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。

基于EOSHHO-SIFT的混合域鲁棒图像水印算法

针对含水印信息的图像对几何攻击鲁棒性不强的问题,提出一种基于改进的尺度不变特征变换(Elite opposition-learning strategy based Harris hawks optimization and Scale-invariant feature transform, EOSHHO-SIFT)的图像水印算法。首先,水印预处理:对水印进行基于奇异值分解的预处理,得到需要嵌入奇异矩阵的信息;其次,载体预处理:对载体图像进行HAAR多小波变换,并在变换后的载体图像中使用EOSHHO-SIFT算法进行特征点提取;再次,水印嵌入:上述特征点作为鲁棒水印的嵌入区域,而用EOSHHO-SIFT优化后的特征点进行鲁棒水印的嵌入;最后,水印提取:利用HAAR以及EOSHHO-SIFT提取出含有水印信息的特征点,并利用此特征点所含的奇异值信息对水印进行重组。仿真结果表明,与其它不具有旋转不变特性的图像水印算法相比,算法具有较强的抗噪声、抗滤波以及抗几何攻击的能力。

基于二维小波变换SIFT算法模型的皮革断面图像配准研究

以二维小波变换优化SIFT算法构建了一种针对皮革断面图像配准分析的数学模型,以人工方式、SIFT算法作为对比对象,对该数学模型在皮革断面同层图像配准和序列图像配准两方面的性能进行对比分析。结果表明:融合优化后的数学算法模型在检测效率和检测精度方面具有显著改进。

多聚焦图像离焦模糊区域的SIFT特征提取

常规的尺度不变特征变换(SIFT)图像特征提取方法难以提取多聚焦图像离焦模糊区域的特征,使得图像间存在局部、少量的公共特征,导致多聚焦图像配准精度差,严重影响后续图像融合和三维重建质量。在分析图像离焦模糊区域特征提取不确定性的基础上,提出了一种多聚焦图像离焦模糊区域的SIFT特征提取方法。首先提取多聚焦图像聚焦清晰区域的SIFT特征,再利用光流跟踪提取对应离焦模糊区域的SIFT特征,避免了在离焦模糊区域直接提取SIFT特征的不确定性。实验结果表明:提出的方法在离焦模糊区域具有良好的SIFT特征提取能力和提取精度,能实现多聚焦图像SIFT特征匹配数量显著增长,SIFT特征提取的误差为0.03~0.39 pixels,优于现有方法的0.21~1.71 pixels。降低了离焦模糊区域SIFT特征提取的不确定性,为多聚焦图像精确配准奠定了基础。

SIFT与SURF在指纹识别系统中的性能对比

要实现指纹识别技术,必须使用图像特征的提取技术,尺度不变特征变换(ScaleInvariantFeature Transform,SIFT)和加速稳健特征(Speeded Up Robust Features,SURF)是目前运用比较广泛的两种图像特征提取算法。为验证哪种算法在指纹识别领域更适用,文章使用同一手指指纹的多张照片为图库,分别使用两种方法进行同一图自我匹配、指纹角度、范围不同图片匹配及较为模糊的图片匹配等实验。通过实验得出:虽然SIFT算法比SURF算法耗时更长,但是使用SIFT算法的运算量小于SURF算法,因此两种算法花费的时间近乎相等;在指纹对比库的创建方面,SIFT算法要优于SURF算法;在指纹匹配识别过程中,无论是同一张图片自我匹配,还是指纹角度和范围不同的图片进行匹配、指纹不清晰的图片进行匹配,SIFT算法的成功匹配点比SURF算法的成功匹配点分布更均匀,且数量相近或更多。可见,在指纹识别系统中,使用SIFT算法比SURF算法更合适。

一种针对于描述子的SIFT简化方法

由于目前的SIFT(scale invariant feature transform)特征提取算法具有较高的时间复杂度,不利于大规模的数据存储和搜索,提出一种简化的SIFT局部图像特征提取算法。改进的SIFT算法针对于描述子生成部分进行简化,将原算法中特征点描述子的矩形区域改为圆形区域,并将RANSAC(random sample consensus)算法应用于SIFT特征匹配中,有效地剔除错误匹配点。采用K.Mikolajczyk的衡量方法,即查全率和错误率进行评估。实验结果显示,算法在旋转、光照、视角变化等情况下都有很好的匹配效果,并且降低了时间复杂度。

基于SIFT算法的图像目标匹配与定位

针对仅应用SIFT算法无法准确定位的问题提出了一种将SIFT算法、马氏距离和仿射变换相结合的匹配定位方法。利用SIFT算法进行图像初次匹配,同时对初次匹配的特征点进行马氏距离计算,尽可能的剔除误配点,接着结合仿射模型计算出仿射变换的参数,最后根据目标模板的形心和仿射变换参数求出复杂环境中图像目标的形心位置坐标。实验结果表明了该方法在忽略几何畸变的情况下,对目标准确定位具有较强的适应性,能够实现在复杂环境中检测目标,并获取目标的形心坐标。

基于改进SIFT算法的图像匹配

为进一步提高SIFT匹配算法的鲁棒性和正确率,从以下几个方面改进SIFT算法。对图像进行多分辨率小波变换,重建图像近似成分——低频信息参与匹配;采用"回"字形双层方邻窗将特征点邻域区域划分成四部分,建立32维特征点描述符向量;运用欧式距离初步确定匹配点,再用积分图像进一步剔除由于特征点具有空间相似性而出现的误匹配点,从而提高匹配精度。实验表明,本文算法在匹配精度和匹配时间上有明显提高,特别是当图像具有较多局部相似特征时,匹配点数增加,匹配正确率提高。

基于信息熵与SIFT算法的天文图像配准

天文图像配准是研究天体运动的一项关键技术,图像内部结构往往存在轻微的不规则运动。但是图像配准涉及到计算整个图像的变换关系,在此情况下,无论是采用基于统计特征还是基于局部特征的配准方法,都难以取得理想的效果。为此,提出基于信息熵与SIFT算法的天文图像配准方法。该方法首先需对图像进行均匀分块并计算每块熵值,以熵值最大者作为配准的局部子图,然后通过尺度不变特征变换(Scale Invariant Feature Transform,SIFT)及仿射变换建立变换关系,继而利用局部子图变换关系完成图像的配准。该方法一方面能缩短变换关系的建立时间,另一方面能保证图像中信息熵最大区域配准,有效提高天文图像配准质量。

高实时性F-SIFT图像拼接算法

大场景视频拼接技术被广泛地应用于不同的领域,其应用要求精度高,实时性好。在对频域相关法、基于SIFT的图像拼接算法等方法进行深入研究的基础上,对其在配准精度、速度等方面进行改进与融合,提出一种具有高拼接性能、适应实时性拼接需求的F-SIFT图像拼接算法。该算法结合基于区域的图像配准方法和基于特征的SIFT两者优势,采用基于子图像块的频域相位相关算法,兼顾FFT的快速运算特点,提高图像拼接算法运算速度。实验对算法进行测试,验证F-SIFT算法的有效性。

一种简化的SIFT图像特征点提取算法

针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。

基于SIFT特征的遥感影像自动配准

遥感影像的自动配准是长期以来一直未能很好解决的一个重要问题。本文将视频图像匹配中获得巨大成功的SIFT(Scale Invariant Feature Transform)特征应用于遥感影像的自动配准问题中,并且针对遥感影像的成像特点,给出了一种具体的特征匹配方法。对航空和航天遥感影像在不同的变形、不同的光照变化和不同的分辨率下进行的大量实验表明,该方法具有稳定、可靠、快速等特点。

Contourlet-SIFT特征匹配算法

基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特征,对特征及其邻域进行Contourlet变换,由各方向子带分解系数的均值和标准差构建全局纹理描述向量,根据向量间欧氏距离的大小进行特征点排序,选取距离较小的前1%的特征再进行SIFT最近邻比值匹配。实验结果表明该算法对亮度差异大、相似区域多的图像的匹配性能优于SIFT,在保证尺度、旋转、视角等不变性与SIFT相当的同时,匹配速度大为提升。

改进的SIFT特征提取和匹配算法

针对月球影像和尺度不变特征变换(SIFT)算法的特点,在改进SIFT特征提取算法的基础上,提出了一种稳健的图像自动匹配策略。首先,自动调整SIFT算法中的对比度控制系数,提高关键点提取的均衡性;然后,用SIFT描述向量之间的欧氏距离最小值与次小值的比值作为阈值,进行粗匹配,并利用匹配对主方向角度差直方图剔除部分伪匹配;最后,自动计算随机采样次数、误差容忍度等参数,使用改进的随机选取一致性(RANSAC)方法确定透视变换模型初始参数,并用该模型和误差容忍度对匹配集合中的匹配对进行校验,选取出正确的匹配对。实验结果表明,在图像有一定程度的视点、光照、旋转、比例、模糊和对比度变化等情形下,该算法稳定、可靠。该方法能有效解决图像匹配门限的选择问题,真正实现了无人工干预的自动匹配。

基于SIFT特征目标跟踪算法研究

在尺度不变特征变换(Scale invariant feature transform,SIFT)特征匹配算法的基础上,提出了一种基于累积特征的多目标的跟踪算法,通过对目标的SIFT特征进行实时更新来去除由噪声(或形变)带来的"过时"特征信息,保证了特征的稳定,提高了匹配准确度.实验结果表明,本算法能够有效处理目标由于旋转、形变而导致跟踪性能下降甚至跟踪目标丢失的问题,同时对跟踪过程中多目标的关联,也具有较好的鲁棒性.

一种基于分块匹配的SIFT算法

SIFT算法在图像处理领域具有独特的优势,但是经过不断发展,SIFT算法在特征匹配过程中仍然具有数据处理量大、计算速度慢的问题。基于这些问题,提出了一种基于分块匹配的新型SIFT匹配算法,它通过剔除非重叠区域来降低特征提取和匹配的时间损耗。对于图像的刚性变换,算法的核心在于图像块的切分和重叠区域的计算,首先选取少量的种子点来估算两幅图像的相关变换矩阵;然后将原始图像切分为几块,通过变换矩阵找出在匹配图中的相关块;再检测所有的匹配块上的特征点;最后结合RANSAC算法去除伪匹配点对,来提高匹配的准确率。实验结果表明:与标准SIFT算法相比,基于分块匹配的SIFT算法在实时性和鲁棒性方面得到了进一步的提升,在实际图像匹配中具有一定的应用价值。

基于SIFT和小波变换的图像拼接算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的图像拼接算法,以提高室外复杂场景的图像拼接质量.利用SIFT算法提取基准图像(待匹配图像)和后续图像(与基准图像进行匹配的图像)的特征点,确定特征点的位置、尺度与方向;利用128维向量对特征点进行描述;利用最近邻法完成两幅图像特征点的匹配,确定重合区域;利用基于小波变换的多分辨率方法完成对图像的拼接.实验结果表明,该方法对亮度差异较大的图像拼接效果良好,适宜于室外复杂环境的图像拼接.

基于SIFT特征匹配的监控图像自动拼接

针对不同摄像头的监控图像,提出了一种优化的SIFT特征匹配的监控图像自动拼接方法。在图像整合方面,通过高速提取SIFT特征描述符并进行稳定精确匹配,利用改进RANSAC算法去除错配,从而确定待拼接图像之间的变换参数;在图像融合方面,有效消除了颜色和光照差异,最终实现自动的无缝拼接系统。实验结果证明该方法对重叠区域小、形变大、有运动遮挡和噪声的监控图像有较完美的拼接效果。

基于SIFT算法的无人机影像快速匹配

为使尺度不变特征转换算法更适合无人机影像的匹配,对该算法及其匹配策略进行探讨。对不同尺度下的影像匹配情况进行分析比较,发现减少尺度的影像匹配可缩短计算时间,但结果精度并没有降低。提出粗匹配加分块匹配的影像匹配策略,通过实验证明该策略较整体匹配能提高正确匹配点对的获取效率。

使用SIFT图像校正的彩色图像水印算法

提出一种将SIFT图像校正方法用于水印提取的数字图像水印算法.使用混沌加密和格雷码置乱水印信息,并将置乱信号加入到彩色载体图像蓝色分量离散余弦变换域的低频分量系数中.水印提取算法首先分析水印图像和参考图像的特征点,并对提取出的特征点进行匹配分析.根据匹配的特征点之间的关系对水印图像进行图像校正,从校正后的水印图像中提取确认是否有水印.实验表明,该算法对于抵抗各种噪声、滤波和压缩等攻击具有很好的鲁棒性以及安全性.