基于线要素动态化简的匹配算法比较与评价

矢量线要素数据来源多样,细节层次不一,限制了已有匹配算法正确率的提高,同时也给算法评价带来困难。化简可以减少线要素细节层次,提取其主要形态,据此提出一种基于线要素动态化简的匹配算法评价新方法。对不同匹配算法采用相同数据,在相同化简算法支撑下进行匹配,从而实现对不同匹配算法的评价。首先,阐述动态化简方法提取线要素主要形态的过程;其次,利用动态化简分别辅助4种已有匹配算法,获取每个匹配算法的最优匹配正确率;最后,将4种匹配算法的原始匹配结果与加入动态化简后的匹配结果进行对比,分析化简对匹配结果的影响,并把该影响运用到匹配算法的比较和评价中来。其中,1通过匹配正确率变化、误匹配等分析了匹配算法的数据适用性;2通过化简比例系数K变化时新增匹配数量的统计,评价了匹配算法对线要素局部细节的敏感程度并提出该指标的量化方法;3结合匹配算法采用的匹配相似度指标对其作出评价。

基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%~18.8%和29.5%~43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。

化简方法在线要素匹配中的应用及性能评估

多源同名线要素数据局部细节差异较大,但整体形态基本上是一致的,化简算法可以删除线要素的局部细节,提取其主要形态,从而有助于匹配算法提升匹配正确率。不同化简算法的化简效果存在差异,提升匹配正确率的效果也存在差异。本文提出了利用线要素匹配来评估化简算法性能的方法。首先,阐述了动态化简带动动态匹配的方法和过程;其次,采用3种不同的化简算法进行试验,验证了所提方法提高已有匹配算法匹配正确率的有效性,以及对化简算法的普遍适用性;最后,根据加入3种化简算法的不同匹配结果,从匹配的角度对化简算法适用性进行了比较评估。

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。

一种混合式图像特征检测与匹配算法研究

基于图像的三维重建近年来成为摄影测量和计算机视觉等学科的研究热点,其关键技术是将图像中的特征点进行提取和匹配,本文提出了一种混合式的图像特征检测与匹配算法。混合算法基于传统的Harris角点检测算法和SIFT算法,通过降采样构建图像尺度空间并提取Harris角点,采用综合图像色彩标准化算法(CCIN:Comprehensive Color Image Normalization)预处理图像,计算三色通道下的SIFT描述子,并二值化,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台上实现混合算法,测试3组不同图像,结果表明,混合算法提取的特征数量优于Harris算法和SIFT算法,且特征分布均匀,采用了具有色彩属性的描述子,特征匹配正确率达到了90%以上。混合算法能提高特征提取的数量,提高特征匹配正确率,为后期三维重建建立基础。

SIFT算法的改进

【目的】为了减小三维重建的重投影误差,提出一种改进的SIFT(Scale Invariant Feature Transform)算法。【方法】首先使用SIFT提取和匹配特征点,将这些匹配点作为归一化互相关(Normalized Cross-correlation,NCC)的初始匹配对;然后使用特征点的主方向对局部图像进行旋转校正;最后计算该初始匹配对NCC系数并将相似地貌中的误配点剔除。【结果】该方法剔除了大量的误配点,提高了特征点的正确匹配率和重建结果的精度。【结论】改进的SIFT算法能够得到更为准确的匹配点对,获得较好的重建效果。

基于分维搜索和环状描述符的SIFT改进算法

针对SIFT算法在极值点搜索和特征计算方面的低效,提出一种基于分维搜索和环状描述符的SIFT匹配算法(SC-SIFT)。该算法将SIFT算法中的三维极值点搜索策略分解(separate)为两个维度上的逐维搜索,同时引入了一种新的环状(cricoid)特征描述算子来代替原来高维低效的特征。实验证明,该方法不仅能够提高SIFT算法的执行效率,而且提高匹配正确率,实现了对SIFT算法的优化。

当今人脸识别技术的现状与未来研究方向

近些年来,人脸识别成为了热门领域。从最初的传统人脸识别方法,到现在的基于深度学习的人脸识别模型,人脸识别技术的性能得到了巨大提升。然而,在图像信息受噪声或者受光照、模糊、侧脸、遮挡等现象影响较严重的情况下,其图像处理效率以及人脸匹配正确率依然有较大的提升空间。重点综述了当今基于深度学习的人脸识别模型,报告了当今人脸识别技术的现状。最后,对人脸识别技术未来研究方向进行了展望,认为未来应着重解决卷积神经网络的局部最优问题、训练数据集的“深”“宽”问题和最佳网络结构问题。

遥感影像仿射不变特征匹配的自动优化

针对基于仿射不变特征的遥感影像匹配技术,提出了一种自动优化方法,以进一步提高匹配准确性。根据典型需求形成了两套优化实施方案,基于所提出的自动优化方法实现了相应具体算法。针对不同类型的多组影像,自动优化的效果与相应方案的预定目标一致,充分证明了本方法的有效性与适用性。

局部图像特征提取算法的性能比较

特征检测算法是图像匹配及物体识别的基础,本文介绍了四种局部特征检测技术:Kaze、Sift、Surf、Orb以及通过一些评价指标比较了它们匹配性能。主要从匹配率,正确匹配率,检测特征关键点速度三个方面进行了比较,实验结果表明:Kaze具有较好的鲁棒性,对光照、模糊的不变性最好,Sift也有较好的鲁棒性,对旋转、尺度有很好的不变性。Sift和Kaze各有侧重点,Surf综合性能一般,但是比前两种速度快,Orb对尺度没有不变性,速度最快。

利用局部自相似进行多光谱遥感图像自动配准

首先在图像间提取反映图像内在几何布局和形状属性的局部自相似(LSS)描述子,之后结合LSS和归一化相关系数(NCC)构建了一种形状相似性测度——LSCC,并采用模板匹配的策略识别同名点。对比NCC和互信息,LSCC在顾及计算效率的同时获得了更好的匹配正确率。另外,根据遥感图像的特点,设计了一种基于LSCC的自动配准方法。试验结果表明,该方法能够较好地抵抗图像间的非线性灰度差异,并获得可靠的配准精度。