自适应阈值FAST特征点检测算法的FPGA实现

特征点是计算机视觉中的一种重要的局部特征,它是很多计算机视觉应用的基础。传统的特征点检测算法都是采用通用处理器实现,本文给出了一种基于FPGA的FAST特征点检测算法的硬件实现,利用流水线与并行性技术实现了算法的硬件加速。针对多样化的环境问题,采用自适应阈值方法来解决单一阈值的不适应问题。实验结果表明,FPGA实现的算法处理视频图像(分辨率为480×272)速度为每帧1.33 ms,在主频只有ARM处理器1/10的情况下,就可达到3.8倍的算法运算速度提升,对纹理丰富程度不同的环境均能够稳定地检测到300~500个特征点,同时达到了精度要求。

基于FAST和SURF的特征点快速匹配算法

为解决传统印刷电路板(PCB)图像配准过程中匹配耗时和错配率较高的问题,提出一种基于FAST-SURF的特征点匹配优化算法。利用FAST算法快速提取特征点,利用SURF的64维描述子进行准确的特征描述,在匹配阶段使用K-Means算法优化匹配结果,通过RANSAC算法进行一致性检查,消除误匹配点。实验结果表明,与传统的SURFRANSAC算法相比,该算法提高了匹配正确率,减少了匹配时间,实现了PCB图像特征的快速匹配。

变圆域罗盘特征图像匹配

针对现有图像匹配算法特征算子计算复杂度高,关键点描述过程中点对选取存在不确定性等问题,提出了变圆域罗盘特征匹配(VCDCM)方法。该方法首先利用罗盘检测法对图像进行关键点检测,采用变圆模式接受域选取理想点对,根据接受域内点对之间的距离将点对分为长点对集和短点对集;然后用长点对集描述关键点方向,短点对集构建关键点描述符。最后采用Hamming距离代替传统的欧式距离进行匹配,并采用随机抽样一致(RANSAC)方法精炼匹配点以避免由于噪声和物体位置移动等原因产生的误匹配。从鲁棒性和实时性两个方面对本文提出的方法与尺度不变特征变换(SIFT)和二元加速鲁棒特征(BRIEF)方法进行了对比试验分析,实验结果表明,本文提出的方法具有匹配速度快、准确性高、稳定性好等特点。

基于特征点筛选的实时视频拼接算法

针对实时视频采用单一图像特征的拼接方法难以兼顾速度和质量的问题,提出了一种实时视频快速拼接算法。综合运用图像区域二值化(LBP)纹理特征与加速健壮特征(SURF),优化了特征点提取和匹配过程。在采用加速分块特征检测(FAST)算法提取角点的基础上,先采用改进LBP特征对备选特征点进行粗匹配,再提取SURF进行精细匹配。通过2次筛选有效降低了后续特征提取的备选点数量,并减少了匹配计算的次数和维度,从而提高了总体运算速度,可满足一定分辨率下实时视频拼接要求。

一种基于局部特征匹配的财产保护算法

在加速分割检测特征(FAST)的基础上提出一种在复杂环境中实现财产保护的局部特征匹配方法。首先,检测每一帧视频图像中指定财物区域对应的FAST特征点集合,然后计算每一帧的特征点集合与初始帧的匹配率,最后通过匹配率和时间阈值判断指定财物是否遗失。为验证方法的有效性,进行了两组对比实验。基于局部特征匹配和基于全局特征匹配的对比实验结果分别显示了该算法在响应时间和检测准确性上的性能较其他方法更优。

基于图像颜色信息的C-FAST特征检测和匹配算法

以效率较高的加速分割测试特征提取(FAST)算法为基础,添加原FAST算法不具备的尺度不变性和旋转不变性特征描述子,在特征检测和匹配时将颜色信息作为重要参考变量,提出了一种基于颜色信息改进FAST算法的图像特征检测和匹配算法(C-FAST)。改进后的算法效率较高,具有更高的检测和匹配精度,且在光照变化和噪声下均有很好的稳健性。使用公开数据集和常用图像对FAST算法、快速稳健特征(SURF)算法、基于颜色信息的尺度不变特征转换(CSIFT)算法及所提C-FAST算法进行了性能分析。结果表明,所提算法能有效可靠地完成图像的特征检测和匹配,对比原FAST算法,准确率提升30%。

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.