二进制鲁棒不变尺度特征在非接触掌纹识别中的应用

针对目前主流的非接触掌纹识别系统鲁棒性较差、识别效果不佳的问题,提出一种基于二进制鲁棒不变尺度特征(BRISK)的掌纹识别方法。首先建立了BRISK尺度空间特征提取模型和采样模式,阐述了算法步骤。然后利用BRISK算法提取非接触掌纹图像的稳定特征点,计算掌纹间的匹配点数,并以此进行识别,同时分析和给出了特征阈值的选择过程。最后在基于实际环境建立的、通用的IITD非接触掌纹库上进行测试。结果表明,该方法正确识别率可达98.124 2%,识别时间仅为0.012 1 s,进一步提升了非接触掌纹识别系统的识别效果,增强了系统的鲁棒性,方法速度快且效率高,能够满足在线识别的要求,具有应用价值。

二进制鲁棒不变尺度特征匹配电子稳像

针对捷联图像制导系统中视频序列受弹体姿态变化和抖动而出现的不稳定现象,提出了一种基于二进制鲁棒不变尺度特征关键点(BRISK)的高精度快速鲁棒电子稳像算法。首先,用BRISK算法提取图像BRISK特征描述符;为了保证匹配精度和速度,采用引导互匹配策略实现BRISK特征点跟踪匹配;然后,利用改进的随机抽样一致方法(RANSAC)剔除误匹配点对;最后,利用最小二乘算法(LSA)估计全局运动参数进而实现稳像。对标准图片的匹配测试和实拍视频稳像的结果表明:结合BRISK算法的电子稳像技术,运行时间小于30ms,定位精度达到0.1pixel,对光照变化、噪声以及复杂环境遮挡具有较强的鲁棒性,能快速有效地补偿捷联制导图像的复杂随机抖动并提高视频质量。

基于二进制鲁棒不变尺度关键点-加速稳健特征的自然特征虚实注册方法

针对基于视觉的增强现实(AR)中虚实注册的准确率和实时效果受光照、遮挡和视角变化影响大,易导致注册失败的问题,提出一种基于二进制鲁棒不变尺度关键点-加速稳健特征(BRISK-SURF)算法的自然特征虚实注册方法。首先,利用加速稳健特征(SURF)特征提取算子检测特征点;然后,采用二进制尺度旋转不变鲁棒(BRISK)特征描述算子对特征点进行二进制描述,结合汉明距离实现准确高速的特征匹配;最后,根据图像间的单应性关系实现虚实注册。从图像特征匹配和虚实注册两方面进行实验,结果显示BRISK-SURF算法的平均准确率与SURF算法基本保持一致,比BRISK算法提高了约25%,平均召回率提高了约10%;基于BRISK-SURF的注册方法的结果接近参考标准数据,精度较高,实时性较好。实验结果表明,所提方法对于光照、遮挡和视角情况不同的图像具有较高的识别准确度、注册精度和实时效果。另外,使用此方法实现了基于AR的交互式旅游资源呈现与体验系统。

结合尺度不变特征的Super 4PCS点云配准方法

点云配准是三维模型重建中的关键步骤。针对传统初配准方法效率低等问题,提出一种结合点云特征的超四点快速鲁棒匹配算法(super four point fast robust matching algorithm,Super4PCS)。首先对点云数据进行尺度不变特征提取,凸显点云的局部特征;然后把提取的特征点作为Super4PCS算法的初始值,以便实现源点云与目标点云的初配准;最后在初配准的基础上利用最近点迭代(ICP)算法进行精确配准。通过斯坦福兔子点云及实测点云数据对比分析,表明该算法具有更好的配准性能。

基于多尺度特征融合的拖牵过程安全预警算法

针对轻型救援车拖牵运输过程存在被拖车因路面颠簸程度过大而脱离救援车的安全隐患,研究了一种基于多尺度特征融合的拖牵过程安全预警算法。首先将车牌作为大尺度特征,进行车牌定位;其次将车牌特征点作为小尺度特征,基于改进二进制鲁棒不变尺度特征(BRISK)算法,提取车牌特征点;然后基于K最近邻(KNN)搜索算法,将当前帧与首帧车牌特征点进行匹配;最后对多尺度特征的位置信息进行融合,得到被拖车纵向晃动幅度,从而进行安全预警。此外,针对传统BRISK算法匹配正确率低、图像配准精度低等问题进行改进,在保证实时性的同时,提高了图像配准精度。实验表明:所提的安全预警算法具有较高准确度和良好实时性。

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法。首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像。实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值。

基于BRISK特征的动态背景下运动目标检测

针对动态背景下运动目标检测过程中对检测算法实时性和鲁棒性的要求,提出了一种基于二进制鲁棒不变尺度特征(BRISK)的运动目标检测算法。通过改进的BRISK算法检测特征点;为了保证匹配精度和速度,采用K最近邻(KNN)算法进行特征点匹配;运用基于随机抽样一致性(RANSAC)的全局运动参数估计法获取最优全局运动参数;采用帧间差分法进行运动目标检测。实验结果表明:改进的BRISK算法减少了49.8%的特征点数目,KNN算法去除了85.9%的特征点对;在各种场景下能够准确地检测出运动目标,与以往算法相比检测效果较好。

织物纹样特征提取与匹配方法比较

针对织物纹样自动识别过程中因尺度、旋转和褶皱等因素引起图像差异的问题,探索了复杂纹样特征的准确提取与匹配方法。以江崖海水纹样为例,采集尺度、旋转、模糊、光照、褶皱5种变化下的织物纹样图像,分别运用尺度不变特征变换(SIFT)、快速鲁棒性尺度不变特征(SURF)、二进制鲁棒不变可扩展关键点(BRISK)3种方法提取纹样局部特征,然后采用欧氏距离进行特征匹配计算,最后通过随机抽样一致算法剔除误匹配对。结果表明:采用BRISK算法的准确配对率最高,平均准确匹配率达87.10%;褶皱对织物特征匹配的影响最大,该变化下BRISK算法的鲁棒性优于SIFT和SURF算法;BRISK算法速度最快,图像平均匹配时间0.551 s;在织物纹样特征匹配中,BRISK算法比SIFT和SURF算法具有更好的适用性。

惯性组合导航系统中基于BRISK的快速景象匹配算法

针对景象匹配/惯性组合导航系统对景象匹配算法精确性、实时性和鲁棒性的要求,提出惯性组合导航用基于二进制鲁棒不变尺度关键点(BRISK)特征描述符的高精度快速景象匹配算法。首先,结合惯性导航的误差特性设置BRISK特征检测子及描述子参数,提取参考图和实测图的BRISK特征和描述符;然后,根据最近邻汉明距离准则获取匹配的BRISK特征点对;最后,利用RANSAC方法和最小二乘算法(LSA),求得位置和航向参数。实验结果表明,本算法具备亚pixel级精度、ms级实时性以及优越的抗噪声、抗光照变化和抗旋转尺度变换能力。