基于改进SIFT算法的英国交通标志识别研究

城市智能交通发展的未来,交通标志的实时检测与识别技术将扮演者极其重要的角色。改进型SIFT算法通过优化可以实现对图像的高效识别。首先,MATLAB对摄像头采集到的交通标志实时图像进行预处理,通过对颜色和图像的分割获取待检测目标,提取关键点。在计算描述子阶段,采用改进型的SIFT(Scale Invariant Feature Transform)算法,通过降低关键点邻域梯度像素维度的方式产生新的描述子,再与模板库中提取的特征空间描述子进行匹配,并根据不同的标志模型优化匹配参数。实验表明,经过改进和参数优化后的SIFT方法在英国交通标志识别上有着更高的匹配速度和精度。

基于LBP-HSV模型及改进SIFT算法的行人再识别算法

针对SIFT算法计算量大,复杂背景下匹配准确率低的问题,文章提出了一种结合LBP-HSV模型与改进SIFT算法的目标识别算法;首先利用LBP直方图和HSV模型共同筛选出目标相似区域;然后利用SIFT算法检测目标与相似区域的特征点,并使用改进的HOG特征描述特征向量;最后采用最近邻加权欧式距离的匹配策略,找出匹配点对;基于多组行人图片的目标识别结果表明,文中算法具有较强的鲁棒性,识别准确率较高,且相较于SIFT算法,匹配速率大大提高。

基于改进SIFT算法的无人机遥感图像匹配

将SIFT算法中高斯二阶微分模板与图像函数的卷积运算转化为箱式滤波器对积分图像的加减运算,引入SURF算子,减小特征点检测算子的特征向量维数,降低SIFT算法的计算复杂度,缩短图像匹配时间,从而解决了无人机遥感图像匹配对实时性要求较高的问题。仿真结果表明,改进的SIFT算法在保持原算法鲁棒性和匹配率的前提下,提高了运算速度。

改进SIFT算法和NSCT相结合的遥感图像匹配算法

基于无下采样Contourlet变换(NSCT)在图像分解方面的优势,结合改进SIFT算法,提出了一种对遥感图像进行配准的方法。首先,使用NSCT将参考图像和待匹配图像进行分解,获取遥感图像的低频图像;其次,采用Canny边缘检测得到图像的边缘坐标点,与SIFT算法所获取的图像关键点的坐标比对,去除不稳定的响应点后,得到优化后的匹配点对;最后,对错误匹配点用RANSAC算法提纯。试验研究表明:本文算法可以减少使用单SIFT算法对遥感图像匹配的时间,提高匹配精度,可行且有效。

基于改进SIFT算法的输电线路挂线故障隐患检测

传统挂线故障隐患检测方法存在故障信号检出率低、故障隐患检测准确性差的问题,提出基于改进SIFT算法的输电线路挂线故障隐患检测方法。根据输电线路挂线故障点结构,分析输电线路挂线故障表象及原因,构建改进SIFT算法异物挂线隐患体系,采用改进SIFT算法设计特征提取与匹配流程,自动调整SIFI算法,计算对比度阈值控制系数,确定该系数后,尽可能多地保留正确匹配对。确定指标权重,使用改进SIFT算法建立隐患概率检测模型,获取隐患模型发生故障的概率。实验结果表明,该检测方法的故障检出率高,具有精准检测效果。

基于改进SIFT算法的地形测绘图像拼接方法

为解决传统方法拼接地形测绘图像容易出现匹配错误的问题,以改进SIFT算法为基础研究一种新的地形测绘图像拼接方法 .该方法通过对尺度不变特征变换(SIFT)描述子生成过程的分析改进,得到关键点的位置坐标;根据特征点检测模板中心点像素灰度的差值,提取地形测绘图像的特征点;计算目标匹配点的方向误差,通过构建直方图剔除错误的匹配点;使用高斯加权窗口对特征梯度值进行加权处理,获取特征描述子,对SIFT算法中的特征描述子进行降维处理,提高计算速度,以完成SIFT算法改进.并通过双向匹配配准测绘图像,根据待拼接地形测绘图像的线性过渡因子,计算重叠区域灰度值,实现图像重叠区域的无缝拼接.实验结果表明,与传统的拼接方法相比,改进后的方法能够准确提取待拼接地形测绘图像的特征点,拼接效果更优,耗时约为0.57 min,信噪比达到了32.61 dB.

改进SIFT算法的城市河流黑臭水体遥感影像动态识别研究

文章结合改进的SIFT算法,对传统遥感光学模型的动态特征算法进行改进,并将改进算法用于城市黑臭水体遥感动态影像特征识别。研究成果对于城市黑臭水体监控具有重要的借鉴和参考意义。

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。

图像特征匹配环境下SIFT算法的改进

针对传统图像特征匹配算法存在计算过程繁琐、耗时长及误匹配的问题,提出一种改进的SIFT算法。将特征点周围15×15像素的采样窗口,划分为3×3的种子区域,每个种子区域有5×5个像素点,通过降低向量维数,缩小了特征点周围的邻域选择范围,提高特征点匹配准确度。结果表明:该算法在提取特征点时,用时降低了46.87%;特征点匹配时,用时降低了16.17%,误匹配率降低了5.1%。该算法优于传统的SIFT算法,能够更好地进行图像特征匹配。

基于SIFT改进算法的大幅面无人机影像特征匹配方法

SIFT(scale invariant feature transform)算法因其有效的尺度、旋转、亮度、仿射、噪声等不变性,在模式识别和图像匹配领域中被广泛采用,但其实现过程需要在整个尺度空间上进行,时间复杂度相对较高,占用内存资源较大。针对SIFT算法对大幅面无人机航空遥感影像进行匹配时,在特征检测阶段容易产生内存溢出,导致无法进行匹配的问题,通过对大幅面影像进行分块,并考虑了处理块接边重叠问题,提出一种基于图像分块的Large-SIFT算法。实验表明,该算法在特征检测阶段不受内存限制,能较快速地对大幅面无人机航空遥感影像进行自动匹配,并在实际应用中为空中三角测量提供连接点数据。

基于改进SIFT立体匹配算法的双目三维重建研究

针对双目三维重建视觉匹配中图像视差计算和图像像素匹配效率低这一问题,提出一种改进SIFT立体匹配算法。采用自适应模糊替换经典SIFT算法中的高斯模糊以解决高斯函数计算资源需求过大、时间过长的问题。对比不同算法处理的图片,经改进的算法匹配率在91%左右,符合要求并随着图片分辨率的提高运行时间减少。

拼接优化SIFT算法的虚拟场景绘制模型

针对标准SIFT算法在虚拟场景绘制的图像拼接中还存在拼接效果不好等问题。本文提出了一种基于拼接优化SIFT算法的虚拟场景绘制图像拼接模型。首先采用高斯函数构建尺度空间,然后使用最小欧式距离进行初拼接,接着利用投影变换模型进行特征点的"外点"去除,最后通过提取的特征点进行图像的拼接。通过仿真实验表明,通过对标准SIFT算法进行双层拼接优化后,改进算法相比较标准算法具有更好的图像拼接效果。

集成SIFT算法与检测模型优化的UAV影像匹配方法

低空无人机(UAV)测量凭借着低成本、高效率、高精度的数据采集模式,可快速获取高空间分辨率的影像数据,已经成为遥感领域的一种重要技术手段。其中,影像匹配技术是UAV影像数据处理的重要步骤,图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂,植被覆被率高及地物分布不规则等问题存在,致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制,大场景影像需要借助多幅影像匹配拼接得到。目前,基于特征点的影像匹配是一种图像配准技术,不仅适用于低重叠度影像之间的匹配,还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术,提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。主要技术流程为:首先,基于SIFT算法,进行尺度空间的极值检测,构建高斯金字塔函数,通过高斯差分运算来实现特征点定位,并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析,据此生成适合UAV影像特征的描述符;其次,集成“马式距离”和NNDR模型的综合运用,进行特征点对的第一次约束优化提取及相似度检测,在此基础上,利用RANSAC算法,引入匹配点对的均方根误差值(RMSE)进行第二次约束,以实现匹配错误点对的剔除,保证了影像匹配精确优化。此外,为了证实所提出优化算法的有效性,选择了1组高原山地典型地貌UAV影像数据进行匹配试验,结果表明:面向高原山地复杂地形进行无人机影像匹配中,所提出的改进算法不仅可以提取大量的特征点对,同时还可以提高同名特征点的检测正确率,并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。

物联网无线传感器能耗优化SIFT算法的研究

针对目前物联网系统中无线传感器网络在传播信息时能耗损失严重的问题,本文提出了一种应用于物联网无线传感器的改进SIFT算法。该算法基于传统SIFT算法,并在其基础上,进行了节点端自适应优化和全局性动态调整的优化方案。通过参考路由层和应用层信息确定节点的优先级,修正节点的退让长度,实现重要数据先行;通过对接人节点数目和数据流的统计,实现对参数组和信道竞争窗口长度的全局性动态调整。实验表明,本文提出的改进算法在能耗上比传统算法优秀,值得推广使用。

基于改进SIFT算子的动态障碍物检测方法

针对行车辅助驾驶系统在进行动态障碍物检测时遇到的背景复杂和实时性要求,提出了一种基于快速鲁棒的动态目标假设检测算法,算法首先采用相邻帧间特征点位置估计改进SIFT匹配算子,实现全局背景运动补偿参数快速估计,然后利用三帧差分法对图像处理后,通过改进背景方差估计,改善传统假设检验方法对图像边缘目标漏检的问题,进一步提高动态目标检测的准确性。实验表明,算法不仅保持了SIFT算子的优越性能,提高了参数估计精确性,而且极大地提高了特征配准和检测速度,满足系统的实时性要求。

基于改进的SIFT特征点的双目定位

立体匹配是双目视觉中最重要的步骤,同时也是最难解决的一个问题.传统的区域立体匹配得到的视差图对无纹理区域难以保留深度不连续的特性,获得目标三维信息速度慢、不准确.本文提出一种改进的SIFT算法,首先通过对采集的左右图像进行极线约束,其次从左图中选择目标区域ROI,再降低特征向量维数来减少耗时,采用基于KD树的BBF算法加快匹配速度,最后用RANSAC算法去除误匹配.实验表明改进的SIFT算法能够迅速准确地得到目标物的特征点,从而利用三角测量法快速地计算出目标三维坐标.

无人机飞行过程中图像定位算法研究

针对在GPS(全球定位系统)失效的环境中无人旋翼直升机定位问题,提出基于视觉的迭代定位算法。采用改进的SIFT(尺度不变特征转换)图像匹配算法得到匹配点坐标,再经过坐标变换解算得到无人机三维坐标信息。改进SIFT算法中的关键点特征描述符由128维降低到64维,K-means聚类算法的应用减少了关键点的数目,从而减少了匹配时间而且去除了不必要的点,提高了匹配精度。算法实现阶段匹配点的选择利用了一幅图像匹配两次的思想,前后两次匹配结果中找到相同的特征点用于下一步的位置解算,使得算法能自动从大量特征点中找到所需要的点。仿真实验计算出无人机位置相对误差不超过4%,验证了定位算法的有效性和可靠性。

基于双重检测模型的农业气象科普视频镜头分割算法

为了提高农业科普气象视频的检索效率,以农业气象科普视频为例,提出一种基于双重检测模型(初检和复检)的镜头分割算法。初检阶段先按等面积矩形环的方式划分每一帧图像,从而突出视频图像中心主体部分,再采用自适应双阈值法对视频进行初次分割;复检阶段采用改进的sift算法进一步修正初次检测结果。通过对3段农业科普视频进行分割实验,结果表明,该算法能够较为有效地分割农业气象科普视频,其中平均查全率达到91.2%,平均查准率达到92.3%。该算法能够满足广大农民用户专业化与个性化的检索需求,提高农业气象视频的利用率,促进我国农业经济和气象科普事业的发展。

一种基于无人机航拍图片特征点匹配的改进方案

在获取无人机航拍图像后,我们对图像进行初步去噪、平滑和特征提取处理,接下来需要进行特征匹配工作。我们针对无人机航拍图像所具有的相关缺陷,即视点过分离散、视角不稳定[1];提出了改进SIFT算法和Susan算法相结合的特征匹配方案。改进SIFT算法是基于图像Radon变换的改进[2],然后和Susan算话结合使用;最终的实验结果表明,新提出的匹配方案有着良好的快速性和较高的匹配精度,完全能够应用于无人机航拍场景下对实时性要求较高的目标识别和三维重建。

机动车辆辅助驾驶动态障碍物检测方法

针对背景复杂多变和摄像机的随车运动对机动车辆辅助驾驶系统动态目标检测算法提出的鲁棒性和实时性要求,提出了一种基于快速全局背景运动补偿和改进三帧差分法的快速目标检测算法,基于影像金字塔两步法估计改进SIFT方法,实现快速全局背景运动补偿参数估计,在三帧差分图像上,通过改进假设检验及边缘检测与目标区域相"与"最终实现动态目标的准确检测。实验表明,算法极大地提高了特征配准和动目标检测速度,提高了全局运动补偿参数估计和目标检测的精确性,满足系统的实时性要求。