一种基于尺度不变特征点的运动目标检测算法

针对PTZ(Pan/Tiit/Zoom)摄像机的运动目标检测,提出了一种基于尺度不变(Scale Invariant Feature Transform,SIFT)特征点的运动补偿解决方案.首先,采用相邻两幅图像特征点匹配的方法获得运动补偿,从而解决了PTZ摄像机的自主运动带来的问题;然后利用时间差分法得到运动目标的区域;晟后利用形态学中的腐蚀和膨胀方法去除噪声.测试结果验证了算法的实用性和有效性.

对数极坐标系下尺度不变特征点的检测与描述

目的当前国际流行的SIFT算法及其改进算法在检测与描述特征点时基于高斯差分函数,存在损失图像高频信息的缺陷,从而导致图像匹配时其性能随着图像变形的增加而出现急剧下降。针对SIFT算法及其改进算法的这一缺陷,本研究提出了一种新的无图像信息损失的、在对数极坐标系下的尺度不变特征点检测与描述算法。方法本研究提出的尺度不变特征点检测与描述算法首先将直角坐标系下以采样点为中心的圆形图块转换为对数极坐标系下的矩形图块,并以此矩形图块为基础对采样点进行特征点检测与描述符提取;该算法使用固定宽度的窗口在采样点的对数极坐标径向梯度图像的logtr轴上进行移动以判断该点是否为特征点并计算该点的特征尺度,并在具有局部极大窗口响应的特征尺度位置处提取特征点的描述符。该算法的描述符基于对数极坐标系下的矩形图块的灰度梯度的幅值与角度,是一个192维向量,并具有对于尺度、旋转、光照等变化的不变性。结果本研究采用INRIA数据组和Mikolajczyk提出的匹配性能指标对SIFT算法、SURF算法和提出的尺度不变特征点检测与描述算法进行比较。与SIFT算法和SURF算法相比,提出的尺度不变特征点检测与描述算法在对应点数、重复率、正确匹配点数和匹配率等方面均具有一定优势。结论提出了一种基于对数极坐标系的图像匹配算法,即将直角坐标系下以采样点为中心的圆形图块转换为对数极坐标系下的矩形图块,这样在特征点的检测过程中,可以有效规避SIFT算法因为采用DoG函数而造成的高频信息损失;在描述符提取过程中,对数极坐标系可以有效地减少图像的变化量,从而提高了匹配性能。

基于图像深度信息的尺度不变特征变换算法误匹配点对剔除

特征点匹配是基于特征点的图像配准技术中的一个重要环节。针对现有基于尺度不变特征变换(SIFT)图像配准技术特征点匹配不理想,也无法较客观、快速地筛选正确匹配点对的问题,提出结合图像深度信息进行特征点误匹配筛选剔除的方法。该算法首先根据模糊聚焦线索和机器学习算法估计出待配准图像的深度信息图,再提取SIFT特征点,并在特征点匹配环节利用随机抽样一致性(RANSAC)算法迭代循环,结合深度局部连续性的原理来进一步提高匹配精度。实验结果表明,该算法具有很好的误匹配点对剔除功能。

一种快速多尺度特征点匹配算法

为了快速稳定地进行特征点的跟踪,提出了一种快速多尺度特征点的提取算法。该算法首先利用快速局部窗口极值搜索算法提取出不同尺度空间特征点的局部极值,减少了局部极值搜索的冗余性,然后再利用最近邻算法对特征点进行匹配。实验结果表明,该算法的计算速度快于SIFT算法和MOPS算法,稳定性强于传统的Harris算法,可以用于实时图像配准及目标跟踪。

对数极坐标特征指导的迭代就近点法

在多模态图像,有光照、取向及尺度或纹理变化的图像,以及宽基线图像之间通常存在大的形貌畸变。然而,当前主流推广的双自举迭代就近点法(GDB-ICP)在配准这类图对时存在困难。主要原因是,该方法利用提取的尺度不变泡点(SIFT keypoint)来引导迭代就近点法(ICP),但在大畸变图像上提取的SIFT点是不可靠的。为此,提出了一种用对数极坐标特征点(LPF)来引导迭代就近点的图像配准新方法(LPF-ICP)。实验结果表明,LPF-ICP方法成功地从Rensselaer数据组中的所有22对挑战性图对提取了可靠的LPF种子,并顺利实现了全图配准,而GDB-ICP方法则只完成了其中的19对,从而证实了LPF-ICP方法的有效性。

基于局部SIFT特征点的双阈值配准算法

针对SIFT匹配算法和SIFT与RANSAC结合的匹配算法都存在不同程度误匹配的问题,提出一种基于局部SIFT特征点的双阈值匹配算法。设计变步长迭代准则获取SIFT双阈值,其中大阈值匹配获得一组稀疏的精确匹配,小阈值匹配获得一组可能存在误匹配的密集匹配。以精确匹配建立目标的形变约束模型,以此为基础从密集匹配中删除误匹配。通过这些正确的匹配点估计两幅图像之间的变换矩阵。为了降低算法所需时间,提高效率,通过分析图像的纹理变化,采用提取其变化最为剧烈的区域来代表整幅图像进行匹配运算。实验结果表明,该算法在图像存在平移、旋转等仿射变化情况下具有配准精度高,稳定和快速等特点。

基于改进SIFT特征的双目图像匹配算法

针对SIFT(尺度不变特征变换)算法无法准确定位物体形状特征的问题,提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,计算出特征点的32维特征向量描述子并用BBF算法检索同名特征点之间的欧式距离进行匹配。在降低SIFT算法的时间复杂度的同时提高了算法提取特征点的形状意义,在双目图像匹配实验中取得了较好的结果。

稳健的球面全景图全自动生成算法

提出一种基于尺度不变特征变换特征点的全自动球面全景图生成算法,将原始图像投影到同一个虚拟球面上,再对球面展开图融合拼接,以避免叠加误差;并设计了一种非匹配点剔除方法,比常用的RANSAC算法提高了效率和准确性.实验验证了该算法的稳健性和快速性.

基于机器视觉的装配动作自动分割与识别

在对装配作业人员进行动作分析的过程中,动作的识别和记录一般通过手工操作完成,这种方法不仅工作量大,而且效率低。为解决该问题,提出了一种新的基于机器视觉的装配动作自动分割与识别方法。首先利用基于内容的动态关键帧提取技术提取视频流中的关键帧,实现动作的自动分割;然后提取感兴趣区域的尺度不变局部特征点,据此得出关键帧的特征向量;最后,基于支持向量机构建特征向量分类器对动作进行分类。装配线上样本视频的实验结果表明,所提方法达到了96%的正确识别率。

一种改进的摄像头视频实时拼接方法

针对普通摄像头水平视角较小的问题,通过同时采集具有一定重叠区域的摄像头视频帧图像,基于尺度不变特征变换(Scale Invariant Feature Transform,SIFT)特征点,用二分哈希搜索算法(Dichotomy Based Hash,DBH)进行匹配,用随机采样一致(Random Sample Consensus,RANSAC)算法消除误匹配,得到帧图像拼接映射关系。实验结果表明,该方法能有效地实现摄像头视频实时拼接,克服了既有方法在重叠区域小于20%时失效的不足,在重叠区域为10%左右时仍能取得有效的拼接。

改进SIFT算法在图像数据相似性匹配中的应用研究

针对基本SIFT算法在效率和准确性上的不足,通过减少提取特征点主方向以及降低在生成描述子时的重叠运算复杂度,从行列两方面缩小特征点匹配的搜索范围,提高了算法的执行效率,增加了相似性匹配的匹配准确率,使其在月球图像数据库匹配的应用中取得了较好的效果。