Modified SIFT descriptor and key-point matching for fast and robust image mosaic

To improve the performance of the scale invariant feature transform （ SIFT）, a modified SIFT （M-SIFT） descriptor is proposed to realize fast and robust key-point extraction and matching. In descriptor generation, 3 rotation-invariant concentric-ring grids around the key-point location are used instead of 16 square grids used in the original SIFT. Then, 10 orientations are accumulated for each grid, which results in a 30-dimension descriptor. In descriptor matching, rough rejection mismatches is proposed based on the difference of grey information between matching points. The per- formance of the proposed method is tested for image mosaic on simulated and real-worid images. Experimental results show that the M-SIFT descriptor inherits the SIFT＇ s ability of being invariant to image scale and rotation, illumination change and affine distortion. Besides the time cost of feature extraction is reduced by 50% compared with the original SIFT. And the rough rejection mismatches can reject at least 70% of mismatches. The results also demonstrate that the performance of the pro- posed M-SIFT method is superior to other improved SIFT methods in speed and robustness.

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。

基于曲线拟合和SIFT算子的点云关键点提取

针对传统点云关键点提取算法中存在的关键点缺失问题,以槽型零件的切面点云为例,提出一种基于曲线拟合和SIFT算子的点云关键点提取算法。由于平面点云数据间特征关联性较差且极易受到离群点的干扰,因此考虑从点云的图像化处理着手,首先通过滤波算法实现点云的预处理;然后,采用决策树拟合的方式实现点云数据到图片的转换;随后,通过SIFT算子提取到点云关键点;最后,依据数据到图片的转换关系完成点云关键点的校准。通过实验可知,点云数据的图像化处理方法能弱化点云数据中的不明显离群点和褶皱处的干扰,能高效准确地实现点云关键点的提取。

基于SIFT特征点的抗几何失真数字水印算法

提出了一种基于图像不变特征的鲁棒数字水印算法。该方法在图像的小波域中嵌入水印;在水印检测之前,利用图像中稳定的SIFT(尺度不变特征变换)特征点估计几何失真参数,对可能失真的水印图像进行校正,从而可以准确地提取水印信息。实验结果表明,该算法对剪裁、旋转、缩放等各类几何攻击具有很好的鲁棒性。

基于SIFT关键点的增强现实初始化算法

介绍了一种基于SIFT关键点的无标志点增强现实初始化算法。算法在已知场景少量标定关键帧图像的基础上,将关键帧图像与当前视频图像帧中的SIFT关键点进行匹配,利用RANSAC算法消除外点,而后利用图像匹配算法获取摄像机的位置和方向信息,完成系统的自动初始化工作。实验结果表明,算法鲁棒性强,跟踪定位精度高,有效地减小了人工干预的工作量。

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFT特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性,有一定的实用价值.

基于人脸检测与SIFT的播音员镜头检测

播音员镜头的检测是新闻视频结构化的关键步骤之一.提出了一种基于人脸检测与SIFT特征点匹配的播音员镜头自动检测算法.该方法首先利用人脸检测器过滤出具有人脸的候选镜头,然后利用颜色直方图判断镜头是否可能相似,再利用SIFT特征点匹配从候选镜头关键帧中找出相关的镜头组,最后利用各镜头组的信息判断出哪些是播音员镜头.对比传统的方法,该方法除了训练一个通用的人脸检测器外,不需要模板,也不需要针对某类新闻节目训练特别的分类器,可以直接利用算法对新类型的新闻节目提取播音员镜头.实验结果表明,该算法能够广泛地适应于各种不同种类的新闻节目、不同视觉质量的视频,可以有效地应用于新闻视频分析.

基于SIFT算法的大场景视频拼接算法及优化

目前大量的由独立视频设备获取的小场景视频信息难以满足大场景下信息处理的要求,而通过多设备人工查阅的方式又存在效率低下、信息冗余和碎片化等问题。文中研究了大场景视频拼接技术,利用SIFT算法的尺度不变特性对关键点进行特征匹配,通过仿射矩阵变形完成对图像的拼接工作。在此过程中,对传统的SIFT拼接算法进行进一步的优化,主要是基于距离的优化算法来完善视频拼接的效果;对SIFT特征点匹配、加权优化算法、关键帧提取的技术等进行并行加速,以提高拼接效率。实验结果表明,提出的优化方法能更好地提取视频中的关键信息,以实现更好的视频拼接效果。在视觉效果上,所提方法得到的拼接结果中不存在传统方法出现的两幅图像的交接线。此外,在MATLAB环境下分别对关键点检测和拼接部分进行了加速优化,优化后的关键点检测效率提高了约20%,拼接部分的效率提高了将近57%。在C++环境下,关键点的检测效率提升了14%,拼接部分的检测效率提升了40%。

一种改进的SIFT特征匹配算法

针对尺度不变特征变换(SIFT)特征匹配算法存在计算量大、复杂度高的问题,提出一种基于图像Radon变换的改进SIFT特征匹配算法。改进算法在图像的SIFT特征点采样区域内作d条不同方向的直线,以d条直线上的图像Radon变换作为SIFT特征向量描述符,降低SIFT特征向量的维数,从而提高特征匹配效率。实验结果表明,改进算法具有较高的匹配精度和较少的匹配时间,适用于虚拟场景漫游或目标识别等实时性要求较高的系统。

一种基于SIFT和KLT相结合的特征点跟踪方法研究

在目标发生明显姿态和大小变化条件下,为了利用基于特征点的跟踪算法实现对目标可靠、稳定跟踪,提出了一种SIFT算法和KLT(Kanade-Lucas-Tomasi)匹配算法相结合的特征点跟踪方法。通过对SIFT算法进行优化,使得到特征点分布相对均匀,同时不存在聚集现象;通过对KLT匹配算法进行分层迭代设计,提高了目标作快速运动时的匹配精度;最后根据特征点匹配结果,结合Greedy算法得到目标的准确位置。实验结果表明:该算法能够很好地适应目标姿态和大小的变化,实现对结构复杂目标的稳定跟踪;比KLT跟踪算法具有更好的鲁棒性和稳定性,能得到更加准确的目标位置。

基于SIFT算法及阈值筛选的点云配准技术研究

随着三维测量技术应用领域的逐渐拓宽,点云数据处理技术的需求日益迫切,而多视点点云配准,是其中的基础技术环节;在此针对传统ICP算法鲁棒性差、对迭代初值敏感、计算效率低等缺点,提出一种SIFT算法与阈值筛选相结合的点云配准算法;在参考点云和待配准点云中,通过计算SIFT关键点及各点主曲率,获得初始匹配点集;然后根据相似三角形阈值和法向量夹角阈值,进一步优化点对间的旋转平移关系;实验结果证明,相对于传统算法,改进算法能够以更短的时间来获得准确的配准效果,并且其自动化程度高以及能有效提高点云配准的效率和精度。

基于SIFT特征的低区分度点云数据匹配

针对复杂产品测量视角变化较大、存在测量误差的低区分度点云数据匹配问题,从稳健的特征点识别方法入手,提出基于SIFT特征的低区分度点云数据匹配方法.该方法将反映产品外形及其空间关系的点云数据x表示为受空间位置变化的影响较小的低频部分,以及受到物体自身特性影响较大,随空间位置变化较大的高频部分.设计高斯同态滤波器,在频率域中降低低频分量,增强高频分量,提高点云数据的区分度;然后提取点云数据的SIFT特征向量,以欧氏距离作为相似性度量标准进行SIFT特征向量的匹配,获得点云数据的匹配点对;最后采用四元数法估计点云数据匹配参数,计算旋转矩阵和平移矩阵,实现低区分度点云数据匹配.通过某汽车用刹车壳体零件的点云数据匹配实例,验证了文中方法的有效性.

基于SIFT特征匹配的CamShift运动目标跟踪算法

针对复杂背景下采用一般CamShift算法跟踪目标容易失败,提出将SIFT(Scale Invariant Feature Transform)特征点匹配融入到CamShift算法。该算法利用SIFT特征对尺度和方向无关特性实现连续图像序列的精准匹配,具有对尺度缩放、目标旋转以及亮度变化保持不变性的优点,不仅弥补了一般CamShift算法只以颜色为关键信息的不足,而且可将目标跟踪窗口形心和质心间的位移稳定在设定阈值内。最后通过对比性实验来验证该算法的有效性和稳定性。实验结果表明,该算法能够对复杂背景下的光照突变、缩放和旋转运动目标实现实时稳定跟踪。

一种改进的SIFT算法

特征提取是数字图像处理和计算机视觉中的一项重要技术,而利用特征描述算子来构造图像特征点是图像特征提取及配准中的一个关键步骤。SIFT特征点检测算子具有平移、旋转及缩放不变性,在图像配准中应用很广泛。针对基于SIFT特征的64维描述算子的不足进行了改进。通过仿真实验证明,改进后的算法比原算法精度更高,且时间复杂度有所降低。

基于改进SIFT特征的双目图像匹配算法

针对SIFT(尺度不变特征变换)算法无法准确定位物体形状特征的问题,提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,计算出特征点的32维特征向量描述子并用BBF算法检索同名特征点之间的欧式距离进行匹配。在降低SIFT算法的时间复杂度的同时提高了算法提取特征点的形状意义,在双目图像匹配实验中取得了较好的结果。

改进SIFT算法在文字图像匹配中的应用

使用SIFT算法对文字图像进行特征提取时,产生的特征点数目较少,且不同文字产生的特征向量存在强干扰性,导致匹配准确率较低。为此,提出一种改进的SIFT算法。该算法利用二值化图像代替灰度图像,增加特征点数目,并取消SIFT的旋转不变性。实验结果证明,与标准SIFT算法相比,改进SIFT算法能有效提高文字图像匹配的准确率。

改进SIFT特征描述符在影像匹配中的应用研究

由于成像条件变化造成的遥感图像之间的几何形变和灰度差异给影像匹配带来了困难,深入研究了SIFT特征描述符的生成方法,针对SIFT特征维数过高的问题进行改进,利用特征点邻域的圆形区域构造新的描述符,增强了描述符自身的抗旋转性,并降低了特征描述符的维数。实验表明,改进的特征描述符是可行有效的,在遥感影像目标匹配中取得满意的实验结果。

基于SIFT算法的图像匹配剔点方法研究

SIFT是一种基于尺度空间的图像特征点提取和匹配算法,其得到的特征点不仅对平移、旋转和缩放等具有良好的不变性,对视觉变化和仿射变换也能保持一定程度的稳定性,在图像匹配、物体辨识和影像镶嵌等方面得到了广泛的应用。但是SIFT算法得到的图像之间的众多匹配点对中仍然存在很多误匹配点对,从而影响了最终图像之间变换参数解算的精度。为此,提出一种剔除误匹配点对的方法,首先对每对匹配点赋予象限和角度信息,然后依次剔除其中的象限异常点对、角度异常点对和非一一对应点对,使匹配结果的正确率得到显著提高。