量阈值的方式进一步加快算法执行速度。实验结果表明,较其他角点特征算法,该改进方法具有更快的运算速度,更加满足实时应用的要求。

基于BRISK的模板匹配在变电设备红外监测中的应用

为了提高电力系统变电设备红外监测的效率,同时对多个相似目标进行监测,提出了一种改进的基于BRISK(Binary Robust Invariant Scalable Keypoints,二进制鲁棒尺度不变特征)的模板匹配方法。首先在对目标模板图像与被监测图像预处理的基础上,利用BRISK算法提取模板与被监测红外图像的特征点,生成二进制描述子;利用滑动窗口在被监测图像上等步长滑动,检测出图像中存在的多个疑似目标区域,然后通过Hamming距离来判断正确匹配点对,从而正确识别变电设备。通过实验平台进行了相关实验,通过与模板匹配方法比较,该方法明显减少了运算量,充分满足系统实时性要求,提高了变电设备红外监测的效率。

基于BRISK的实时视频抖动检测算法

针对目前视频抖动检测算法只能处理离线视频、简单判断视频是否抖动,不能识别抖动类型及具体帧序号的问题,提出一种实时视频抖动检测算法。采用BRISK算法进行视频图像特征检测,采用OPQANN算法进行特征点匹配,对匹配的特征点采用RANSAC算法进行运动参数估计并构建其运动轨迹,采用高斯低通滤波器对运动轨迹进行滤波处理,据此进行视频水平、垂直及旋转抖动检测。大量实验结果表明,在复杂环境下,与ORB+前向-后向LK算法相比,该算法抖动检测正确率提高18.3%,误报率、漏报率分别降低13.8%、34%,在抖动类型识别等方面该算法也表现出良好的性能。

基于IWT-SVD和BRISK的鲁棒图像水印算法

目的针对数字图像水印中传统奇异值分解算法存在的提取水印对角线失真和目前的特征点匹配算法速度慢引起抗组合几何攻击性能弱问题,提出基于IWT-SVD和BRISK的鲁棒图像水印算法。方法该方案是将Logistics混沌映射置乱的水印嵌入宿主图像IWT变换后进行SVD分解的矩阵中,然后运用BRISK算法完成失真图像的几何校正,最后根据提取的水印图像特性,用邻域平均法进行对角线元素修正。结果嵌入水印后PSNR高于42 dB,在各种常规信号处理和组合几何攻击下,NC平均值在0.95以上,提取出的水印对角线失真问题得到明显改善。结论实验结果表明,该方案能提高图像特征点的匹配速度,性能得到增强,水印不可见性较好,进一步提升了图像的鲁棒性。

基于改进BRISK算法的单目视觉里程计

在传统的BRISK算法中使用自定义的抽样模式来描述检测到的特征点,使用基于汉明距离的方法进行特征点匹配。BRISK的这种特征点描述与匹配的方法使得其匹配准确率不高。因此本文提出将匹配准确率较高的SURF算法与BRISK算法相结合,在BRISK特征点描述与匹配阶段使用SURF描述符和基于欧氏距离的匹配方法。实验结果表明,该算法在时间消耗下降不大的情况下,特征点匹配准确率有很大提高,且该算法具有较好的鲁棒性。

归一化积相关Brisk图像配准算法

首先应用归一化积的相关系数进行图像块的匹配,对匹配成功的图像运用AGAST算法提取特征点,再将提取的特征点应用Brisk描述子进行描述,最后应用汉明距离对Brisk描述子进行匹配。

一种自适应阈值分块BRISK的图像配准方法

提出一种基于自适应阈值BRISK的图像配准方法。首先,根据图像复杂度设置全局初始阈值,并检测图像关键点;然后将图像划分为若干均匀的子图像块,设置子图像块关键点数量范围,根据每个子图像块的关键点数量增加或删除关键点,并对关键点间距离进行约束,使关键点均匀化;最后匹配关键点,使用RANSAC算法剔除误匹配并估算变换模型参数。实验结果表明,本文提出的方法能够自适应地设定阈值,并获得分布均匀的关键点,从而提高图像配准的自动化程度。

一种基于BRISK与PaddlePaddle的眼球轨迹控制算法

笔者将拍摄的眼球运动照片进行预处理操作形成训练集,利用Python编程对预处理完成的眼球运动序列图片进行训练,把得到的模型进行运动方向识别,目的是远程控制信号传输的设备。在图像预处理阶段采用二值化、灰度化和BRISK算法,训练阶段采用百度的PaddlePaddle,最后得到的运动轨迹位置点在可以允许的误差范围内。通过集成几种通用的算法和编程工具,形成了对眼珠运动检测与轨迹记录的较为完整的方案。

改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。

一种用于图像拼接的改进BRISK算法

为了获得精准的航空拼接图像,本文提出了一种结合BRISK算法与互相关模块匹配算法的新算法。传统的BRISK算法在拼接平移方向上存在较大的误差。针对该问题,首先使用BRISK算法实现尺度和旋转的校正,再引入模块匹配方法完成平移校正,同时在BRISK算法中加入RANSANC算法实现精准拼接。实验结果表明,本文算法是一种运算时间短、精确度高、拼接效果良好的图像拼接方法。

BRISK-DAISY无人机影像匹配算法研究

影像匹配是无人机影像分析的关键步骤,通过对常用影像匹配算法的对比研究,提出一种基于BRISK特征点与DAISY描述子的影像匹配算法。该算法首先采用BRISK算法提取影像特征点,然后利用DAISY描述子进行特征描述,最后基于单映射变换矩阵的RANSAC算法进行影像精准匹配。文中对不同算法开展试验研究,对比分析影像匹配的特征提取数量、单个特征点提取时间、正确匹配对数和单次匹配平均时间、匹配正确率等5个指标。试验结果表明:与BRISK算法相比,单个特征点提取耗时约是BRISK算法的80%,单次匹配所需平均时间为BRISK算法的30%,甚至更短。与其它常规匹配算法相比,文中算法的匹配正确率与其他算法相当,但获得更多的正确匹配对数,并且文中算法在单次匹配平均时间、单个特征点提取时间与特征点提取数等方面更优。

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。