基于Shi-Tomasi和RootSIFT的多尺度曲率特征图像拼接算法

全景拼接或视频融合等技术应用于室外环境时,往往有复杂的场景和光照条件,导致算法的关键点检测能力下降。曲率是一种描述图像边缘的稳定数学特征,对于复杂场景和光照具有良好稳定性。本文深入研究图像拼接中多尺度曲率特征的提取和SIFT算子的Hellinger核变换,提出一种基于Shi-Tomasi和RootSIFT的多尺度曲率特征图像拼接算法。首先,对高斯模糊预处理的图像利用多尺度Shi-Tomasi可以提取不同分辨率下光照稳定的关键点,使算法更适用于处理复杂环境;其次,经过Hellinger核变换的RootSIFT可以强化多尺度特征提取的过程,使其在欧式距离更加鲁棒,能更好应对光照和噪声的变化;另外,FLANN快速匹配在处理大规模数据时具有较高的效率;最后在变换估计上,RANSAC的改进算法PROSAC可以进一步提升拼接的速度和质量。检测性能实验结果表明,本文算法可以更精准地检测图像的边缘曲率信息,特征检测能力相比原始SIFT算法提高51%,相比单一尺度算法提高182%;而多尺度参数组的对比结果表明,算法可以实现进一步调优,综合提升检测能力和实时性能,具备良好的适应性。

基于改进视觉字典模型的图像检索算法

目前在图像检索领域,由于视觉字典其性能突出,已成为图像检索领域构建视觉词典的主流方法。但传统的视觉字典方法存在运行时间效率低、内存消耗大等缺点。因此本文采用ROOTSift算法提取图像的特征点并利用高效的K-means聚类算法建立支持动态扩充的随机视觉字典。该方法基于视觉字典构建视觉词汇直方图和倒排序索引文件,并对视觉词重新分配权重以提高检索命中率。最后利用欧氏距离法查询完成相似性匹配。试验结果表明该方法能提高图像检索的准确率,对大规模的图像检索能够达到很好的检索质量。

机场跑道异物检测与定位技术研究

机场跑道异物(FOD)检测对机场安全运营具有重大意义。为此,自主设计了一套基于无人机的FOD检测与定位系统,该系统采用多无人机协同的迂回式航线规划策略对机场跑道进行图像采集;然后针对异物标记问题,采用基于RootSIFT特征点匹配的自动校直拼接算法还原机场跑道全景;最后设计了Faster R-CNN异物检测器,实现对FOD的检测与定位。基于实测数据的试验结果表明,该系统能有效提升FOD检测效率,并获得了较为满意的FOD检测定位效果。

基于BoC-BoF特征的图像检索方法研究

为了优化基于内容的图像检索方法,提出了一种融合特征来表征图像内容。首先,提取基于RootSift描述子的特征词袋(Bag-of-Features,BoF)表示向量,获得图像的边缘和形状信息;其次,采用基于HSV的颜色词袋(Bag-ofColors,BoC)表示向量来代替传统颜色直方图方法,获取图像的颜色信息;最后,将BoF表示向量和BoC表示向量相融合,形成BoC-BoF特征向量。BoC-BoF特征有效地实现了全局特征和局部特征的融合。两个数据集检索的实验结果表明,该方法比其它方法更加有效。

基于改进ORB和匹配策略融合的图像配准方法

针对Oriented Fast and Rotated Brief(简称ORB)算法在图像配准中不具有尺度信息、BRIEF算法不具有旋转不变性以及特征匹配精度低等问题,本文提出一种基于改进ORB和匹配策略融合的无人机航拍图像配准方法。首先,通过简化多尺度空间检测特征点,采用稳健的RootSIFT描述符进行特征描述,用来提升特征描述的稳定性。然后,结合距离比值、双向匹配和余弦相似性测度(Cosine Similarity)匹配策略获得初始匹配。最后,利用随机抽样一致性算法(RANSAC)确定最终的特征点匹配关系,计算空间变换参数,实现图像的精确配准。实验结果表明,该方法在图像尺度、旋转和光照变化方面均表现出良好的性能,并提高了图像匹配准确率和配准精度。

物品识别系统的设计与实现

由于电子商务的迅猛发展,网购越来越成为与网民生活密切相关的重要网络应用。这种传统购物方式的改变不可避免地增加了对物品的搜索量。针对以上问题,本文研究了一种基于视觉字典的物品识别系统,首先提取图像的特征点并利用K-means聚类算法建立支持动态扩充的随机视觉字典,然后进行相似性匹配,最后选取了在市场上使用最为广泛的Android作为开发平台,实现便捷高效物品识别客户端系统,利用随手拍摄的照片或是Web上浏览过的图像"以图搜图"。

多匹配策略融合的无人机影像匹配方法

针对AKAZE算法在无人机影像匹配过程中存在的匹配精度低和稳定性较差问题,本文提出一种基于多匹配策略融合的改进影像匹配方法。该方法首先对影像降采样并利用AKAZE算法检测多尺度特征。然后采用一种稳定的RootSIFT描述符进行特征描述。其次,融合最近邻距离比值、双向匹配和余弦相似度约束匹配策略进行特征匹配以降低误匹配率。最后,采用随机抽样一致性(RANSAC)算法确定最终的特征对应关系,并求得几何变换模型。实验结果表明,该方法在获得更多正确匹配点对的同时具有较高的匹配正确率和精度,能够更好适用于无人机影像匹配。