一种改进的SIFT图像特征匹配算法

针对传统SIFT图像特征匹配算法因其特征描述算子维度过高而造成的计算量大、实时性差的问题,提出一种基于内核投影的改进SIFT图像特征匹配算法。传统SIFT特征匹配算法采用平滑加权直方图计算特征点的梯度模值和梯度方向。采用内核投影算法对其进行改进,使生成的特征描述算子的维度降低,从而能够提高特征匹配效率。实验结果表明,改进后的SIFT算法具有较高的匹配精度,同时匹配时间有所减少,使实时性得到提高。

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SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。

基于Canny和Hillbert-Huang变换的改进的SIFT算法研究

在传统的SIFT算法之上,结合Canny和Hillbert-Huang变换,提出一种改进的SIFT算法。Canny算子可以有效地避免边缘响应,但是出现平滑过度和边缘移位。利用Hillbert-Huang变换增强图像轮廓。然后提出一种基于Canny算子和Hillbert-Huang变换的改进算法。与原算法所提取的特征点进行比较,可以发现改进的算法获得的特征点更加精确,消除了一些错误特征点,精确率提高,而且提高了抗噪声性能。

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。

基于改进SIFT的图像快速自适应匹配算法研究

针对SIFT算法在匹配具有相似区域的可见性,图像存在特征点描述符生成速度慢、匹配过程繁琐、匹配约束单一等问题,本文提出了一种基于改进SIFT的图像快速自适应匹配算法。通过错误高失配率的方法来简化图像特征的描述,将其从128维压缩至12维,以提升匹配速度。再通过对匹配阈值进行修整,增强其对常规的图像内容变化的视角变换,以改善算法鲁棒性。实验数据发现,与经典的SIFT算法匹配相比,所提方法具有更好的准确度和效率,在多种内容变换干扰下,其失配率平均降低了5%,具有很好的推广应用价值。

一种改进的图像匹配算法

基于特征点的匹配是图像匹配的关键方法。提出一种可以实现大量特征点匹配的算法。该算法实现了图像行校正,改进了Harris角点检测算法,提出了一种新的角点指示器,它可以检测出足够多的特征点进行特征点匹配;然后使用sift特征描述运算符描述每个特征点;最后,使用最近邻居距离比算法完成特征点匹配。实验结果表明,提出的算法可以实现大量特征点匹配,对图像匹配算法具有一定的参考意义。

基于FAST检测器和SURF描述子的聚合图像人脸识别研究

文章提出了一种基于聚合图像的人脸识别方法,首先提取人脸数据库中多张人脸图像的变化特征,叠加至训练样本集上的每个人脸样本图像上,形成聚合图像。而后,利用FAST检测器检测图像的特征点,采用具有加速鲁棒性特征的SURF算法提取和描述特征点,得到人脸图像的特征向量集,并引入AMM主动表观模改进SURF匹配算法,从而基于训练与测试图像的特征点匹配,实现人脸识别。最后经实验对比分析,该方法在提取识别效用较大的特征点、识别率上均存在应用优势,且使用聚合图像可有效提升人脸的识别率。