融合RANSAC与GMS图像特征的匹配算法

图像匹配在物体识别、图像拼接领域一直是尤为重要的一部分。为解决传统图像匹配算法匹配率低的问题,本文提出了一种融合RANSAC与GMS图像特征的匹配算法(RGMS算法)。该算法在ORB的基础上提取图像特征点,利用RANSAC算法对特征点进行随机筛选,最后使用GMS算法对筛选后的特征点进行特征匹配。经采用TUM公开数据测试集与传统的暴力匹配、FLANN和GMS算法进行实证研究,实验结果表明,本文提出的匹配算法具有更好的匹配效果。尤其对于图像纹理较少的情况,本文算法的图像配准率和匹配时间较传统匹配算法具有更明显的优势。

基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题,提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间,将高斯尺度空间划分为多个网格,在每个网格内借助FAST算法提取尺度空间特征点,使用BRIEF算法提取描述符并匹配,得到更加均匀分布的特征点;然后使用运动网格统计算法筛选匹配点;最后采用SPHP算法融合图像重叠区域,从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价,验证了该方法特征点匹配速度快、精度高,并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价,验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2736像素×3648像素图像中,特征点匹配时间降低至6.463 s,图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。

融合GMS的ORB特征点提取与匹配算法

为解决传统的ORB算法提取的特征点分布不均匀且匹配时存在误匹配等问题,在原有算法的基础上提出分区域进行特征点提取并融合GMS算法剔除误匹配的改进特征点提取匹配算法。将四叉树原理引入到特征点提取中,将图像分为若干个网格,在每个网格中进行特征点提取,在匹配过程中利用剔除错误匹配的统计量替代运动平滑性约束。在TUM数据集图片上的实验结果表明,融合GMS的ORB特征点提取与匹配算法的匹配效果明显优于原始的ORB算法及其它同类算法。

基于特征匹配质量的GMS改进算法研究

针对特征点较少时网格运动统计(GMS)算法存在误匹配集中、鲁棒性差等问题,提出一种基于特征匹配质量评价的GMS特征匹配改进算法。该算法不依赖于增加特征点数量,而是通过引入特征匹配质量因子,依据高质量匹配对计算单应矩阵,剔除误匹配提高匹配准确性,因此具有更好的实用性。实验表明,该算法不仅有效地解决了GMS算法中特征点较少时误匹配集中的问题,而且对特征点数量依赖性更小,算法运行时间相比ORB+RANSAC缩短约30%,算法具有更高的鲁棒性、准确性和实时性。

一种基于GM(1,1)算法在矿产预测中应用

矿产资源在我国属于资源比较丰富,但是我国对于矿产资源的预测数据确是少之又少,其矿产的机理又比较复杂。针对这个情况,本文利用灰色GM(1,1)模型时间序列预测理论对矿产资源预测进行建模预测,分析了该预测模型在实地矿产预测中的实际应用,证明了方法的有效性。

基于改进运动网格统计的特征匹配算法

针对运动网格统计(GMS)等特征匹配算法误匹配集中出现,且在视点变化较大的情况下,由于匹配点过少而导致匹配失败的问题,提出了一种使用改进GMS算法结合RANSAC计算单应矩阵的特征匹配算法。首先,对原始GMS算法网格进行分配权重,设置可变阈值以获取足够匹配点,通过对改进GMS算法得到的匹配点集使用RANSAC拟合单应矩阵,并对初始暴力匹配集进行细筛选生成最终的匹配点集。在公开的特征匹配数据集上的实验表明,匹配准确率和召回率分别提升了22.69%,18.58%,算法更适用于视点变化较大的场景。

基于改进ORB特征提取的快速三维重建算法

鉴于多视图三维重建算法的特征检测和匹配能力较差,文章提出一种基于改进ORB特征提取的快速三维重建算法。该算法针对传统算法在建筑数据采集中的重建效果差和运行效率低的问题进行了优化,首先运用改进的ORB算法进行特征点提取,采用GMS算法进行特征匹配,得到匹配结果后利用全局式SFM对场景相机位姿进行估计,之后再进行光束法平差,最后利用PMVS算法得到稠密重建的结果。实验结果表明,该算法在三维重建运行效率上有所提升,能够满足快速的三维重建要求。

基于局部重叠区域的无显著特征图像配准算法

针对沙漠、戈壁等特征不显著场景在配准过程中存在快速性、精确性等问题,提出一种基于局部重叠区域的特征不显著图像配准方法。首先利用图像标记对待配准图像进行预处理增强其特征,接着通过多相机三维投影对多幅待配准图像重叠区域进行预算,并采用图像掩膜和图像分割技术将重叠区域分割出来,最后对重叠区域使用ORB+GMS(Oriented Brief-Grid-based Motion Statistics for Fast)融合算法进行配准,完成多幅图像的配准工作。基于图像重叠区域的配准避免了无显著特征图像在进行整体配准时精确性低的缺点,并且由于是局部配准,相较于全局配准拥有更快的配准速度。对比传统配准方法和本文提出的改进配准方法,实验结果显示,本文提出的改进方法配准精度在传统配准方法的基础上提升了28%,同时,算法具有更高的鲁棒性和实时性。

动态调整GM(1,1)发展系数的预测优化算法

在灰色预测GM(1,1)算法的基础上,针对小样本、穷信息、不确定性和以时间为序列的特征数据,运用限定条件下的随机非线性规划方法、动态调整GM(1,1)算法均质生成数列中的发展系数,构建一套优化预测模型,藉此提高算法的数据预测精度.结果表明:优化算法的预测结果精确度高,在数据预测方面,优于传统的GM(1,1)算法.

基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法

针对常用的图像拼接算法对具有密集重复结构的图像会产生大量误匹配点从而出现明显鬼影且耗时较长的问题,将网格运动统计(GMS)算法与最佳缝合线算法相结合,提出了一种密集重复结构的图像快速拼接方法。首先,在图像的重叠区域提取大量粗匹配点;接着,采用GMS算法进行精匹配,然后在此基础上估计变换模型;最后,采用基于动态规划思想的最佳缝合线算法完成图像拼接。实验结果表明,将所提算法应用于两组具有密集重复结构的图像上,不仅可以有效消除鬼影,得到理想的拼接效果,而且显著减少了拼接时间;平均拼接速度分别是传统尺度不变特征变换(SIFT)和加速稳健特征(SURF)算法的7.4倍和3.2倍,分别是结合区域分块的SIFT算法和SURF算法的4.1倍和1.4倍。所提算法能够有效地消除密集重复结构拼接时的鬼影,同时缩短了拼接时间。

SFBC-OFDM系统在时频双选信道下的迭代接收算法

基于广义最小信道估计算法,结合迫零均衡原则,针对空频块码正交频分复用系统,提出了一种迭代的均衡广义最小接收算法。该方法推导了两发两收空频块码正交频分复用系统的迫零频域均衡算法,以便消除信道频率选择性衰落所引起的系统相邻子载波间信道系数的差异,从而保证了空频块码的正交性,使得接收算法能够有效抑制差错传播、明显加快迭代的收敛速度并改善系统的比特误码性能。数值仿真结果表明:当归一化多普勒较大时,采用该接收算法的空频块码正交频分复用系统能够较快地收敛,并较基于期望最大化的空频块码正交频分复用系统与基于时域卡尔曼的空频块码正交频分复用系统分别获得8 dB和14 dB的增益。

两种算法在高铁桥墩沉降趋势中的比较

结合京沪高速铁路某工区的实测观测资料,通过应用Asaoka算法和灰色系统GM(1,1)算法对实验数据进行研究,计算理论拟合高程并与实测高程进行比较,并通过相对应模型的高程残差的比较分析,表明所选灰色系统GM(1,1)算法拟合结果较好。

基于GM(0,N)和RBF的小样本时程数据预测

RBF网络具有良好的非线性函数逼近能力,且收敛速度快,而灰色GM(,)静态模型对小样本线性数据的预0N测精度高,将两者有机结合起来,提出了一种新的小样本数据预测方法,即灰色RBF(GRBF)静态预测法。同时,为了提高RBF网络的预测精度和运算效率,文中采用ROLS和后向选择法来训练网络。将GRBF静态预测方法应用到小样本时程数据的预测中,实验结果表明,此预测方法快捷简便,精度高,具有良好的实用性。

多时间序列k′/k-支配Skyline查询处理

时间序列是各个领域中大量存在的一类数据,有着极广泛的应用.多时间序列是其中常见的一种数据类型,它从多个角度以单时间序列的形式去描述同一个对象.目前关于时间序列的研究主要集中于单时间序列,而多时间序列的研究工作则相对较少,如多时间序列的查询处理等,但是在实际生活中多时间序列的查询却有着非常广泛的应用.首先定义了多时间序列的支配关系,然后在此基础上给出多时间序列k′/k-支配Skyline查询的定义,并提出了GMS和GMI两种查询算法,对算法的正确性和复杂性也进行了证明和分析.合成数据和真实数据上的大量实验表明,两种算法都可以得到较好的查询结果,而GMI算法的查询效率较GMS算法有很大程度地提升.

基于灰色关联分析的神经网络模型

在BP神经网络算法的基础上,针对在多变量复杂系统建模过程中BP网络输入变量无法自动寻优的问题,将其与灰色关联分析方法结合,建立基于灰色关联分析的神经网络优化算法(GM-BPANN).并且使用中国粮食产量预测的数据,与逐步回归方法和灰色GM(1,N)模型方法进行了比较检验.结果表明,新模型通过灰色关联度的计算,可以全面、广泛地对大量的输入变量进行处理,而不必经过专门的主观筛选,从而增强了BP网络的适应能力,同时能够得到较好的预测精度和稳定性.