基于IB-SURF算法的无人机图像拼接技术研究

针对传统SURF算法(speeded up robust features)在拼接高分辨率无人机航拍图像时运行速度慢、特征匹配率低的特点,提出了一种基于IB-SURF(image block-SURF)技术的无人机图像拼接算法。结合无人机定位定姿系统(position and orientation system,POS)求取图像重叠区域;构造掩模在无人机图像重叠区域检测特征点,减少特征提取时间;借助图像分块(image block,IB)的思想对图像划分网格,精简筛选特征点;引入Neighborhood-KNN(neighborhood-K nearest neighbors)进行特征点匹配,提高图像匹配效率。实验结果表明,IB-SURF算法有较快的运行速度和较高的特征匹配率,平均特征匹配率达到84.3%,特征匹配正确率超过95.1%,为图像高质量拼接提供了技术基础。

基于改进的SURF算法的机械臂识别定位及抓取研究

针对采用传统SURF算法对机械臂工作区域内的目标进行识别时出现的运行速度较慢、匹配准确度较低等问题,提出一种基于改进的SURF算法的机械臂识别定位及抓取方法。首先,利用传统SURF算法提取目标的尺度不变性特征点;随后,通过rBRIEF描述子与低方差过滤分别对提取特征实施描述及降维,再进行基于Hamming距离的2-NN特征点交叉匹配,并采用RANSAC算法剔除错误匹配对;最后,结合双目立体视觉三维重建获取目标的空间三维坐标,并将机械臂逆运动学求解得到的各个关节驱动角输入控制系统,驱使舵机带动机械臂末端执行器完成对目标的抓取作业。实验结果表明,采用改进的SURF算法,较SIFT、传统SURF算法提高了目标特征点的识别速度与匹配准确度,有效提升了机械臂抓取的实时性及精准性。

基于改进SURF的增强现实图像匹配方法

针对传统增强现实图像匹配算法鲁棒性不强且效率不高的问题,提出一种改进的SURF匹配算法。首先,使用SURF算法进行特征点检测,并通过Haar小波模板确定特征主方向,在得到特征主方向后构建特征描述符;由于传统SURF算法采用高达64维的矩形描述符,导致算法的计算量非常大,并且鲁棒性不强。因此,该文使用DAISY圆形描述符替代原始算法中的矩形描述符,DAISY是三层同心圆结构,每层包含8个采样点,可以得到25个维度的描述符,这种结构使得算法的鲁棒性大大增强并且降低了计算复杂度;接着,使用特征描述符计算欧氏距离进行特征点匹配;最后,对得到的匹配点集使用随机抽样一致(RANSAC)与三角不规则网络(TIN)算法进行优化,剔除误匹配点。实验结果表明,该算法虽然略微增加了时间复杂度,但鲁棒性变得更强,并且算法的效率和匹配精度也大大提高,平均精度达到了95%以上。

基于SURF的遥感图像配准优化算法

针对遥感图像配准中易出现的信息量巨大和误匹配问题,通过改进SURF算法,提出了一种用于遥感图像配准的优化算法。优化算法引入特征点图像熵,通过去除携带信息量不足的误选取特征点,提高了特征点选取以及后续特征点匹配的准确性。在特征点描述阶段,算法实现了描述子降维,并将降维后的特征点描述子与FLANN算法相结合,降低了算法特征点误匹配率,同时减少了因描述子降维而带来的影响。实验表明,该优化算法相较于传统SURF算法,待配准图像特征点选取率下降10.9%,特征点误匹配率下降17.5%,并得到精确的遥感图像配准效果。

基于SURF-OKG特征匹配的三维重建技术

为了解决结构光三维重建中传统立体匹配存在的特征点匹配错误、匹配缺失和匹配重复等问题,本文将SURF算法中高斯滤波改进为自适应中值滤波结合小波变换,并提出了一种基于OKG算法的二次特征匹配方法。该算法首先使用自适应中值滤波结合小波变换算法对图像进行平滑和降噪处理,再进行初步特征点提取和匹配,然后将构建的尺度空间划分成多个网格,在每个网格内使用FAST算法提取尺度空间特征点,使用ORB算子提取左右图像的特征点,用BRIEF描述子对其进行描述,采用K-D树最近邻搜索法限制特征点选取,通过GMS算法剔除误匹配点。最后,将本文SURF-OKG算法与传统特征匹配算法进行对比分析,并对阶梯块进行三维重建来验证本文算法的有效性。实验结果表明:SURF-OKG算法的正确匹配率为92.47%;对阶梯宽度为40 mm,精度为0.02 mm的阶梯块进行三维重建,实验测得阶梯宽度的误差均值为1.312 mm,最大误差值不超过1.72 mm,基本满足结构光三维重建系统的实验要求。

基于重叠区域改进SURF的无人机影像快速匹配算法

针对无人机影像匹配算法因影像信息量大、视场大和地物纹理复杂而导致匹配精度及效率低的问题,以加速稳健特征(Speeded Up Robust Features, SURF)算法为基础,提出了一种基于重叠区域改进SURF算法的无人机影像快速匹配算法。算法主要分为3步:(1)利用无人机影像重叠率计算影像特征点检测提取区域,并在区域内进行SURF特征点检测提取,避免无效特征点影响匹配精度与效率;(2)采用同心圆环8区域模板替换原SURF算法矩形模板,并引入影像色彩信息构建34维的特征描述符,进行特征匹配;(3)采用M估计抽样一致性(M-estimator Sample Consensus, MSAC)算法剔除误匹配点,实现影像的精匹配。实验分析表明,所提算法能够有效提升无人机影像特征匹配正确率及算法运行时间效率。

基于SURF算法的目标跟踪应用技术研究

智慧城市是当前的一个热点话题,它的实现离不开视频监控的智能化,视频的图像目标匹配是智能视频监控中的重要内容。基于加速鲁棒性特征(SURF)局部特征的算法具有很好的稳定性,本文重点研究基于SURF算法的目标跟踪算法。在标清监控视频中,由于目标尺寸较小,使用SURF特征难以提取到足够的特征点,导致目标跟踪无法实现。本文通过对SURF算法进行改进以增加获取的SURF特征数,且改进的SURF算法在不同光线、旋转、尺度、视角变化条件下都能提取到比SURF算法更多的特征点,从而实现较好的跟踪效果。

基于改进SURF算法的无人机遥感图像配准

对无人机视觉导航图像配准SURF(speeded up robust features)算法进行改进,将SURF特征提取与BRISK特征描述相结合,提出SURF-BRISK算法。首先,采用相对运算速度更快的FLANN(fast library for approximate nearest neighbors)算法粗匹配特征点。然后,对错误匹配的特征点使用鲁棒性较好的RANSAC(random sample consensus)算法进行筛选与剔除。最后,与SIFT(scale-invariant feature transform)算法及SURF算法进行对比。结果显示:在城市场景SURF-BRISK算法的运行时间相对于SIFT、SURF算法分别减少了约86%、74%;配准精度分别提高了约7%、13%;匹配点的对数也大幅提升。

基于SURF算法的实时拼接研究

视频拼接有助于人们获得更高分辨率、大视野的场景。文中主要对视频拼接过程中的图像配准及图像融合的SURF(Speeded Up Robust Features)算法进行研究,详细地阐述了基于SURF特征实现图像拼接的每一个步骤,从而快速提高特征点的提取速度,提高了图像配准过程中的精度与准确率,加快了图像配准的速度,并提升图像融合的效果。实验结果表明,该算法能够有效地抑制视差伪影,其拼接图像无明显接缝,并且可以实现实时拼接,拼接的图像更加自然,拼接的视觉效果较好。

基于SURF-HOG与显著性特征的红外可见光图像配准融合

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。

基于NSST的多尺度SURF异源图像配准算法

针对To F与可见光异源图像配准效果不佳的问题,提出一种基于非下采样剪切波和尺度不变特征变换改进的异源图像配准算法。首先将To F和可见光图像分解为多尺度图像;然后以多尺度图像和原图像为基础,使用Sift算法进行特征点提取,将提取的特征点进行统一的粗匹配,最后使用RANSAC算法对匹配特征点提纯,进一步筛选特征点,完成配准。实验结果表明,该算法具有较强的鲁棒性。

基于SURF算子的遥感图像配准方法研究

为了解决遥感图像配准的可靠性和实时性问题,提出了一种基于SURF算子的图像自动配准方法。SURF算法提取图像中适应旋转尺度变化的局部不变特征角点时使用积分图像的计算,可有效提高检测速度,用于对实时性要求高的场合,选择基于欧氏距离的最近邻与次近邻的距离之比作为相似度测量方法。多种不同场景图像对比实验结果表明,该方法可实现多种复杂图像的精确配准,自动化配准程度高。

基于SURF的小波域自适应水印算法

数字水印技术作为信息隐藏的分支领域,是进行数字版权保护的有效手段。针对水印嵌入强度的不确定性问题,同时为增强水印抵抗旋转攻击的能力,提出一种基于加速鲁棒特征(SURF)的小波域自适应水印算法。首先,对原始载体图像进行两级离散小波变换(DWT),提取低频子带进行奇异值分解(SVD);然后对水印图像进行奇异值分解,利用加性嵌入规则将水印图像的奇异值矩阵叠加到原始载体图像的奇异值矩阵中,再经过逆变换即可得到含水印载体图像;利用加速鲁棒特征算法对经过旋转攻击的含水印载体图像进行旋转校正。对于嵌入强度不确定性,构建适应度函数,利用麻雀搜索算法(SSA)对其寻优进而达到水印嵌入强度自适应的目的。实验结果表明,含水印的载体图像有良好的不可感知性,峰值信噪比(PSNR)在40 dB以上。所提算法对于常见的水印攻击具有较强的鲁棒性,归一化相关系数(NC)大多都在0.98以上。

基于PSO的SURF IA选星优化研究

机场场面情景意识显示和告警(Enhanced Traffic Situational Awareness on the Airport Surface with Indications and Alerts, SURF IA)作为广播式自动相关监视(Automatic Dependent Surveillance-Broadcast IN, ADS-B IN)下的一种监视应用,可以使航空器在机场运行时的安全和效率大大提高。以北斗卫星导航系统(BDS)/GPS双系统作为ADS-B IN的数据源,在利用所有可见卫星达到SURF IA运行的性能要求的基础上,为了减少可见卫星的使用数量,降低工作负荷,采用了粒子群算法(Particle Swarm Optimization, PSO)对导航卫星进行筛选,使得采用更少的卫星运行满足SURF IA的要求。仿真结果表明,经过PSO筛选后,可以以更少的卫星满足SURF IA运行最低监视性能要求,提高了机场场面运行监视性能。

基于SR-SURF的岩石显微图像拼接

岩石显微图像拼接是对岩石分析和研究的关键环节,由于岩石显微图像数量多(成百上千张)内容丰富并且包含大量相似易混淆区域,导致拼接速率和配准准确率低,并且多幅图像拼接时会产生误差累积导致拼接错位,针对此问题提出了一种SR-SURF(similar region-SURF)的岩石显微图像拼接方法.首先选用哈希指纹快速提取相似区域(similar region),然后在此区域检测特征点;之后利用改进的RANSAC(random sample consensus)算法剔除错误匹配点;再然后选用最佳模板匹配纠正错误配准图像;最后引入最小二乘法消除单应性矩阵相乘产生的累计误差;实验结果显示本文的算法消除了多幅图像拼接产生的累计误差,解决了拼接错位问题,提高了拼接速率和配准准确率,具有较高的实用价值,推动了岩石薄片的数字化存储进程.

基于SURF和VLAD特征编码的面料 图案检索研究

为解决纺织面料图案检索算法检索效率低下、精度低等问题,提出一种基于SURF和VLAD特征编码的纺织面料图案检索算法。首先构建带有图案的面料数据库,并提取图像的SURF特征以对图像内容进行表达;接着对采集的原始面料进行聚类生成视觉词典,由生成的视觉词典对数据库中面料图像的SURF特征进行VLAD特征编码,以聚合生成VLAD向量;然后在保证VLAD对图像表达能力的前提下,对生成的VLAD向量进行主成分分析以降低向量维度,提高检索效率;最后采用Ball-tree算法构建索引,加快匹配速度,提高检索效率。实验结果显示,在视觉词典规模为512,保留维度数为512时,算法平均检索精度达到了83.5%,平均检索时间为0.488 s。

改进SURF匹配算法在并联机器人中的研究

针对传统机器人中图像匹配方法准确率低、匹配时间长的问题,提出一种新型的基于机器视觉进行加速稳健性特性(SURF)的改进算法。以SURF特征点检测为基础,利用增强高效局部图像描述符(BEBLID)替换描述子,实现高维到二值化的转换;以自适应设定阈值方法降低人为设定对匹配产生的影响,结合渐进一致采样(PROSAC)优化策略对误匹配点对的剔除方法,获取有效的匹配点对。实验结果表明:与近几年改进算法相比,该算法在正确匹配率和匹配时间上分别提高了12.06%、9.66%,可见在特征点对的提取和匹配处理上,该算法具有更高的实时性、准确性,能够满足产品检测机器人分拣的实时性要求。

SIFT与SURF在指纹识别系统中的性能对比

要实现指纹识别技术,必须使用图像特征的提取技术,尺度不变特征变换(ScaleInvariantFeature Transform,SIFT)和加速稳健特征(Speeded Up Robust Features,SURF)是目前运用比较广泛的两种图像特征提取算法。为验证哪种算法在指纹识别领域更适用,文章使用同一手指指纹的多张照片为图库,分别使用两种方法进行同一图自我匹配、指纹角度、范围不同图片匹配及较为模糊的图片匹配等实验。通过实验得出:虽然SIFT算法比SURF算法耗时更长,但是使用SIFT算法的运算量小于SURF算法,因此两种算法花费的时间近乎相等;在指纹对比库的创建方面,SIFT算法要优于SURF算法;在指纹匹配识别过程中,无论是同一张图片自我匹配,还是指纹角度和范围不同的图片进行匹配、指纹不清晰的图片进行匹配,SIFT算法的成功匹配点比SURF算法的成功匹配点分布更均匀,且数量相近或更多。可见,在指纹识别系统中,使用SIFT算法比SURF算法更合适。

尾流冲浪中后机等效诱导升力计算分析

为进一步得到在尾流冲浪中的减阻、节油等效益,提出了一种尾流冲浪中后机获取升力的计算方法,对节油率进行分析。采取数值模拟的方法,选取A330-200机型作为前机和后机,以其适用巡航速度在高空飞行作为背景,模拟了其尾涡的环量、半径以及其产生的下沉运动。根据尾流的耗散规律从2000~4500 m范围中选取了6组前后机纵向间隔,参照不同的后机距涡核的相对位置进行了滚转力矩分析,根据诱导速度等效转化为后机均匀获取的诱导升力,分析评估出合理的后机冲浪位置,得出较高的节油率为12.28%。

基于SURF算法的绿色作物特征提取与图像匹配方法

由于田间环境的复杂性,绿色作物特征提取与匹配仍然是基于双目视觉技术农田作物三维信息获取急需解决的关键技术之一。该文首先在RGB空间进行图像分割滤波处理。然后,采用SURF算法旋转不变性分两步获取绿色作物特征点对:第一步采用Hessian矩阵检测作物特征点,运用非极大值抑制法和插值运算寻找、定位极值点;第二步确定特征点主方向,采用描述算子进行特征点提取。最后,运用最近距离比次近距离法进行特征点匹配,并采用全约束条件滤除错误的匹配点对。同时将SURF和SIFT法进行对比分析,通过对不同光照、土壤的田间条件下芥蓝、芹菜、白菜13组图像进行试验,结果表明采用SUFR和SIFT法绿色作物特征提取率均值分别为1.2%、3.3%,双目视觉系统左、右作物图像特征正确匹配率的均值分别为94.8%、92.4%,时间消耗均值分别为4.6s、4.8s。采用SURF优越于采用SIFT法,这为进一步进行农业机械3D视觉导航或基于无线传感器网络的田间作物在线三维信息准确获取提供可借鉴思路和方法。