基于ZigBee的无人机航拍影像快速特征匹配算法

为了提高无人机航拍影像的识别能力,需要进行特征匹配处理,提出基于ZigBee的无人机航拍影像快速特征匹配算法,采用ZigBee协议进行无人机航拍影像采集的无线传感组网设计,采集无人机航拍的图像,对图像采用局部加权融合特征分离方法进行无人机航拍影像快速特征检测,构建像素分维像模型进行无人机航拍影像快速特征匹配,使用图像的熵特征量作为特征匹配的基准分量,计算图像每个像素的局部信息熵,结合图像背景过滤机制和小目标增强方法实现对无人机航拍影像的目标细节定位和快速特征匹配。仿真结果表明,采用该方法进行无人机航拍影像快速特征匹配的自适应性较好,对图像目标的检测准确率较高。

结合角点特征与SIFT特征的加速图像匹配

利用关键点寻找不同图像之间的一致性是很多图像处理和计算机视觉应用中的一个关键步骤。由于图像中巨量的关键点,因此特征的快速匹配成为了一个瓶颈。文中提出了一种对特征点进行分类比较的方法来加速特征匹配。首先可将SIFT特征分为两类,极大值SIFT特征和极小值SIFT特征;其次是将SIFT特征和传统角点特征相结合提取特征点并按照角点特征进行分类。实验表明,这种方法在保持原有鲁棒性和精度的情况下,可以较大提高特征匹配速度。

改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。

基于图像特征匹配的煤泥浮选泡沫速度特征提取方法

煤泥浮选泡沫图像局部静态特征相似,一些较为复杂的工况判断需要用到浮选泡沫图像的动态特征,而现有的针对煤泥浮选泡沫速度动态特征的提取方法存在准确性、实时性和稳定性不足问题。针对上述问题,提出了一种基于图像特征匹配的煤泥浮选泡沫速度特征提取方法。首先,采用限制对比度自适应直方图均衡化(CLAHE)和三维块匹配滤波(BM3D)对浮选泡沫图像进行预处理,以提高图像质量,突出图像的边缘细节特征。其次,采用加速KAZE(AKAZE)算法对浮选泡沫特征进行特征点检测。然后,在利用暴力匹配(BF)对泡沫图像特征进行粗匹配的基础上,采用基于网格的运动统计(GMS)算法快速可靠地区分正确与错误的特征匹配。最后,根据特征匹配结果计算煤泥浮选泡沫速度,并以此为测量值,利用卡尔曼运动估计方法对得到的测量值进行迭代修正,得到更稳定的煤泥浮选泡沫速度特征。实验结果表明:(1) AKAZE-GMS算法较好地解决特征点簇集的同时又尽量保留了更多数量的特征点,这是因为预处理后图像受噪声影响降低、对比度增强、边缘特征更突出。(2)与SIFT(尺度不变特征转换)、SURF(加速稳健特征)、AKAZE算法相比,AKAZE-GMS算法匹配对分布更为均匀,保留了更多正确的匹配对,匹配精度达99.99%,且运行时间仅需3.73 s。(3)直接经过特征匹配结果计算得到的泡沫速度测量值波动幅度较大,测量值经过卡尔曼运动估计修正后的速度估计值较为平稳,更符合真实工况。

H.264视频编码系统中多参考帧的选择算法研究

H.264/MPEG-4AVC中引入多参考帧运动补偿来提高视频编码性能,由此产生的多参考帧运动估计(MRF-ME)却带来了巨大的运算代价。本文提出一种基于快速分层特征匹配的运动估计策略(HFM-ME)来加速多参考帧的匹配过程。HFM-ME策略通过引入一种符号截断特征(STF)将块匹配被分解为均值匹配和二进制相位匹配。实验结果表明,与传统的块匹配ME相比,HFM-ME在保持匹配性能的同时显著提高了运算速度。

SURF算法在铸造缺陷无损检测中的应用

通过对铸造缺陷无损检测方法的研究,依据X射线成像特点,提出了一种基于SURF算法的自动检测方法:首先对标准样本图像构件采用SURF算法提取相应的特征值,得到样本构件的SURF特征;然后在旋转工作台旋转一周范围内提取待检产品的SURF特征,并与样本构件进行匹配;最后根据特征点的匹配个数判定产品是否含有此构件。实验结果表明,该方法能够准确地检测出产品是否含有特定构件,为铸造缺陷无损检测提供了一种新的检验方法。