基于改进SIFT算法的超声图像拼接方法

针对大型结构超声C扫描获得的多幅子图像,为了获取被测结构的全景图像,研究图像的拼接方法.根据超声波法成像检测的动态过程并结合数字化图像处理技术,在传统的基于尺度不变特征变换(scale invariant feature transform,SIFT)算法基础上,提出了一种改进的超声C扫描检测图像拼接方法.首先,针对传统SIFT算法存在超声图像配准成功率低的问题,利用超声扫查过程中探头起始位置的矢量差对SIFT算法得到的特征点粗匹配结果进行筛选;其次,采用动态规划的方法寻找最佳缝合路径;最后,沿最佳缝合路径进行渐入渐出融合以改善融合区域的视觉效果.人工缺陷试块及焊接结构试件超声图像的拼接结果表明,基于改进的SIFT图像拼接算法可以将多幅超声C扫描子图像有效拼接为全景图像;所提方法特征点匹配准确率高、图像融合失真小,优于常规SIFT图像拼接算法;拼接图像中,目标位置关系对应良好,可实现结构加工质量的整体无损评价.

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%。

基于改进SIFT算法的城市航拍图像快速拼接方法

城市航拍图像在城市规划、土地管理、环境监测和基础设施建设等领域具有广泛应用。针对无人机航拍高度越高,图像捕获成本越高,图像质量或能见度越低的问题,使用低空无人机来大量捕获图像;针对经典的尺度不变特征转换(SIFT)图像拼接算法存在匹配稳定性差、拼接质量差的问题,提出一种改进SIFT算法,通过提取图像金字塔模型,提高了匹配的稳定性;采用RANSAC算法减少局外点的干扰,提高图像拼接质量;采用混合平均加权法消除重叠区域接缝,最终实现了图像快速精准拼接。仿真实验结果显示,改进后的SIFT算法在图像拼接稳定性和质量上均表现较好,能获得良好且完整的拼接图像。

基于边缘响应优化SIFT算法在无人机影像匹配中的研究

无人机(UAV)影像匹配过程中常规的尺度不变特征变换(SIFT)算法在处理UAV影像时会受边缘响应影响,导致特征点匹配的准确度与精度降低。为了进一步提高UAV影像匹配的准确度与精度,提出了一种优化的SIFT图像匹配算法。以云南省禄丰市恐龙谷为研究区,选择两组研究区无人机影像以及一组公开无人机影像作为实验数据。首先,基于尺度不变性构建高斯差分金字塔,并进行空间极值检测实现特征点的定位。其次,使用Canny算法对图像进行边缘检测,在边缘检测的基础上对图像进行边缘响应点去除,对去除边缘响应后的特征点使用FLANN匹配器进行特征点匹配。然后,在图像匹配的基础上使用最佳近似比进行匹配点的第一次筛选,随后,利用随机抽样一致性(RANSAC)算法对匹配点进行第二次筛选,确定最佳比值阈值,并计算出RANSAC筛选后的均方根误差(RMSE)与准确率。最后,将优化SIFT算法与SIFT、ORB、SURF算法进行对比分析。结果表明,优化的SIFT算法不仅特征点匹配耗时小于其他3种算法,在匹配精度、准确度上以及物方精度上也优于其他3种算法。优化后的SIFT算法在A、B、C 3组数据匹配的精度分别是93.13%、84.09%、92.73%,RMSE值分别是0.6490、1.1805、0.7726。因此优化的SIFT算法能够降低边缘响应对传统SIFT算法带来的影响,提高了图像匹配的精度和准确度。

基于PCA-SIFT特征融合的铸件冒口点云匹配研究

当前自动化铸件冒口切割机器人系统研制在识别和定位冒口方面要求精确,且面临现场环境复杂、相机采集数据量大、处理效率低、算法不稳定性导致误差较大等问题。针对上述问题,提出PCA-SIFTS4的点云配准方法,首先,对采集的场景点云数据通过多阶段滤波和聚类分割技术,从复杂的场景中提取出高质量的冒口点云;其次,基于PCA与3D-SIFT特征融合提取冒口点云的特征属性,降低Super4PCS粗配准的搜索复杂度,缩短配准时间;最后,采用点到面的ICP算法进行精配准,运用所提出的方法对典型形状冒口点云进行配准实验,与传统配准算法相比,配准时间和均方根误差分别平均降低78.53%和64.93%,结果表明PCA-SIFTS4算法对于环境复杂、数据量大、特征不明显的冒口点云具有较好的实时性和精确性。

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。

一种基于改进SIFT的视频稳像方法

为提高计算效率并保持良好的稳像效果,本文提出一种基于改进SIFT的视频稳像方法。首先对SIFT进行改进,并命名为BO-SIFT(Binarized Octagonal SIFT)。该算法引入了同心八边形环特征描述子,通过降维和二值化对特征向量进行处理,然后使用汉明距离进行特征点匹配,有效缩短了描述和匹配时间。其次将BO-SIFT算法应用于视频稳像,提取视频帧的特征点进行匹配,并计算出帧与帧之间的运动偏移量,以此实现运动估计。最后采用卡尔曼滤波器对估计出的运动偏移量进行平滑处理,并利用仿射变换对视频帧进行逆向补偿,从而得到稳定的图像序列。实验结果表明:相较于原始的SIFT算法,BO-SIFT算法使稳像时间减少了56.404%;相较于现有的较好算法,BO-SIFT算法稳像后的视频具有更高的平均峰值信噪比。此外,本文算法在不同视频上进行稳像效果测试,也具有一定的可靠性和优越性。

基于改进SIFT算法的图像识别研究

针对基于SIFT算法的图像识别中存在着识别准确度不高,匹配速度慢问题。提出了一种快速获取特征点和匹配特征点方法。首先基于图像边缘的特征点获取方法,对图像边缘进行扩展,只在扩展区域内判断特征点。然后在特征点描述符中增加特征点周围16个子区域归一化后的灰度差分值信息,增强特征点描述能力。通过KPCA降维方法对描述符降维,最后在特征点匹配阶段使用余弦相似度预处理噪声特征点,加快匹配速度。在实际测试中,相对于SIFT算法图像识别率提升了8%左右,识别速度提高了50%左右。

基于改进SIFT特征和极坐标的图像匹配定位研究

为解决图像配准过程中因图像旋转及缩放导致匹配误差较大的问题,提出了一种基于对数极坐标和改进的SIFT相结合的匹配算法。首先,通过对数极坐标变换方法进行图像粗匹配,实现对待匹配图像旋转及尺度的估计;其次,在粗匹配的基础上,利用信息熵原理提取子块的特征描述符;最后,利用欧氏距离进行匹配度量,完成图像配准,利用图像变换模型实现两幅图像中相同区域目标的匹配定位。实验结果表明,该算法能够实现两幅图像的高精度匹配与目标定位。

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SIFT-GMLBP的动态图像视觉信息提取研究

为了精确地提取动态图像特征,为动画设计师提供更全面、更准确的视觉信息,文中提出基于SIFT-GMLBP的动态图像视觉信息提取方法。以关键点为像素中心,采用局部二值模式(LBP),通过比较其与邻域的灰度值获取LBP码,实现动态图像局部纹理特征捕捉;根据网格化LBP(MLBP)进一步将动态图像中的像素邻域划分为多个网格,使每个网格产生一个LBP值,降低特征向量的维数;结合Gabor滤波器,通过多尺度和多方向的纹理分析,提取动态图像在不同频率和方向上的局部结构信息,整合所有Gabor滤波器响应图像的GMLBP特征,形成包含原始动态图像在不同尺度和方向上的丰富纹理信息的特征向量。实验结果表明:该方法提取的关键点数量和分布非常合理,具有较高的稳定性和动态信息捕获能力,且该方法每秒能够处理高达30帧的图像。

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。

基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准

目前常规的测绘地形图像几何配准主要通过对单应性矩阵进行求解,从而实现图像配准,由于对待配准图像的灰度化处理程度较低,导致配准精度较差。对此,本文研究基于特征点和合成孔径雷达(SAR)-尺度不变特征变换(SIFT)算法的林权测绘地形图像几何配准方法。首先对SAR图像成像机理进行分析,在此基础上采用滤波算法对图像进行处理,并采用加权平均法对红、绿、蓝三原色(RGB)通道分量进行灰度化处理。然后结合SAR-SIFT算法,构建多层次的尺度空间,并结合海森矩阵对像素梯度值进行计算,生成特征描述子。最后通过对特征描述子的相似度进行计算,结合匹配阈值,实现图像特征点的匹配。实验结果表明:采用基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准方法对图像进行几何配准时,算法的均方根误差值较小,具备较为理想的几何配准精度。

SIFT算法在钳剪痕迹中的同一认定研究

随着数字图像处理技术的进步,钳剪痕迹的同一认定成为了一个关键的研究领域。文中提出一种基于尺度不变特征变换(SIFT)的方法对钳剪痕迹进行同一认定。首先,利用SIFT算法从钢丝钳剪切的断头痕迹图像中提取关键点,将已知剪切痕迹检材与待识别痕迹样本进行匹配;然后,根据匹配点的数量和距离信息,评估痕迹图像之间的相似性和一致性;最后,通过RANSAC算法进行一致性验证和错误匹配剔除,得到最终的匹配结果。实验结果表明,该方法能够在较多的实验样本中进行初步的同一认定,为钳剪痕迹的识别提供了一种新的有效途径。

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。