融合颜色与CSIFT的动画场景匹配技术研究

针对产量巨大的动画产业,提出一种综合颜色全局特征和CSIFT(Colored invariant feature transform)局部特征的图像匹配算法,解决了动画场景素材的匹配问题.计算图像H、S、I三个分量的分布情况,生成颜色全局特征;在颜色不变量的基础上,生成CSIFT局部不变特征,并提出两种特征相应的匹配方法,最后将两者从底层的特征提取层和高层的特征决策层按照一定的融合方式进行融合.实验表明颜色特征与CSIFT特征相互弥补,相互利用,极大的改善了动画场景素材的匹配效果,和传统的匹配算法相比,该算法鲁棒性好,在近1000幅的动画素材库中的平均匹配准确度高达80%以上.

利用高分影像与特征匹配算法标定滑坡位移场

滑坡灾害是世界上破坏力极大的自然灾害之一,滑坡监测是预防滑坡灾害的重要基础。针对SIFT算法在滑坡遥感监测应用中存在特征点数量少、分布不均的问题,提出了一种将ASIFT算法和CSIFT算法相结合进行滑坡位移场标定的方法,即利用ASIFT处理全色影像,利用CSIFT处理多光谱融合影像,将两种方法提取的互不相同的特征点叠加综合得到更多的特征匹配点。该方法在露天矿滑坡的应用结果表明:与SIFT算法相比,新改进的方法大幅度增加了特征点数量,提高了滑坡位移场标定精度,且成本低、效率高,非常适合于大型滑坡后期大变形场监测。

基于高分遥感影像匹配的露天矿滑坡形变场监测方法

针对利用SIFT(Scale-invariant feature transform)算法提取全色遥感影像特征点时存在数量少、分布不均、影响滑坡形变场监测效果等问题,提出了一种综合利用SIFT与CSIFT(Colored scale invariant feature transform)算法进行滑坡形变场标定的方法。该方法利用SIFT算法分别处理全色影像和多光谱融合影像,利用CSIFT算法处理多光谱融合影像,将3个过程提取的互不相同的特征点进行叠加,得到更多的特征点。以抚顺西露天煤矿南帮滑坡为例进行试验,结果表明:新方法能够充分利用3种不同影像匹配过程的特点,大大增加了特征点数量,使得生成的滑坡形变场更加精确,所圈定的滑坡范围更加准确,且该方法具有成本低、效率高等优点,非常适合于大型滑坡的大变形形变场监测。

改进SIFT特征粒子群优化的机器人视觉图像配准模型研究

针对机器人视觉图像尺度小、重复率低、数据量大和实时性差等特点,以提高图像配准效率、减少配准时间为目的,提出了改进SIFT特征粒子群优化的机器人视觉图像配准CSIFT-QPSO算法。CSIFT-QPSO算法通过建立S金字塔对SIFT算法进行改进,达到降低空间复杂度和减少极值点数量的目的,并将改进后的SIFT算法与QPSO算法中适应值函数相融合,将当前检测到的极值点与最近更新的目标模块相配准,从而更具鲁棒性地应对机器人视觉图像的配准问题。通过Matlab软件进行仿真,仿真结果表明:CSIFT-QPSO算法具有较高的配准精度和较少的配准时间,适用于对实时性要求较高的机器人视觉图像配准系统。