基于改进SIFT特征的深度图像匹配

针对尺度不变特征变化(SIFT)在深度图像匹配中存在较多不稳定的边缘特征点、特征维数过高、运算速度过慢等问题,提出一种改进的SIFT特征提取与表示方法。首先,在提取SIFT关键点的基础上,利用Harris角点检测算子对提取的特征点进行筛选,以剔除深度图像边缘区域中大量不稳定的伪特征点;然后,采用统计抽样法对提取的特征点描述子进行降维处理;最后,利用最近邻搜索进行特征匹配。实验结果表明,所提算法在不同视点、缩放与旋转、含噪等情况下的匹配正确率均在80.0%以上,与SIFT算法和SURF算法相比平均匹配正确率提高了9%,运行时间较SIFT算法降低了8%左右。

基于RGB-D融合特征的图像分类

当前经典的图像分类算法大多是基于RGB图像或灰度图像,并没有很好地利用物体或场景的深度信息,针对这个问题,提出了一种基于RGB-D融合特征的图像分类方法。首先,分别提取RGB图像dense SIFT局部特征与深度图Gist全局特征,然后将得到的两种图像特征进行特征融合;其次,使用改进K-means算法对融合特征建立视觉词典,克服了传统K-means算法过度依赖初始点选择的问题,并在图像表示阶段引入LLC稀疏编码对融合特征与其对应的视觉词典进行稀疏编码;最后,利用线性SVM进行图像分类。实验结果表明,所提出的算法能有效地提高图像分类的精度。

工件视觉测量中的图像配准

设计和实现了一种基于尺度不变特性和Sobel边缘检测算子的工件图像快速配准方法。针对工件视觉测量中重在边缘特征的实际需要,将Sobel边缘检测算子和工件图像的尺度不变特性相结合,突出工件的边缘特征,实现工件图像快速有效的配准。在此基础上,详细讨论了工件图像配准的具体实现。实验证明,文中方法可以有效解决视觉测量中工件图像配准的问题。

一种动态模板匹配的卡尔曼滤波跟踪方法

在视频跟踪系统中,运动目标检测是实现跟踪的前提和难点。为了能够有效地检测出目标,提出了一种基于动态模板匹配和卡尔曼滤波的目标跟踪算法。首先将前两帧图像差分检测运动目标区域,提取特征点;然后利用卡尔曼滤波在搜索区域中找到与目标模型最匹配的候选目标位置并与当前帧目标模板进行匹配;最后将特征点流失率作为限定阈值,采用模板更新策略动态更新模板。跟踪实验表明,该算法具有很好的匹配精度与实时性,对目标姿态变化、大小变化、遮挡问题等有很好的鲁棒性。

基于相位相关和纹理分类的SIFT图像拼接算法

针对传统尺度不变特征变换(SIFT)算法在图像拼接过程中计算量较大的问题,提出了一种基于相位相关和纹理分类的快速SIFT拼接算法。首先,使用相位相关法粗略地获取待拼接图像的重叠区域;其次,对图像进行纹理分类,并选取其中纹理复杂度较高区域进行SIFT检测,为了提升纹理分类阶段的速度,提出了跳跃归类的方法;最后,对于不同复杂度的纹理区域,仅在相同纹理区域内进行特征点的匹配。实验结果表明,所提出改进算法在维持较好拼接质量的基础上,与传统SIFT算法以及已有的两种改进型SIFT算法相比,平均拼接速度分别提升了68.46%、20.45%、41.83%。因此该算法在对拼接效率有较高要求的领域具有潜在的应用价值。

下视光学景像匹配制导系统匹配算法研究

针对下视光学景像匹配制导系统,提出SIFT-MSER组合匹配算法,根据待匹配的两图像拍摄视角大小的不同,选取SIFT或MSER算法进行图像匹配运算。该算法充分发挥了SIFT算法尺度和旋转不变性以及MSER算法仿射不变性的优点,弥补了各自的缺点,实验结果证明了该算法思路的正确性和有效性。