基于局部特征匹配的井下管柱图像智能拼接融合技术

井下电视成像测井可以直观地监测井下管柱是否异常,但采集的井下管柱图像存在纹理低、光照不足、背景重复等问题,传统的尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)等算法很难稳定地检测出高质量的特征点,导致图像拼接融合鲁棒性差。为此,基于局部特征匹配的思路,先利用反向像素映射算法将管柱图像展开成平面图,并对径向误差进行精确修正,再利用卷积神经网络提取局部特征,利用注意力机制在粗略层面上建立像素级匹配,最后引入最佳拼接线和平滑函数来消除拼接误差,实现了井下管柱大尺度图像的智能拼接融合。研究结果表明:(1)基于局部特征匹配的井下管柱图像智能拼接融合技术,通过图像预处理、特征匹配和图像融合,解决了井下管柱图像拼接融合的稳定性问题;(2)图像智能融合质量的平滑权重因子(k)为0.05时融合效果最佳,k值越小融合图像拼接缝越明显,k值过大则容易在重叠区域产生重影;(3)通过计算待拼接图像的最佳拼接线来消除角度倾斜带来的误差,达到了稳定智能拼接融合的目的;(4)与SIFT算法相比,该算法能检测出的特征点数量平均增加了74.6%,平均智能匹配正确率由83.9%增加到了98.8%。结论认为,该算法检测到的特征点数量和正确率都得到了明显提升,智能融合图像的结构相似性、峰值信噪比和均方误差等指标均优于传统算法,为解决井下管柱探测难题提供了新思路和技术手段。

多特征提取与匹配矩阵驱动的点云配准

针对三维点云配准时容易受到噪声、奇异值等不利因素影响的问题,提出一种多特征提取与匹配矩阵驱动的点云配准方法。利用多特征提取模块提取稳健的关键点和关键点的局部几何特征;分别计算出关键点的特征匹配矩阵和空间匹配矩阵,并对二者进行融合,提高正确匹配点对的概率;在前两方法的驱动下,利用加权奇异值分解计算点云间的刚体变换矩阵,降低噪声和奇异值等因素对配准的影响。实验结果表明,所提方法与现有的点云配准方法相比,具有更高的配准精度和较强的鲁棒性。

基于彩色的SIFT特征点提取与匹配

由于只是利用图像的灰度信息,SIFT算法不能很好地区分形状相似但颜色不同的物体。针对这一问题,提出了一种基于彩色的SIFT特征点提取算法,并着重分析了多种彩色模型对算法性能的影响。这种算法也是在图像的灰度尺度空间上检测特征点,但其特征向量由各描述子子区域的彩色模型分量的均值组成并在原始的彩色图像上进行计算。实验结果证明了该算法的有效性。

形状特征和置信传播在去除SIFT特征点错误匹配中的应用

针对SIFT特征点匹配错误问题,提出一种置信传播与特征点形状特征相结合去除SIFT特征点匹配错误的算法.该算法分为4步:1)根据每个特征点的尺度信息、主方向信息以及匹配邻居特征点信息确定每个特征点邻域窗口的大小和方向,并计算每个特征点在邻域窗口内匹配邻居构成的形状特征;2)连接每个特征点与其最近的3个邻居特征点,构成置信传播网的基本框架;3)利用每对待确定特征点对的特征描述符之间的距离与其形状特征之间的距离生成置信传播网的证据函数,利用每对待确定特征点对与其邻居之间的空间关系生成置信传播网的相容函数;4)迭代计算每个特征点的置信度以及传递给邻居的消息,直至整个网络收敛,并通过最后得到的置信度确定初始匹配特征点对是否为误配.利用真实拍摄的图像和牛津几何视觉组数据库中的图像进行仿真实验,并与RANSAC算法、GTM算法以及BP_SIFT算法进行了比较,仿真结果表明,在召回率、准确率、丢失率和效率上,文中算法总体上优于上述3种算法.

基于SIFT特征的低区分度点云数据匹配

针对复杂产品测量视角变化较大、存在测量误差的低区分度点云数据匹配问题,从稳健的特征点识别方法入手,提出基于SIFT特征的低区分度点云数据匹配方法.该方法将反映产品外形及其空间关系的点云数据x表示为受空间位置变化的影响较小的低频部分,以及受到物体自身特性影响较大,随空间位置变化较大的高频部分.设计高斯同态滤波器,在频率域中降低低频分量,增强高频分量,提高点云数据的区分度;然后提取点云数据的SIFT特征向量,以欧氏距离作为相似性度量标准进行SIFT特征向量的匹配,获得点云数据的匹配点对;最后采用四元数法估计点云数据匹配参数,计算旋转矩阵和平移矩阵,实现低区分度点云数据匹配.通过某汽车用刹车壳体零件的点云数据匹配实例,验证了文中方法的有效性.

基于角点和局部特征描述子的快速匹配算法

提出了一种基于角点检测和灰度差分不变量区域统计直方图的局部特征描述子相结合的快速匹配算法。通过建立较少图层的阶梯金字塔,利用Shi-Tomasi算法提取图层中数量适中的强角点。采用具有几何意义的低阶灰度差分不变量描述图像特征,改进了传统算法对噪声及角点位置偏差敏感、计算复杂等问题。实验结果表明算法在保证具有旋转、尺度缩放、光照及小视角变化、模糊等性能不变的同时,整体匹配所耗时间以及正确匹配率均优于SIFT和SURF算法。

一种局部二值模式图像特征点匹配算法

针对图像匹配问题进行了研究,提出了一种改进BRIEF算法的特征点匹配算法。该算法利用随机点与特征点之间的差分大小和差分幅值关系来生成特征点描述算子。针对BRIEF对噪声敏感问题,因为小的像素幅值差分更易受到噪声影响,为了抑制噪声,通过设置小像素差分阈值,差分在阈值内的设置为不确定位,然后通过其邻域均值来决定不确定位的值。特征点匹配使用描述算子之间的汉明距离进行比较来完成。实验将BRIEF和ORB算法进行了比较,证明该算子具有更高的判别性,计算简单且具有很好的噪声抑制性能,运行速度快,匹配准确率更高。

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.

基于局部特征点检测与匹配的微悬臂梁变形受力测量方法

提出了一种基于局部特征点检测与匹配的微悬臂梁变形受力测量方法.通过光学显微镜得到微悬臂梁变形前后的图像和基于放大的微悬臂梁表面的散斑纹理特征,在尺度空间中定位具有局部响应极值的LOG(Laplace of Gaussian)特征点,并在LOG特征点周围提取局部仿射不变封闭区域,其质心可以作为具有亚像素精度的特征点位置.由封闭区域构造仿射不变特征描述算子并进行特征点匹配,根据匹配点的位移信息进行悬臂梁弯曲挠度曲线拟合以描述微悬臂梁的弯曲变形,并采用最小二乘法计算悬臂梁受力大小与受力点.通过对实际的微悬臂梁变形图像实验,验证了所提方法的有效性.

基于GPU的SIFT特征点快速匹配

影像匹配是计算机视觉及数字摄影测量的核心问题,基于特征的SIFT匹配算法由于其较强的匹配能力和良好的健壮性成为研究的热点。但SIFT算子的多量性及提取特征点维度较高的特点,直接影响了匹配速度。因此,本文利用GPU强大的并行处理能力,就SIFT特征点匹配在GPU上的设计与实现进行了详细的介绍,并通过对比实验说明利用GPU对SIFT特征点进行匹配所带来的优势。

基于区域SIFT特征的凝胶图像间蛋白点匹配算法

针对传统匹配算法对旋转和扭曲图像匹配效果不佳的问题,提出一种基于蛋白点区域SIFT(Sale Invariant Feature Transform)特征的凝胶图像间蛋白点匹配算法。首先,提取蛋白点区域SIFT特征;然后,根据SIFT特征实现蛋白点粗匹配,并采用RANSAC(Random Sample Consensu)方法剔除误匹配特征点;最后,通过计算粗匹配点集之间的TPS(Thin Plate Spline)变换关系,采用几何相关法完成蛋白点间的精匹配。通过对国际凝胶图和Bio-Rad公司测试图等不同图源的凝胶图像进行蛋白点匹配实验,结果表明,该算法具有较高的匹配精度,其匹配误差小于2.2%,对旋转和扭曲图像同样具有良好的鲁棒性。

局部不变特征匹配的快速内点选择算法

为了快速、准确地从局部不变特征初始匹配中选取内点,提出一种联合利用特征点在位置、尺度和方向上的分布一致性进行内点选择的算法.首先,采用均值漂移算法按视差对特征点对聚类实现粗选;然后找出特征点在类内的K近邻特征,再利用特征的尺度和方向估算每个特征点对所在的二局部图像区域之间的变换参数,并计算K近邻匹配相似度;最后,依据K近邻匹配相似度从粗选获得的候选匹配集中选出内点.实验结果表明,该算法在准确率、召回率和速度方面优于当前最新的内点选择算法,对图像间大幅度的视点、尺度和旋转变化具有较高的鲁棒性.

基于SIFT特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。

一种改进的SIFT特征点匹配方法

提出了一种改进的SIFT特征点提取算法。首先利用Canny算法进一步剔除影响匹配结果的边缘点,然后利用SIFT特征提取结合Harris角点检测算法来提取更加稳定的特征点,并采用基于圆形窗口的48维向量来进行特征描述,最后利用最近邻搜索进行特征匹配。实验结果表明,该算法比原算法精度更高,并且时间复杂度有所降低,适合用在实时性要求较高的场合。

基于相似特征点集的SIFT匹配改进算法

当影像中存在相似或重复场景时,传统SIFT匹配算法存在匹配成功率低,目前改进的SIFT匹配算法计算量大。基于相似特征点集的SIFT匹配改进算法,依据相似性或重复场景的影像纹理特点,在SIFT特征点匹配过程中,通过设定阈值提取初始同名点,建立针对未成功匹配参考特征点的相似特征点集,利用已获取初始同名点建立仿射几何约束模型构建参考特征点的匹配约束窗口,在该窗口内利用特征点相对主方向及尺度约束,对特征相似点集进行匹配获得同名点,最后采用RANSAC算法剔除误匹配点。对比实验结果表明,在影像像对间存在较多相似性场景,同时存在较大尺度缩放、旋转变换、视角及模糊差异的情况下,文中算法在匹配成功率和计算复杂度上具有明显的优势。

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。

一种基于参考点距离的SIFT特征点匹配算法

针对SIFT特征点匹配时间消耗大的问题,提出了一种基于参考点距离的SIFT特征点匹配算法—DRP算法。该算法首先计算一次所有待匹配特征点到参考点之间的距离,对之进行快速排序并保存。然后计算待查询特征点到参考点的距离,并在已排序的距离中使用二分法搜索返回此距离的最近邻。最后以此最近邻为中心,在有限范围内搜索待查询特征点的近似最近邻。VGG实验室ACF图片库的测试结果表明,相比于经典的SIFT算法,DRP算法可以在不损失匹配效果的前提下,有效降低SIFT特征点匹配的时间消耗。

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。

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。