一种无人机影像特征点筛选方法

随着无人机技术的发展,无人机影像特征点提取方法成为了研究的热点。本文针对提取到的特征点存在不同程度的冗余问题,在利用SIFT算法对无人机影像进行特征点提取的基础上,提出了一种基于欧氏距离和色彩差的特征点筛选原则。实验表明,通过计算特征点间欧氏距离可以检测距离较近的特征点,并以色彩差为取舍标准进行过滤筛选,得到的特征点分布均匀,在一定程度上降低了特征点的冗余度。

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。

一种弱增强图像下的特征提取方法设计与仿真

当前的显著图像特征提取方法无法增强原始图像目标特征显著性,导致提取精度偏低、耗时长,且抗干扰性能较弱。为此,提出基于高斯函数的显著图像特征提取方法。建立高斯函数,生成关于原始图像数据的特征分布金字塔,层层滤波金字塔内所有特征点,计算迭代后的特征参数。以上述参数为判定依据,判定尺度区间内的全部特征,分辨异常特征点及目标特征点,建立提取窗口,计算在上述窗口内目标特征点水平方向及垂直方向的分布金字塔,代入到高斯响应函数中计算最终的响应阈值,至此完成目标特征提取。仿真结果证明,所提方法对原始图像特征具有较强的识别性,且与原始数据的吻合性较强、精准度较高、耗用时间较少,抵抗异常数据、噪声或冗余特征点影响能力强。

融合颜色与光照信息的改进AKAZE图像匹配算法

传统AKAZE算法主要以图像的灰度信息作为输入,忽略了颜色与光照信息,且存在过多的冗余特征点。提出一种融合颜色与光照信息的改进图像匹配算法。在图像原始灰度信息中增加颜色补偿量和光照补偿量,克服传统AKAZE算法未利用颜色和光照信息来区分同名点的缺点。在特征点邻域内计算欧式距离和区域重复率以确定重叠程度较高的相邻特征点,比较相邻特征点的响应强度,将响应强度值较小的特征点作为冗余点并删除。在图像匹配后利用随机一致性算法剔除误匹配点对,通过并行运算对算法进行加速。实验结果表明,该算法可以有效识别同名点并剔除图像中的冗余点,运行效率优于SIFT和SURF等算法。