基于二进制特征描述器的图像匹配算法

图像特征点匹配在视觉系统中有广泛的应用。针对加速分割测试特征FAST和二进制稳健基元独立特征BRIEF算法中存在的问题进行改进。首先,在FAST算法中使用简化模板提取图像特征点,通过构建图像金字塔实现尺度不变性。接着,根据人类视觉系统原理改进BRIEF算法的点对采样模式,并通过特征点方向的计算实现图像的旋转不变性。最后,使用易于计算的海明距离度量各特征点的相似度实现特征匹配。实验表明,提出的图像匹配算法性能优于其他算法,而且运行速度更快。

一种改进的加速稳健特征图像配准算法

针对传统的加速稳健特征配准算法存在计算复杂、配准精度不高、鲁棒性差等不足,文中提出了一种改进的加速稳健特征配准算法。通过构建尺度空间及计算Hessian矩阵的极值筛选出稳定的特征点,利用二进制稳健独立基本特征描述子对特征点进行描述,并通过几何约束算法对随机一致性抽样算法进行改进,实现了匹配点对的提纯,求出单应矩阵并应用于待配准图像。研究结果表明:文中的算法相较于加速稳健特征配准算法,在噪声环境下配准偏移下降了13.8%,仿真实验中配准偏移平均下降了14.7%,配准时间平均降低了15.63%,表现出优良的抗噪性、准确性及实时性。

基于中心环绕滤波器检测的图像特征点匹配算法

针对传统图像匹配算法特征点检测稳定性和准确性差的问题,提出一种尺度不变性的基于中心环绕滤波器检测(SCFD)的图像特征点匹配算法。首先,构建多尺度空间,利用中心环绕滤波器检测图像在不同尺度下的特征点,采用Harris方法和亚像素插值获得稳定的特征点;其次,联合快速定向旋转二进制稳健基元独立特征(BRIEF)(ORB)算法确定特征点的主方向,构建特征点描述算子;最后,采用汉明距离完成匹配,通过最小平方中值(LMed S)定理和最大似然(ML)估计剔除误匹配点。实验结果表明,在尺度变化时,所提算法的匹配精度达到96.6%,是ORB算法的2倍;其运行时间是尺度不变特征变换(SIFT)的19.8%,加速鲁棒性特征(SURF)的28.3%。所提算法能够有效提高特征点检测的稳定性和准确性,在视角、尺度缩放、旋转、亮度等变化的情况下具有较好的匹配效果。

基于FAST和BRIEF的图像匹配算法

针对图像匹配算法中匹配率不高以及运算速度较慢等问题,采用改进的FAST(加速分割测试特征)和BRIEF(二进制稳健基元独立特征)算法对图像进行匹配。使用FAST算法提取图像特征点,简化测试模板以提高检测速度;以提取的特征点为中心,使用强度质心方法计算图像块的主方向,根据主方向旋转BRIEF描述器,使其具备旋转不变性;使用易于计算的汉明距离度量各描述器的相似度,据此进行匹配特征。通过和其余算法进行对比实验,验证了该算法在保持高匹配率的同时,降低了计算复杂性。