改进同余变换不变特征的视频拼接算法

视频拼接的平滑过渡问题,是图像处理的难点,为很好地解决这一问题,提出一种基于Sobel算子改进的同余变换不变特征CIF(Congruence transformation Invariant Feature)的视频拼接算法。在图像配准阶段,采集视频序列的关键帧,首先运用改进的CIF算法提取特征点并匹配,然后基于RANSAC算法,估算并优化空间变换矩阵。在图像融合阶段,采用动态连接缝调整算法与色调正常化算法协同工作,以消除图像重合区域的重影与色差。实验表明,该算法不仅能够实现视频的实时拼接,还能很好解决视频拼接的平滑过渡问题。

基于SIFT特征点提取的ICP配准算法

为解决传统迭代最近点(ICP)算法对点云配准的起始点对选择不佳而导致配准时间长、效率低的问题,提出一种基于尺度不变特征变换(SIFT)特征点提取的ICP点云配准算法(ST-ICP)。首先使用SIFT算法进行原始点云与目标点云的SIFT特征点提取,根据提取特征点完成快速点特征直方图(FPFH)特征运算,通过采样一致性初始配准算法(SAC-IA)搜索对应点对、求解变换矩阵,再进一步运用ICP算法进行点云精细配准。实验结果表明:与ICP算法相比较,ST-ICP算法的配准误差在迭代次数为5次时减小了1.019 cm,迭代次数为10次时减小了0.443 cm;在配准误差达到10^(-2) cm级别时,ST-ICP算法所用时间比传统ICP算法减少了12.829 s。ST-ICP算法优化了对应点对的选择,提升了配准精度和配准效率。

采用改进的尺度不变特征变换算法计算物体旋转角度

改进了传统的尺度不变特征变换(SIFT)算法,使其在进行图像匹配的同时,可以求取出物体的旋转角度。首先,利用SIFT特征对旋转保持不变的特性,按照原算法提取出旋转前后两幅图像的SIFT特征,分析特征点主方向的计算过程,记录每个特征点主方向的角度值进行特征匹配。然后,计算出每对匹配的SIFT特征点的主方向角度之差,得到特征点的旋转角度;采用迭代自组织聚类的方法分析得到的特征点旋转角度数据,依据类内方差和类内样本数目,选取正确的样本类。最后,选用该样本类的均值作为物体的最终旋转角度。实验结果表明,该方法在图像畸变不大时的误差在3°以内,即使在部分遮挡的情况下,也能较好地计算出旋转角度。在时间复杂度增加不大的情况下,使SIFT算法具有了计算旋转角度的功能,拓宽了应用方向。

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。

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OpenCL的尺度不变特征变换算法的并行设计与实现

针对尺度不变特征变换（SIFT）算法实时性差的问题,提出了利用开放式计算语言（Open CL）并行优化的SIFT算法。首先,通过对原算法各步骤进行组合拆分、重构特征点在内存中的数据索引等方式对原算法进行并行化重构,使得算法的中间计算结果能够完全在显存中完成交互;然后,采用复用全局内存对象、共享局部内存、优化内存读取等策略对原算法各步骤进行并行设计,提高数据读取效率,降低传输延时;最后,利用Open CL语言在图形处理单元（GPU）上实现了SIFT算法的细粒度并行加速,并在中央处理器（CPU）上完成了移植。与原SIFT算法配准效果相近时,并行化的算法在GPU和CPU平台上特征提取速度分别提升了10.51~19.33和2.34~4.74倍。实验结果表明,利用Open CL并行加速的SIFT算法能够有效提高图像配准的实时性,并能克服统一计算设备架构（CUDA）因移植困难而不能充分利用异构系统中多种计算核心的缺点。

基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准

目前常规的测绘地形图像几何配准主要通过对单应性矩阵进行求解,从而实现图像配准,由于对待配准图像的灰度化处理程度较低,导致配准精度较差。对此,本文研究基于特征点和合成孔径雷达(SAR)-尺度不变特征变换(SIFT)算法的林权测绘地形图像几何配准方法。首先对SAR图像成像机理进行分析,在此基础上采用滤波算法对图像进行处理,并采用加权平均法对红、绿、蓝三原色(RGB)通道分量进行灰度化处理。然后结合SAR-SIFT算法,构建多层次的尺度空间,并结合海森矩阵对像素梯度值进行计算,生成特征描述子。最后通过对特征描述子的相似度进行计算,结合匹配阈值,实现图像特征点的匹配。实验结果表明:采用基于特征点和SAR-SIFT算法的林权测绘地形图像几何配准方法对图像进行几何配准时,算法的均方根误差值较小,具备较为理想的几何配准精度。

基于分数阶微分的尺度不变特征变换图像匹配算法

利用分数阶微积分运算处理图像信息,有利于强化和提取图像的纹理细节,使图像得到增强,更有利于对图像特征的提取。为了提高图像匹配的正确性,用基于分数阶微积分图像处理方法,提出了改进的尺度不变特征变换(SIFT)匹配算法,将高斯滤波和分数阶微分滤波相结合,用分数阶微分对图像特征进行强化,检测出更加稳定的尺度空间极值点,然后筛选出更多和更准确的匹配特征点,最后进行图像匹配。实验表明,在SIFT中引入分数阶微积分的应用,能够得到更多的特征关键点,提高图像匹配的正确性。

以分数阶微分为基础的尺度不变特征变换图像匹配算法分析

进行数字图像处理主要是为了进一步提高图像质量以及其中特征等,以此有助于人或计算机进行识别与分析。在人类多元化需求不断提高的新形势下,进行图像处理在各个行业和学科都有涉猎,并且对精确度要求也非常高。图像特征提取在成功描述图像纹理、匹配图像、分割图像等领域都十分关键。分数阶微积分在信号处理中具有明显优势,其不仅可以有效增强图像,还可以保留图像的纹理细节。本文主要对以分数阶微分为基础的尺度不变特征变换图像匹配算法进行了深入探究,以期能够进一步提高图像质量。

基于改进尺度不变特征变换的手术室多视点图像拼接算法

目的为了提高手术室环境下拼接后全景图像的主观质量,本文提出一种基于改进尺度不变特征变换(scale invariant feature transform,SIFT)的手术室多视点图像拼接算法。方法基于SIFT特征点匹配算法,依据手术室采集设备为平行摄像机且获取的两视点高关注区域重叠较宽泛的特点,提出采用局部加权融合的拼接算法消除拼接重影,并在局部加权融合算法下,对参与图像空间变换的特征点在垂直方向增加约束,筛选出正确匹配特征点对以消除拼接折痕。结果此算法解决了手术室拼接图像中手术衣的袖子、手术剪和手套的重影及治疗巾位置拼缝不对齐的问题,即消除了术野高关注度下的拼接重影及误匹配带来的拼接折痕,保证了两幅图像拼缝后的平滑过渡。结论基于改进SIFT特征点匹配的算法获得了较好的主观手术画面的拼接质量。

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。

基于典型相关分析方法的尺度不变特征变换误匹配剔除

针对尺度不变特征变换(SIFT)描述子仅利用特征点的局部邻域灰度信息而对图像内具有相似灰度分布的特征点易产生误匹配的问题,提出一种基于典型相关分析(CCA)的SIFT误匹配剔除方法。该方法首先利用SIFT算法进行匹配,得到初始匹配对;然后根据典型相关成分的线性关系拟合直线,利用点到直线的距离剔除大部分误匹配点对;对剩余的匹配点对,逐一分析其对典型相关成分的共线性的影响,剔除影响程度大的特征点对。实验结果表明,该方法能够在剔除误匹配的同时保留更多的正确匹配,提高了图像配准的精度。

基于图像不变特征与三角剖分的水印算法

针对数字水印抗几何攻击问题,提出了一种基于尺度不变特征变换(SIFT)筛选特征点的算法,以增强提取特征点的鲁棒性。基于筛选的SIFT特征点,在载体图像中生成一凸多边形区域,利用动态规划算法最优三角剖分该区域,通过密钥K对剖分得到的三角弦等间隔采样,获得更小的三角形。水印信息嵌入在以每个小三角形的质心为圆心的圆周区域内。实验结果表明,该方法对RST攻击具有鲁棒性。

一种基于FPGA的尺度不变特征转换算法

针对SIFT算法计算复杂、难以应用于实时测量系统的问题,提出一种基于FPGA的尺度不变特征转换算法,可使模块化的SIFT算法以并行数据流的形式执行;同时利用分时复用方法对各步结构进行优化,使算法的实现达到速度和资源的平衡。与现有的SIFT算法实现方案相比,大幅减少了运算时间和存储单元,提高了逻辑单元使用效率。算法在一片XILINX FPGA上实现,读入像素数据流,输出关键点的特征描述,使用多幅256×256的图像对其进行仿真验证,结果表明此算法结构在保证了图像处理效果的同时,有效地提升了SIFT算法的实时性。

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换(SIFT)特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。

基于交叉小波变换与改进变分模态分解的联合去噪方法

轴承早期的故障信号容易被噪声所淹没,导致其故障特征难以被提取,为此,提出了一种基于交叉小波变换(XWT)与改进变分模态分解(IVMD)联合去噪的信号处理方法。首先,对双通道的原始信号进行了XWT处理,得到了小波相干谱,通过包络谱曲线确定了最佳模态数K;将传统VMD优化为IVMD,利用IVMD将两个通道中峭度值较大的信号分解成为多个固有模态分量(IMFs),再对每个IMF与峭度值较大的信号进行XWT处理;然后,将得到的小波相干谱图与双通道原始信号的小波相干谱图进行了比较,从原始信号中去除了识别出的噪声分量,实现了降噪和故障特征增强的目的;最后,利用K邻近(KNN)算法进行了滚动轴承故障分类,其故障识别率达到了97.51%,与IVMD、VMD-XWT方法相比,该方法故障识别率分别提高了10.83%、4.62%。研究结果表明:该方法可以明显降低噪声干扰,能更好地提取轴承早期的故障信息。

一种基于SIFT算法的图像镜像变换识别方法

SIFT(scale invariant feature transform)算法提取的图像特征对图像自身的镜像变换匹配精度不够。针对此问题,对SIFT算法进行了改进,提出FI-SIFT(flip invariant SIFT)算法:利用纵坐标方向的梯度初步判断图像是否为镜像变换,若是则把特征向量映射为极坐标,对极坐标进行重组后,再逆变换到直角坐标系,更新特征向量;然后基于欧式距离匹配两幅图像中的关键点。实验结果表明,采用FI-SIFT算法提取的图像特征进行镜像变换匹配,匹配精度有了很大提高,由改进之前的0.6上升到0.9。

结合尺度不变特征变换和Kalman滤波的Mean Shift视频运动目标跟踪

为解决目标跟踪中运动目标存在较大尺度变化、旋转、快速运动或遮挡时跟踪效果欠佳的问题,提出了一种将尺度不变特征变换(SIFT)特征匹配和Kalman滤波与Mean Shift结合的运动目标跟踪方法。首先,利用Kalman滤波估计目标运动状态,将其估计值作为Mean Shift跟踪的初始位置;然后,当候选目标模型和初始目标模型的相似性测度系数小于某一阈值时,启用SIFT特征匹配寻找目标可能位置,并在该位置处建立新的候选目标模型,同时进行相似性测度;最后,比较两者所得匹配系数,取其中较大者对应的位置作为目标的最终位置。实验结果表明,该算法的跟踪平均误差较单独将Kalman滤波或SIFT特征与Mean Shift结合的跟踪算法减小了约20%。

一种抗几何变换攻击的矢量数据盲水印算法

现有的矢量数据水印算法较难抵抗几何变换攻击。为此,提出一种针对线图层和面图层的矢量数据盲水印算法。利用Douglas-Peucker压缩算法提取矢量数据地物的特征点并计算地物特征点之间的距离比值,按阈值对比值序列进行划分,根据水印信息将特征点移动到相应的奇偶间隔之中,由此实现水印的嵌入。实验结果证明,该算法具有较好的不可感知性,对随机噪声、数据裁剪、数据压缩和几何变换等攻击具有较强的鲁棒性。

几何特征约束的SIFT特征匹配改进算法

图像配准精度直接影响机器视觉尺度检测的精度,针对尺寸不变特征变换(SIFT)特征匹配未考虑特征点之间的几何关系,对于小插件等灰度变化较平滑的图像易产生误匹配点的问题,提出了几何特征约束的SIFT特征匹配改进算法。首先,用基于边界拓扑分析的图像跟踪算法提取目标轮廓;然后,用轮廓特征对SIFT算法进行约束并利用随机抽样一致(RANSAC)算法去除“离群点对”;最后,估计变换矩阵并完成图像精确配准。基于高分辨率工业相机和高性能计算机构建精密尺度检测系统,以手机USB接口插件为对象进行实验,实验结果表明:该算法图像配准精准度可达95.31%,与SIFT算法、SIFT+RANSAC算法相比较,配准精准度得到了较大提高,该算法已应用于某检测设备研制中。