基于AKAZE算法的虚拟实验室场景三维模型的重构

受到三维场景重建图像特征时间变量差异与特征精度约束要求较高的限制,传统虚拟实验室场景三维重建模型的计算效果与预期效果差距较大,主要体现在三维场景数据误差与计算效率两项指标偏大。为更好地解决这个问题,引入AKAZE算法对其进行三维构建参量的优化,具体实现分为四个步骤,分别为虚拟实验室场景三维重建模型的AKAZE非线性尺度空间特征确定与提取、虚拟实验室加速的非线性扩散三维空间构建、虚拟实验室三维边缘信息融合及虚拟实验室三维场景重建模型输出。通过对模型效果的仿真测试表明,经过AKAZE算法优化后的模型三维构建准确度更高、响应更快、稳定性更好、方法易于实现,具有较高的推广价值。

利用A-AKAZE算法进行喀斯特地区无人机影像匹配

喀斯特地区地形复杂,无人机影像匹配难度大、耗时多。针对如何提高该区域无人机影像的匹配效率,本文提出了一种基于AKAZE的改进算法。该算法首先利用完全仿射不变框架对原始影像进行视角模拟;然后利用AKAZE算法对模拟影像进行特征点提取和描述,并获得原始影像的特征点和描述符;最后利用基于单应性矩阵的RANSAC算法对原始影像进行精匹配,进而剔除粗匹配过程中错误匹配点对。本文对该改进算法开展了试验研究,并与ASIFT和AKAZE等常用算法进行了试验对比分析。试验结果表明,对喀斯特地区无人机影像匹配而言,与ASIFT算法相比,在保持相当匹配正确率的情况下,基于A-AKAZE算法的匹配总耗时是ASIFT算法耗时的50%左右,可以较大幅度地减少匹配总耗时;与AKAZE算法相比,基于A-AKAZE算法的影像总匹配对数及正确匹配对数至少是ASIFT算法的影像总匹配对数及正确匹配对数的7倍。综合考虑匹配耗时和正确匹配对数,本文算法优于AKAZE和ASIFT等常用算法,更适合于喀斯特地区的无人机影像匹配。

一种结合相位相关法和AKAZE算法的纹理缺乏地区影像匹配技术

由于纹理缺乏地区影像缺少鲜明特征,特征重复性严重,使得单纯的基于特征的匹配算法很难获得唯一性较强的特征描述符,导致同名点误匹配的比率大大增加。AKAZE算法以非线性尺度空间为基础,较好地顾及了影像的纹理结构及细节信息,对纹理缺乏地区的影像匹配具有一定的应用价值。基于频域的Fourier-Mellin相位相关技术,通过对影像的频域及对极数变换,计算互功率谱可获得影像间的旋转、尺度和平移参数。因此,本文通过Fourier-Mellin变换计算影像间的几何关系,对AKAZE算法检测出的特征点进行了匹配范围的约束,初步解决了纹理缺乏地区的影像匹配问题。试验结果表明,该方法可以提高匹配的正确率及同名点对数。

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。

基于改进AKAZE算法的图像特征匹配方法

由于AKAZE算法中局部二进制描述符对图像尺度变化、模糊变化不敏感,导致特征点提取不均匀、特征匹配正确率低,提出一种改进AKAZE与边缘化采样一致方法(marginalizing sample consensus,MAGSAC)结合的特征匹配算法。该算法采用FREAK(fast retina keypoint)描述符描述特征点,对采样点计算梯度确定特征点主方向,使用MAGSAC方法剔除错误匹配点对。实验结果表明:在图像发生尺度与旋转变化时,改进算法的匹配精度比传统AKAZE算法高6.98%,尺度变化下特征点提取平均耗时较传统AKAZE算法减少0.084 ms,图像模糊变化时匹配精度比传统AKAZE算法高8.57%,特征点提取平均耗时较传统AKAZE算法减少0.05 ms。

一种基于AKAZE算法的多视图几何三维重建方法

针对增量式运动恢复结构算法在多视图几何三维重建算法中运行效率低的问题,提出了一种基于AKAZE算法的多视图几何三维重建方法。首先对利用摄像机获得的目标图像使用AKAZE算法检测特征并匹配,并使用随机抽取一致性算法和三视图约束剔除弱匹配图像。然后根据匹配图间的相对位姿参数,通过最小二乘法解算全局旋转参数,并利用三视图约束关系求解全局位移参数。最后进行一次光束法平差优化。实验结果表明,该算法在改善重建效果的基础上提高了处理效率,能够满足快速处理的需求。

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题,提出一种基于感知Hash和极线约束的改进AKAZE(accelerated-KAZE)算法.该算法将特征点匹配分为粗匹配和精匹配两个阶段,粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选;精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对.仿真实验结果表明,与进行随机抽样一致算法剔除误匹配点对后的原算法相比,特征点匹配准确率仍平均提高12.9%,速度仅慢2.4%,可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.

基于AKAZE算法的大尺寸电路板图像拼接研究

针对电路板自动测试系统中相机畸变、镜头视野有限所造成的图像失真、模糊不全等问题,文中提出一种基于AKAZE特征检测算法的大尺寸电路板图像拼接方法。首先通过AKAZE特征检测算法分别提取多张局部重合的电路板图像的关键点并对其描述;然后采用随机抽样一致性算法对关键点进行筛选(达到亚像素级别),再经暴力匹配对电路板图像进行视角变换后,匹配各局部电路板图像的特征点;最后对已匹配的各电路板图像的重合部分按权重进行融合,从而拼接成完整的电路板图像。实验结果表明,经图像拼接后的大尺寸电路板图像与原图像相比,图像更富有细节,无畸变且图像高度完整。文中的图像拼接方法所产生的误差小于0.1 mm,拼接图像与原图像的重复率达98%以上,并且拼接后的大尺寸电路板图像更富有细节、更加清晰,说明该方法可提高电路板自动测试系统的准确率,并为后续的数据识别工作提供有效支持。

一种基于AKAZE算法的山区无人机影像匹配

针对山区无人机影像地形起伏大、地貌特征复杂造成局部区域特征点探测难度大,匹配率不高的问题,文中通过改进算法,提高了山区无人机影像的特征匹配率。该算法首先采用AKAZE算法探测影像特征点,加入特征匹配多约束条件并基于单应性矩阵的RANSAC算法实现特征精匹配。同时为了验证改进算法的匹配精度,分别对SIFT、SURF两种算法进行试验对比分析,试验结果表明:针对山区无人机影像特点,通过改进算法能够较好地克服影像由于地形起伏大及地块特征破碎带来的影响,更好地剔除了特征点误匹配,匹配率更高。

基于AKAZE的BOLD掩码描述符的匹配算法的研究

针对现有基于KAZE/AKAZE的改进算法大多不具有良好的鲁棒性问题,提出基于AKAZE的BOLD掩码描述符的匹配算法。将该算法与尺度不变算法、ORB算法、AKAZE应用于放射变化、尺度变化、压缩比变化、模糊变化的待匹配图像测试集中,对匹配正确率和匹配时间进行对比实验。结果显示,该算法的匹配正确率相较原AKAZE提升了10%左右,匹配速度仅比原AKAZE慢15%左右。该算法在提升AKAZE鲁棒性的同时,匹配速度下降不明显,可应用于对鲁棒性和匹配速度较高的匹配场景。

一种改进AKAZE特征和RANSAC的图像拼接算法

针对传统图像描述方法在图像对变化复杂时特征点配准精度低,且传统RANSAC算法计算稳定性差的问题,提出一种结合改进AKAZE特征与RANSAC算法的图像拼接算法。利用AKAZE算法构造非线性尺度空间提取图像特征点,采用卷积神经网络描述符生成128维特征向量描述图像特征点,通过精简特征点并在迭代中设定嵌套阈值改进RANSAC算法得到最优变换矩阵模型,结合最佳缝合线算法和多频段融合算法对变换后的图像进行拼接。实验结果表明,和传统AKAZE算法相比,该算法在图像对的视角差异和光照差异较大时,配准精度分别提高12.60和6.99个百分点,改进后的RANSAC算法计算时间较改进前缩短4.17ms,图像拼接精度更高。

改进AKAZE算法的高铁接触网图像特征匹配方法

针对传统多尺度特征匹配算法在高速铁路接触网图像匹配检测过程中难以保持图像局部精度和边缘细节的问题,提出了一种改进加速非线性扩散(AKAZE)算法的高铁接触网图像特征匹配方法。首先,对接触网图像利用边缘特征与局部二值模式纹理特征融合的方法,克服了传统接触网图像特征点数量不足的问题;然后,采用改进AKAZE算法提取接触网图像的特征,提出用二进制的鲁棒独立基本特征(BRIEF)描述子进行特征点的描述;再通过快速相似邻域搜索与随机抽样一致算法剔除误匹配点;最后,使用图像差分的方法实现对接触网图像的匹配检测。实验结果表明,该方法较AKAZE特征匹配算法,平均匹配精度提高了22.16%,算法的运行效率也得到了较大改善。

基于改进ORB和AKAZE的图像匹配算法

AKAZE特征检测算法具有鲁棒性好,匹配率高等特点,为解决其实时性差的问题,提出将ORB与AKAZE相结合的改进算法。利用oFAST算法检测特征点然后采用M-LDB算法计算其描述符,使用汉明距离进行图像粗匹配,最后用RANSAC算法剔除误匹配点,得出匹配结果。经反复的实验对比证明,改进后的算法与ORB算法相比匹配正确率更高。与AKAZE算法相比匹配速度更快。且改进后的算法在不同模糊程度、不同JPEG图像压缩、不同光照程度以及不同旋转角度变化下的图像匹配性能良好。

基于AKAZE-ORB的接触网图像拼接算法

针对高铁运行速度快,捕捉的接触网图像不完整等问题,提出一种基于AKAZE-ORB的接触网图像拼接算法。首先使用AKAZE算法提取接触网图像稳健特征点,采用ORB(Oriented FAST and Rotated BRIEF)特征描述算法进行特征点描述,然后使用暴力匹配算法进行特征点初匹配,再使用随机一致性算法完成特征点精准匹配以及计算单应矩阵,最后采用加权融合的方式完成高铁接触网图像的拼接。实验结果表明,使用该算法拼接后的接触网图像无拼接缝、无鬼影,整体真实自然,且处理速度较AKAZE和ORB算法都有较大提升,是一种实时性高、拼接效果良好的接触网图像拼接算法。

融合颜色与光照信息的改进AKAZE图像匹配算法

传统AKAZE算法主要以图像的灰度信息作为输入,忽略了颜色与光照信息,且存在过多的冗余特征点。提出一种融合颜色与光照信息的改进图像匹配算法。在图像原始灰度信息中增加颜色补偿量和光照补偿量,克服传统AKAZE算法未利用颜色和光照信息来区分同名点的缺点。在特征点邻域内计算欧式距离和区域重复率以确定重叠程度较高的相邻特征点,比较相邻特征点的响应强度,将响应强度值较小的特征点作为冗余点并删除。在图像匹配后利用随机一致性算法剔除误匹配点对,通过并行运算对算法进行加速。实验结果表明,该算法可以有效识别同名点并剔除图像中的冗余点,运行效率优于SIFT和SURF等算法。

颜色不变量与AKAZE特征相结合的无人机影像匹配算法

基于特征的影像匹配方法是无人机影像匹配中较为实用的一类方法。针对传统特征匹配方法主要以灰度影像作为输入量,难以利用颜色特征高效区分同名点这一问题,本文结合颜色不变量,设计了一种运用AKAZE特征的匹配算法,克服了传统无人机影像匹配忽略彩色信息的缺点;然后通过灰度级变换,使特征点数目大量减少而又不失其可靠性。试验表明,该方法不仅能够准确识别同名点,而且还提高了运行效率。

一种运用AKAZE特征的无人机遥感影像拼接方法

针对无人机遥感影像旋偏角大、地面覆盖范围小等特点,提出一种运用AKAZE特征匹配算法实现无人机遥感影像的快速拼接。该方法利用AKAZE算法提取影像特征点,采用比值法、RANSAC算法计算出拼接序列之间的单应矩阵,通过中心距离范数加权法进行融合。实验表明,其配准精度优于ORB算法,与SIFT算法相当,而运算效率高于SIFT算法,但不及ORB算法,是一种稳定高效的无人机影像拼接算法。

基于AKAZE的增强现实系统的研究

KAZE特征检测算法运算鲁棒性好,匹配率高,但受限于运行时间长和实时性差,故在其基础上进行优化,采用AKAZE算法中的FED替换KAZE算法中的AOS,并改进了算法中的描述符M-LDB。实验结果证明:AKAZE算法克服了KAZE算法的局限性,明显提高了算法的匹配率,减少了运算时间。AKAZE算法的增强现实系统具有良好的鲁棒性和实时性。

改进Fast ACE结合边缘检测的预处理算法研究

室内建图时,因采集的图像纹理性稀缺且噪声大,导致其匹配精确度较低。鉴于此,提出一种图像预处理方法。首先,在快速自动色彩均衡(Fast ACE)算法中引入Laplace Operator,得到一种改进Fast ACE算法,将其应用在原图像中得到增强图像。然后,使用Canny算法提取增强图像的边缘图像,并采用线性混合数学模型融合原图像与边缘图像。最后,利用AKAZE与ORB算法提取融合图像的特征点进行暴力匹配,使用随机抽样一致算法(RANSAC)进行误匹配筛选。实验表明,预处理后的图像进行匹配时,精确度明显提高。

电力巡线无人机航拍图像拼接算法

针对电力巡线无人机挂载相机的画幅过小,不能拍摄全局电力线图像等问题,提出一种基于局部特征的电力线图像拼接算法。利用AKAZE算法提取特征点和主方向;根据特征点所在尺度建立Opponent对立色彩空间和Opponent-MLDB二进制描述符;借助尽可能投影变换配准模型,对目标图像投影变换配准,加权叠加融合图像。实验表明:该算法的特征点匹配正确率比现有的匹配算法稳定性更强,拼接效果良好,无明显拼接痕迹。