Spectral matching algorithm based on nonsubsampled contourlet transform and scale-invariant feature transform

A new spectral matching algorithm is proposed by us- ing nonsubsampled contourlet transform and scale-invariant fea- ture transform. The nonsubsampled contourlet transform is used to decompose an image into a low frequency image and several high frequency images, and the scale-invariant feature transform is employed to extract feature points from the low frequency im- age. A proximity matrix is constructed for the feature points of two related images. By singular value decomposition of the proximity matrix, a matching matrix （or matching result） reflecting the match- ing degree among feature points is obtained. Experimental results indicate that the proposed algorithm can reduce time complexity and possess a higher accuracy.

基于SIFT和Affinity Propagation的遥感图像配准算法

随着传感器和光学影像测量等各种技术的快速发展,航空遥感技术已经在电力巡检、森林防火、地理测绘等领域中发挥着越来越重要的作用,而图像配准作为遥感图像的预处理步骤为图像融合等后续处理提供了参考和依据,目前已经成为遥感图像处理领域的研究热点。文中提出了一种基于尺度不变特征变换(Scale-invariant Feature Transform,SIFT)和仿射传播聚类(Affinity Propagation,AP)的图像配准算法。该算法与原有算法相比优势在于无需预先设定参数,并且实验仿真表明该算法能有效地对多源图像进行高精度的配准,与随机抽样一致算法(Random Sample Consensus,RANSAC)相比提高了正确匹配点的数目。

多分辨率图像序列的超分辨率重建

针对不同焦距下拍摄的多分辨率尺度的图像序列,本文提出了一种基于尺度不变特征转换(Scale invariant feature transform,SIFT)和图像配准的超分辨率(Super resolution,SR)图像盲重建算法.首先提取图像SIFT特征点,然后用向量夹角余弦进行特征描述符向量的初匹配,并用随机抽样一致性(Random sample consensus,RANSAC)算法消除误匹配提高配准精度.计算变换参数后,将低分辨率图像(Low-resolution,LR)像素点映射到高分辨率(How-resolution,HR)网格,最后利用像素可信度加权算法填充缺失像素值,重建更高分辨率的图像.实验表明,本文算法能精确估计图像序列的缩放因子,可以有效处理仿射变换模型,对配准误差也具有一定的鲁棒性.算法从实质上提高了多分辨率尺度图像序列的分辨率,尤其在低分辨率帧数较少可用于重建的信息量严重不足时也能获得比较满意的重建效果.

基于同形变换的航空倾斜影像自动匹配方法

针对仿射尺度不变变换提取(ASIFT)算法计算效率低的问题,提出了一种大倾角航空倾斜影像自动匹配方法 H-SIFT。该方法利用影像粗略外方位元素计算两幅待匹配影像之间的单应变换矩阵,对左影像进行二维射影变换得到其纠正影像以消除两幅影像之间的几何变形、尺度和旋转问题,再对左影像的纠正影像和右影像进行尺度不变特征变换(SIFT)。匹配时,为了适当提高正确匹配点对的数量,利用不严格的比值提纯法和左右一致性检验得到粗匹配点对,并利用随机一致性检验剔除误匹配。最后将左影像其纠正影像上的匹配点反算到左影像上。通过对国产五倾斜相机平台(SWDC-5)获取的三组典型城区航空倾斜影像数据进行实验,对于三组数据,该算法获得的正确匹配点对数量分别为ASIFT算法的2.18、1.31、1.70倍,该算法匹配耗时分别为ASIFT算法的0.93%、0.88%、0.97%。实验结果表明,与ASIFT算法相比,该算法获得的匹配点对在计算效率、数量和分布情况上都得到了显著提高。

面向装配机器人的零件视觉识别与定位方法

针对装配过程中背景复杂、零件形状多样性等因素导致的识别与定位精度较低的问题,结合加速稳健特征(SURF,speeded up robust feature)算法、快速视网膜特征点(FREAK,fast retina keypoint)算法、汉明距离及仿射变换等,给出了的一种零件识别与定位方法.首先通过SURF与FREAK算法对装配零件的特征点进行描述,其次以汉明距离作为匹配点的相似性度量,最后采用随机采样一致性(RANSAC,random sample consensus)算法进行二次匹配去除无效匹配点对.通过模板图像与装配零件图像建立四参数的仿射变换模型,结合仿射变换求解装配零件的质心坐标,再利用视觉系统的标定参数得到零件质心的世界坐标.实验结果表明,该方法实现了对装配零件快速精准的识别与定位.

改进的抗全仿射尺度不变特征变换图像匹配算法

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题,本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进。借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配。结果显示,提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力,而且对视角变换也有很好的鲁棒性,实现了完全的抗仿射变换。实验结果表明,与传统的SIFT算法相比,本文算法对仿射变换尤其是有大视角改变时有更好的适应性。

采用仿射变换的桨叶变形摄像测量Newton-Raphson算法

提出一种基于仿射变换的(Newton-Raphson,简称N-R)数字图像相关算法。首先,采用人机交互的方法在变形前后的图像中选取匹配特征点,计算仿射变换参数;然后,根据仿射变换位移模式计算目标子区中心点的位移,将其用作N-R算法的初值。为降低计算量,采用全场插值,插值运算次数降为常规插值的1%左右。仿真测试表明,基于仿射变换的N-R算法在精度保持不变的情况下显著减少计算时间,克服了常规N-R算法计算量大、效率低、只适用于无刚体转动目标等缺陷,为开发直升机桨叶变形摄像测量系统提供了算法基础。

基于ASIFT的无缝图像拼接方法

传统图像拼接方法对尺度、视差和光照变化较大的图像配准效果不佳。为此,提出一种基于仿射-尺度不变特征转换(ASIFT)算法的无缝图像拼接方法。采用能够抵抗强仿射情况的ASIFT算法检测特征点,并对特征点进行提取与匹配。利用随机抽样一致算法反复迭代,找到精确的变换矩阵初始值,根据变换矩阵进行2幅图像之间的统一坐标变换,使用加权平滑算法完成图像的无缝拼接。实验结果表明,与基于SIFT特征的拼接方法相比,该方法的图像拼接效果较好。

一种基于SIFT的网格仿射拼接算法

图像拼接在卫星图像遥感、医学图像处理都具有广泛的应用价值。利用SIFT作为图像局部特征,构建一种基于SIFT特征的仿射计算方法,利用网格覆盖匹配特征点,通过该方法在SIFT匹配特征点中选取仿射点,进而构建相应的仿射变换,通过仿射待选点建立拼接边缘,还给出了不同程度仿射变换的图像拼接方法来解决边缘图像仿射失真的问题。实验结果表明该方法可以克服传统方法的仿射不稳定问题,具有较好的稳定性和准确度。

改进仿射尺度不变特征变换算法的图像配准

为了更好地处理匹配效率、重复纹理匹配和仿射不变性匹配等问题,对完全仿射不变特征变换(ASIFT)算法进行两方面改进。匹配框架中特征提取的改进提高了ASIFT算法的匹配效率;利用优化随机采样算法(ORSA)结合以单应矩阵为几何线性约束模型的随机抽样一致性(RANSAC)改进匹配算法,提高了匹配精度和重复纹理结构的适应能力。实验结果表明,提出的改进算法能较好地匹配高度相似纹理,计算量小,计算速度快且精度高。

基于对抗颜色空间梯度SURF特征匹配复制黏贴篡改检测

为了提高篡改检测方法对复制区域几何变换的鲁棒性,以及解决常规匹配算法带来的误匹配问题,提出了一种基于对抗颜色空间梯度SURF特征匹配复制黏贴篡改检测方法,首先,将完成图像对抗颜色空间梯度的获取,采用梯度值替代灰度值完成SURF的128维特征描述子提取。然后,采用凝聚层次聚类算法对匹配特征关键点进行聚类处理,采用仿射变换估计对聚类后匹配关键点进行估计。最后,采用RANSAC算法优化估计结果。通过实验验证,该方法能准确实现特征点的精确匹配,并能准确定位复制粘贴区域,且对篡改区域的几何变换具有很强的鲁棒性。

基于ASIFT的离线签名认证方法

通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.

目标装饰图像多维特征点集自适应跟踪方法

针对传统方法目标装饰图像特征点采集效率低且图像匹配准确率低的问题,提出一种目标装饰图像多维特征点集自适应跟踪方法。结合SIFI算法确定图像极值点,去除不稳定的边缘响应点,以极值点为中心,结合不同尺度的高斯核函数和图像卷积,得到尺度空间中的装饰图像,以欧式距离作为匹配相似性度量值,完成对装饰图像的特征向量匹配,从而生成匹配特征点集集合。采用光流跟踪法确定装饰图像的可靠性特征点集,利用仿射变换参数剔除掉被误处理的可靠特征点,结合显著性特征确定目标装饰图像跟踪框,实现对目标装饰图像多维特征点集的自适应跟踪。仿真结果表明,所提方法跟踪效率高达96%,图像特征匹配率高达95%,说明该方法能够高效准确地采集目标装饰图像特征。

一种仿射变换的印刷品缺陷检测方法

针对传统印刷品缺陷检测方法速度慢、检出率低的问题,提出一种仿射变换的快速检测方法.首先利用SURF(speeded-up robust feature)算法进行特征点匹配,并采用RANSAC(random sample consensus)算法剔除误配点后得到高纯度的匹配点对,然后利用最小二乘法拟合得到变换参数,最后通过图像差分和后处理,识别并标记出缺陷所在位置.经过试验验证,相对模板匹配和分层检测算法,该方法无论在算法速度还是缺陷检出率上都有很大提高.

全仿射形变下基于点特征的SAR图像配准方法

全仿射形变条件下,待配准合成孔径雷达(synthetic aperture radar,SAR)图像与参考SAR图像之间存在各向异性尺度变化,导致传统的点特征图像配准算法难以提取到足够多的匹配特征点进行图像配准。为此,提出了一种基于仿射形变矩阵分解与尺度变化矩阵估计的点特征图像配准算法。该方法首先将仿射形变矩阵分解为图像旋转矩阵、尺度变化矩阵以及常数矩阵的乘积,而后利用粒子群优化(particle swarm optimization,PSO)算法对尺度变化矩阵中的未知参数进行搜索估计,并根据估计结果对图像进行尺度规范处理,以抑制图像间的各向异性尺度变化,在此基础上再利用尺度不变特征转换(scale invariant feature transform,SIFT)算子提取匹配特征点进行配准处理。实验结果表明,与现有方法相比,对于全仿射形变条件下的SAR图像配准,本文所述算法可以提取到更多的匹配特征点,因而具有更好的配准性能。

图像镶嵌技术理论、难点及应用

图像镶嵌技术（ＭｏｓａｉｃＴｅｃｈｎｉｑｕｅ）是一种表示图象序列信息的新技术。它通过找出一对图象间的视觉相关性（ＶｉｓｕａｌＣｏｒｅｓｐｏｎｄｅｎｃｅ），进而求出图象间的转换关系，最终将一序列真实图象合成为同一世界坐标系下的全维场景（Ｐａｎｏｒａｍａ）。这里，我们给出图象镶嵌技术的基本理论，然后讨论图象镶嵌技术的难点及应用。

基于Harris和几何哈希法的目标匹配

复杂环境下的目标匹配会受到物体缩放、旋转、遮挡及光强变化等影响,是模式识别领域的一项难题。针对该问题,提出一种基于Harris算法和改进几何哈希法的目标匹配方法。利用Harris角点提取算法检测兴趣点,通过改进的几何哈希法实现多目标匹配。实验结果表明,该方法可实现复杂环境下的目标匹配,提高匹配精度和速度。

基于SURF-BRISK的目标识别匹配与定位方法研究

为了解决在图像检测匹配过程中采用SURF和BRISK算法无法实现精确识别定位的问题,提出了1种SURF-BRISK组合算法、汉明距离与仿射变换相结合的识别匹配定位方法。利用SURF-BRISK算法对工件进行图像特征提取的初次匹配,同时对初次匹配的特征点运用汉明距离进行特征匹配的相似性度量,采用MSAC算法进行二次匹配以剔除误匹配点对;结合仿射变换模型求出仿射变换参数,利用目标模板的形心和仿射变换参数解出工件的形心位置坐标,再结合双目立体视觉标定技术和三维重建原理获取工件的三维坐标,为机器人的准确抓取提供信息。在试验中,匹配识别与三维定位程序在MATLAB环境中执行,采用MATLAB、VC++和OpenCV进行混合编程,将获得的目标信息传递给机器人控制器。研究结果表明:在忽略特殊几何畸变的条件下,该方法具有很强的适应能力,能够在复杂环境下检测目标,获取目标的形心坐标,实现机器人对工件的实时精确抓取。

Delaunay三角剖分和仿射约束的特征相同多物体同名点立体匹配

针对野外大视场、远距离、随机出现的特征相同多物体定位的实际需求,构建了基于双目立体视觉原理的三维坐标测量系统。为了高精度定位随机出现的特征相同多物体,需要正确匹配多物体同名点,因而提出了一种基于Delaunay三角剖分和仿射约束的立体匹配方法。利用具有抗仿射变换的仿射尺度不变特征变换(ASIFT)算法获得左右背景图像匹配点;通过Delaunay三角剖分算法对抽样后的匹配点生成三角网格,对左右图像每一对匹配三角形区域计算仿射矩阵;根据多物体同名点在不同匹配三角形内的分布,利用仿射约束实现对多物体同名点的匹配。实验结果表明,提出的方法对特征相同多物体同名点实现了快速高精度的匹配,多物体同名点提取以及实时匹配时间约为30ms,满足相机25frame/s的实时处理要求,较好地解决了超大三维空间中弧形坡面上随机出现的特征相同多物体同名点的匹配问题。

基于ASIFT图像特征的大视角点云配准方法

点云配准是物体三维轮廓获取的重要环节。基于图像特征的点云配准方法能较快地实现这一目标。然而,这种方法对于大视角点云的配准并不理想。针对这一问题,本文提出一种基于ASIFT图像特征的大视角点云配准方法。首先,用ASIFT算法提取大视角图像间的二维匹配点对;而后,利用图像像素和点云间的对应关系得到大视角点云间的三维匹配点对;最后,提出一种改进的RANSAC算法实现点云配准。实验结果表明,该方法可成功实现大视角点云配准。