基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。

基于改进SURF算法的移动目标实时图像配准方法研究

针对目标在移动过程中实时视觉图像特征点提取与配准的不稳定性,提出一种多算法融合的改进配准方法。首先,采用双边滤波、Canny边缘检测及形态学处理方法得到具有较强顽健性特征的边缘周边检测区域并基于离散Gaussian-Hermite矩对SURF算法中的Hessian矩阵进行修正,重新定义特征描述向量,同时采用肯德尔系数对配准的特征点进行约束。其次,通过融合光谱辐射颜色不变量模型及I_SURF算法对实时视觉彩色图像进行配准。最后,将改进算法与目标自适应更新算法相结合,实现了移动目标在室内环境中的实时匹配。实验结果表明,在不同旋转尺度下,改进算法的静态图像配准较SURF算法具有较高配准精度,移动图像特征点提取及配准数量的稳定性达到97%以上。

基于改进SURF算法的无人机遥感影像快速拼接

为了及时、准确地反映测区情况，需要在拍摄现场将获得的无人机遥感影像进行实时拼接。基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性，拼接效果较好，但该算法稳定性较差，拼接过程中大量误特征点被提取出来，导致计算量大、匹配效率低，无法满足实时拼接的要求。该文首先利用SURF算法粗提取特征点，然后利用RANSAC算法剔除被误提取的特征点，实现特征点的快速匹配和图像实时拼接。实验结果表明该文的算法不但可以得到很好的图像拼接效果，而且极大地提高了拼接效率。

一种改进SURF算法的图像配准

SURF(speed-up robust features,即加速健壮特征)算法是一种尺度不变、旋转不变且性能较好的算法,但其稳定性和时间复杂度不足,不稳定的特征点被检测出来,会导致多余的计算。为此,提出用信息量扩展SURF检测算子和分特征集匹配方法,提高算法性能和配准速度,即先检测周围Hessian值最大的特征点,再用SURF算法计算特征点的信息量,然后根据尺度分解特征集成亚集,再根据亚集匹配,最后根据RANSAC和最小二乘法配准。实验结果证明,改进算法的配准性能与SURF算法相当,配准速度比SURF算法更快。

基于Sobel算子和改进SURF算法的图像拼接方法

针对基于SIFT算法的图像拼接算法计算量大、算法复杂、匹配效率低的问题,提出一种基于Sobel算子和改进SURF算法的图像拼接方法。首先采用Sobel算子快速检测图像兴趣点,然后利用改进的SURF算法进行图像匹配,采用随机抽样一致性算法消除错误匹配点。最后对图像通过加权平均法进行图像融合,消除拼接缝隙。实验结果表明,与基于SIFT算法的拼接方法相比,该方法具有较好的匹配精度,方法容易实现,且在匹配阶段具有更好的匹配效率,同时能够更好地处理拼接缝隙。

融合MeanShift和改进SURF算法的目标定位策略

在工业环境中,针对工业机器人进行抓取物品操作时定位耗时长,精度低的问题,提出一种融合MeanShift算法和改进SURF算法的分层式定位策略,快速精确地定位物体。首先根据双目视觉系统采集的目标物体图片信息,采用MeanShift算法进行初步处理,切割出目标图片信息;然后利用改进后SURF算法对目标区域进行特征点对的匹配以及筛选;最后将匹配好的特征点对根据三角形测量原理,实现物体三维坐标的精确定位。实验验证了在工业机器人抓取物品时,本文所提方法对物体定位速度与精度上有所提升。

改进SURF算法的特征提取与匹配方法研究

针对门把手图像特征点提取与匹配对快速性和准确性的要求,提出一种改进SURF算法。该算法主要对图像较平滑区域难以提取出大量信息点的问题进行改进。增加了边缘检测算法,得到图像边缘信息后进行形态学处理,并通过膨胀运算和开运算后获得门把手图像边缘区域信息并提取出关键点,进而获得较多特征明显的信息。改进SURF算法和原始SURF算法相比,在平滑区域能够较好提取出特征点,匹配准确率也有明显的提升,并且增强了算法的实时性。

基于相位相关法与改进SURF算法的图像拼接方法

为避免相邻图像非重叠区域特征点被检测和提取,加速图像配准,提出一种基于相位相关法与改进SURF算法的快速图像拼接方法。该方法采用相位相关算法确定待拼接图像的重叠区域,限定SURF特征点检测、提取范围,用改进的SURF算法进行特征点匹配;然后根据MSAC算法剔除误配后的特征点匹配对,求取单应性矩阵,实现图像之间的快速配准;最后采用多波段融合算法对配准后的图像进行处理以消除拼接缝。实验结果表明,与传统算法相比,该方法可提高特征点匹配正确率,加速图像配准过程,完成拼接图像间的平滑过渡。

基于改进SURF算法的POCS图像复原技术

运动估计是图像超分辨率复原重要的步骤,直接影响最终的复原结果。针对运动估计中特征点匹配的问题,提出运用改进加速鲁棒特征(SURF)算法对图像的特征点进行匹配。再使用凸集投影(POCS)算法重建图像序列,最终得到复原的高分辨率图像。所提出的基于改进SURF算法的POCS算法对比其他图像复原算法,得到了峰值信噪比值较高、均方误差较低的复原图像,说明该算法的有效性。

基于改进去伪匹配SURF算法的静态手语字母识别

针对SURF(Speeded-Up Robust Features)特征点不稳定性导致的伪匹配问题以及距离特征判别兴趣点真伪的方法未考虑到图像尺度变化情况的匹配问题,本文结合深度图像提出一种改进的去伪匹配SURF算法用于静态手语识别。改进的去伪匹配算法采用手势轮廓面积加权的距离特征判别法,同时,采用角度特征判别法综合剔除错误匹配点。实验表明,手势轮廓面积对距离的加权有效解决尺度变化对匹配点去伪的影响,且本方法对光照、复杂背景、角度和尺度变化有较强鲁棒性,具有更高的识别率。

基于PGH矩改进SURF算法的工业散料识别研究

针对工业散料识别过程中图像特征匹配率低的问题,提出一种基于PGH矩的改进SURF图像匹配算法.首先,研究Gaussian-Hermite矩,将其扩展到复数空间中,推导出Polar-Gaussian-Hermite矩;其次,利用升降算符法计算图像PolarGaussian-Hermite矩,获得新的特征向量;最后,将原始图像提取的特征点和模板图像进行准确匹配得到最优匹配结果.实验结果表明算法能够解决缩放、旋转和曝光情况下工件匹配问题,误匹配率8%左右,满足工业散料识别系统的准确性和实时性要求.

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%~27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。

一种改进的无人机序列影像快速拼接方法研究

为了实现无人机序列影像无缝拼接,根据无人机序列影像的航带排布特性,提出用分块阈值自适应调节法改进了SURF算法。探讨了应用改进SURF算法对无人机序列影像进行快速拼接的步骤,并通过实验对该拼接方法进行验证。

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。

一种基于改进的SURF算法的静态手语字母识别方法

结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。