基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。

一种基于点的快速图像配准算法

提出一种基于点的快速配准算法。该算法在特征点提取时采用加速分段测试特征算法,通过对比度纹理直方图对特征点进行描述。为加快算法的匹配速度,选用最优节点优先算法进行查找。同时为提高匹配算法的鲁棒性,利用随机抽样一致性算法去除误匹配点对。实验结果表明,与经典的SIFT算法和SURF算法相比,该算法在保持算法稳定性能的同时,可有效提高匹配速度。

一种鲁棒的基于图像对比度的局部特征描述方法

该文提出一种鲁棒的基于对比度的局部特征描述方法,即独立元素对比度直方图(Independent Elementary Contrast Histogram,IECH)描述子。首先计算特征区域内各像素与被随机采样像素间的对比度值。然后,在极坐标下以特征主方向为基准,将局部特征区域分割成32个子区域,分别统计2维正负对比度直方图。最后,对统计结果进行归一化处理,产生64维的IECH特征描述向量。实验结果表明,该方法在保持与SIFT相当的匹配性能的同时,具有更快的特征生成速度与更低的特征维数。相比于具有相同时间复杂度与特征维数的对比度上下文直方图(CCH)方法,该方法描述子的性能有了明显的提高,更适合在实时应用中使用。

基于邻域信息的红外图像增强

传统的红外图像增强一般基于平台直方图均衡化思想,这种方法从全局上改变了图像的对比度,从而达到增强图像的目的,是一种快速有效的增强算法。然而现存的平台直方图方法忽略了图像的局部信息,无法改善图像的局部对比度。论文提出了一种新的红外图像增强算法,该算法在基于传统的红外图像平台直方图均衡化思想的基础上,同时加入图像的局部信息,从全局和局部同时增强图像对比度。通过与传统的平台直方图均衡算法对比,证实了算法的优越性。

一种结合灰度和边缘信息的局部特征描述算法

针对单一特征引导图像匹配的准确度有限,提出了一种同时使用灰度和边缘信息的特征描述子。该描述子将图像的几何特征与灰度信息结合起来,首先计算每个特征点的灰度对比直方图,然后引入边缘属性以增强边缘的匹配。实验结果表明,该算法由于同时采用灰度信息与边缘信息引导图像匹配,其匹配效果好于单独使用灰度或边缘的图像匹配算法,在一定程度上降低了误匹配率,同时满足旋转和光照不变性,对图像灰度变化和噪声不敏感,具有良好的匹配性能。

均值规范化对比度的局部特征描述符

目的针对SIFT(scale invariant feature transform)特征描述方法存在特征维数高,计算效率低等问题,提出一种快速的,低维数的局部特征描述方法,即MN-CCH(mean normalized contrast context histogram)。方法首先对局部特征区域内的像素进行均值规范化处理,得到局部特征区域的规范化对比度值。然后,在极坐标下以主方向为基准,将局部特征区域划分成32个子区域,统计每个子区域的正负对比度直方图。最后,对统计结果进行归一化消除线性光照的影响,得到64维的MN-CCH描述向量。结果在图像变换数据集和小型图像检索数据库上的实验结果表明,64维的MN-CCH描述子可以达到与128维SIFT相当的匹配性能和相同的检索准确率,在描述子生成和匹配效率上明显优于SIFT方法,而且与同维数的CCH相比性能有明显的提高。结论 MN-CCH描述子在保留与SIFT相当性能的前提下,具有特征维数和计算效率的优势,更适合在一些对计算和存储资源要求较高的应用(如机器人导航、视觉SLAM等)中使用。