改进SIFT匹配的动态背景下运动目标检测算法

无人机/车载运动目标检测与识别系统由于存在摄像机运动,使得场景中的背景与前景目标同时发生运动,增加了运动目标检测的难度。目前,动态背景下运动目标检测的主要方法是利用特征点的运动估计来补偿背景的运动。针对尺度不变特征变换(SIFT)特征匹配算法存在耗时长、误匹配率大,使得背景运动估计不准确,进而影响运动目标检测效果。提出了一种改进的SIFT特征匹配算法——先剔除容易丢失的边缘特征点,再利用最近邻点与次近邻点的欧式距离比确定匹配点,并用RANSAC删除运动目标上和误匹配点对,进一步实现背景运动的准确估计,从而检测得到运动目标的准确位置。试验结果表明:改进的特征点匹配算法在匹配准确度和运算速度上均优于传统SIFT特征匹配算法的性能。最终,通过背景补偿,有效消除了相机运动引入的动态误差,提高了运动目标检测的实时性和精度。

基于特征点与边界信息的全自动多模态遥感图像配准方法

多模态遥感图像在光谱成分上的巨大差异,导致点特征检测与匹配算法在该类图像配准中的正确匹配率非常低。为了提高尺度不变特征变换和加速鲁棒性特征算法在图像配准时的可靠性和鲁棒性,提出了一种多模态遥感图像配准的新方法。该方法既能利用复杂轮廓中蕴含的几何变换信息弥补点特征在多模态图像配准中的缺点,又能利用点特征所蕴含正确匹配区域的启发性信息克服边界匹配算法的不足。结果表明:该方法能够在完全无人参与的情况下,全自动地实现多模态遥感图像的配准,并且具有较高的稳健性和可信度。

改进的基于LMA算法的电子稳像技术

提出了一种改进的基于LMA算法的电子稳像技术.通过对LMA进行变换和改进将它运用到仿射变换模型的参数估计当中,从而获得参考帧与当前帧之间的全局运动矢量.通过变换降低了Hessian矩阵的计算量,并将多分辨率的匹配技术引入到算法当中,使得该电子稳像技术具有速度快和精度高的特点.实验表明,该技术对于视频的稳像具有良好的效果.

基于多模型协作和反向校验的快速指纹图像检索研究

在生物特征识别领域,指纹识别因其独特性被广泛应用。随着指纹识别场景的普及,逐一匹配指纹不具有实际意义。因此,研究一种快速高效的指纹图像检索识别技术具有重要意义。本文旨在研究指纹细节点的快速检索和精细匹配问题,提出了一种快速高效的指纹检索模型。该模型结合基于区域的细节点特征匹配算法减少噪声干扰,设计粗粒度残差网络提取数据点特征,此外,利用基于卡尔曼滤波的改进遗传算法二次筛选数据样本,最后,利用BEBLID描述符对样本数据进行精准匹配。经过综合分析,本文所提出的模型运行时间较快,内存消耗量较小。

基于多目视觉的扭锁定位方法

为配合港口集装箱扭锁装卸场景下的扭锁自动化识别,对扭锁视觉定位的问题进行了研究。通过实验研究了不同算法在模拟双目图像中的匹配效果,提出基于特征点匹配的扭锁视差测距方法,并且测试了该方法对扭锁测距的效果。基于传统的双目视觉方法,构建相应的多目视觉系统,通过两组双目相机的测量结果计算扭锁目标的位置,实现了扭锁目标在世界坐标系中的定位。最终解决港口装卸环境下对扭锁目标视觉识别中的定位问题,为后续硬件装置对扭锁的抓取操作提供了位置信息。