改进Harris-SIFT算法在双目立体视觉中的应用

针对双目立体视觉图像匹配的实时性问题,提出了一种改进Harris-SIFT算法,克服了原SIFT算法提取的特征点不是角点且耗时长等问题。该算法首先用改进Harris算子进行角点提取,然后用SIFT算子构建特征描述子,最后对提取的特征点采用欧氏距离度量点对的相似性,利用最近邻搜索策略进行特征匹配。在VC++6.0与Open CV平台上,通过实验比较了所提算法与SIFT算法的特征点提取匹配结果,证明了所提算法的有效性与实时性。

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。

基于改进的Harris和SIFT算法的眼底图像拼合

传统的眼底图像拼合主要采用SIFT算法实现,算法计算量大,效率低,准确率也不高。Harris提取的是图像的角点信息,能较好准确地反应图像的特征信息。作者采用Harris和SIFT算法相结合的方式,采用Harris算法提取的角点信息,并用这些角点提取SIFT特征描述符,且在图像拼合的过程中对算法做出相应的改进,克服了多模式图像中局部梯度信息不一致带来的误差,计算效率高,且拼合效果较好。

改进Harris-SIFT算法在水下图像匹配中的应用

针对尺度不变特征变换(SIFT)算法实时性差、错匹配多,以及Harris角点检测算法精度不高、速度偏慢的问题,提出了一种运用改进Harris-SIFT算法对水下拍摄的双目图像进行特征点提取与匹配的方法。利用改进的Harris算法对两幅图像进行角点检测,然后为特征点分配方向,并生成SIFT特征描述子,完成匹配。实验结果表明,该算法实时性强、匹配率高,并能较好地反映水下物体的形状特征。

基于改进Harris-SIFT的ZY-3卫星三线阵影像匹配

针对卫星三线阵CCD影像成像具有特殊性,提出了组合改进的Harris与SIFT多尺度空间影像检测方法,既提高卫星三线阵影像角点检测的可靠性,又保持尺度不变性.对于卫星三线阵影像,通过用改进的Harris算法进行角点提取,建立影像特征的SIFT描述符;进行特征向量的欧式距离匹配,保证了匹配的尺度和旋转不变性,并缩减了运算时间.通过采用北京地区ZY-3三线阵影像数据进行实验,验证了算法的有效性.

基于改进Harris算法与改进的SIFT算法相结合的图像匹配方法

文章针对图像自相似或具有对称性SIFT匹配稳定性不高的问题,提出了改进的SIFT算法与改进的Harris算法相结合的图像匹配方法,对SIFT特征在纹理丰富的图像中提取较多的伪点和不稳定的点而影响图像匹配问题,提出了一种基于Harris阈值准则的局部不变特征图像匹配算法。该算法在提取SIFT不变特征的基础上,利用Harris闽值准则对所提取到的不变特征进行选择,剔除了图像区域中大量可区分性较差的特征点,从而得到了相对稳定和可区分性较好的特征点。其次,结合不变特征矢量与图转换匹配(GTM)的方法对提取到的稳定特征点进行了精确匹配。实验对比结果表明,用取得稳定的特征点,进而结合一种好的匹配策略,能够更加增强图像匹配的高效性和鲁棒性。

改进的Harris算法与SIFT算法相结合的图像匹配方法

针对图像自相似或具有对称性SIFT匹配稳定性不高的问题,提出了改进的Harris算法与SIFT算法相结合的图像匹配方法,用稳定的SIFT算法检测提取尺度空间极值点作为特征候选点,根据灰度的"相似度"的原则进行Harris特征提取,使候选点数量更少,特征点更稳定,使得匹配的效率更高,准确性更高。

SIFT结合改进的Harris的图像匹配方法

为了进一步提高图像匹配的速度和精度,提出SIFT结合改进的Harris的图像匹配方法,使候选点数量更少,特征点更稳定,匹配更有效率。首先用稳定的SIFT算法检测提取尺度空间极值点作为特征候选点,再下一步精确定位筛选时结合改进的Harris算法,根据灰度的"相似度"的原则进行Harris特征提取。实验结果表明,该方法大大提高了特征点提取速度和降低计算复杂度;在保持良好的匹配率的同时明显提高了算法效率和匹配速度。

一种改进Harris-SIFT算子的图像匹配算法

SIFT特征是一种性能良好的检测局部的特征,被广泛应用于图像匹配。针对SIFT算法的数据处理量大、运行速度慢、时间复杂度高等问题,提出了一种基于角点精确定位、降低特征维度、增强近似最近邻匹配法的改进算法。实验的结果证明,改进后的算法提高了算法的运行速度和匹配精确度。

结合Harris算子和极线约束改进的SIFT立体匹配算法

针对尺度不变特征变换(SIFT)算法在双目立体视觉匹配过程中提取的特征点数量多、计算量大和耗时长的问题,本文提出一种结合Harris算子和极线约束改进的SIFT立体匹配算法。该算法通过Harris算子提取左图像特征点代替SIFT算法中的极值点,并引入极线约束来限定搜索范围获取右图像特征点,从而缩短特征点的提取时间并提高了准确率。实验结果表明,本算法在双目立体匹配过程中可实现较好的效果,有效地提高了匹配实时性和精度。

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.

一种改进Harris角点与SIFT的图像拼接技术

针对SIFT特征向量检测效率不高、存在误匹配点对等问题,论文在结合其与Harris角点检测优点的基础上提出了一种新的特征点检测方法——Harris_SIFT特征点检测。首先利用引导互匹配算法对特征点进行粗匹配,再引入改进的随机抽样一致性算法(RERANSAC)以及非线性最小化迭代算法(LM)求取精确稳定的变换矩阵,然后结合视频追踪中KLT算法对匹配点对进行偏移量纠正,最后利用小波变换融合图像。

一种改进的Harris与SIFT算子结合的图像配准算法

针对SIFT算法提取的特征点过多,运算量大的问题,提出一种Harris和SIFT算子相结合的图像配准算法,首先应用Harris算子提取特征点,然后删除质量较差的特征点;再为其余特征点分配SIFT特征向量并匹配特征点;然后利用投票策略提纯匹配点;最后使用PROSAC改进算法估算变换模型.实验验证了本算法性能.

基于改进Harris-SIFT算法的立体匹配

本文运用改进的Harris和SIFT算法实现了图像的快速匹配,旨在提高SIFT算法的实时性。该算法首先利用优化的Harris算法提取图像的角点;然后采用SIFT算法对特征点进行单尺度的特征描述,提取出特征点的128维特征描述符;最后,采用特征点特征向量的欧式距离作为两幅图像的中特征点的相似性判定度量,并用RANSAC剔除错误匹配,实现两幅图像特征点的匹配。实验证明,本文算法在保证精度的同时,大大提高了算法的实时性。

融合Harris与SIFT算法的荔枝采摘点计算与立体匹配

为了满足荔枝收获机器人对整串果实采摘作业的需求,提出一种融合Harris与SIFT算法的荔枝采摘点计算与立体匹配方案。首先在已识别的荔枝结果母枝部位进行Harris角点检测,结合提取已识别荔枝果实区域质心与最小外接矩形等特征信息,进行采摘点二维像素坐标的计算。然后通过对比分析,提出对计算采摘点采用带约束条件基于余弦相似度的SIFT双目立体匹配,最后进行采摘点计算与双目立体匹配实验验证。结果表明,计算采摘点的匹配成功率可达89.55%,且该方法更能满足在结构复杂的结果母枝上采摘点计算的精度需求。

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。

基于Harris与SIFT算法的自动图像拼接

图像拼接技术被广泛应用于遥感图像处理、计算机识别、医学图像分析及人工智能等方面。本文针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接。首先利用改进的Harris算法提取图像特征点,再使用SIFT算法来描述特征点,然后利用欧氏距离对所得的特征向量进行匹配,最终实现图像的自动拼接。实验结果表明,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接。

基于Harris与Sift算法的图像匹配方法

采用Harris角点检测算法进行图像特征检测,采用Sift算法中的特征描述方法进行图像特征描述,之后将图像特征点划分为多对多匹配对,根据特征描述值的支持强度不同建立精确的一对一匹配关系.该算法有效地避免了图像特征分布均匀时的Sift匹配效率较低的问题.

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。