Image matching algorithm based on SIFT using color and exposure information

Image matching based on scale invariant feature transform（SIFT） is one of the most popular image matching algorithms, which exhibits high robustness and accuracy. Grayscale images rather than color images are generally used to get SIFT descriptors in order to reduce the complexity. The regions which have a similar grayscale level but different hues tend to produce wrong matching results in this case. Therefore, the loss of color information may result in decreasing of matching ratio. An image matching algorithm based on SIFT is proposed, which adds a color offset and an exposure offset when converting color images to grayscale images in order to enhance the matching ratio. Experimental results show that the proposed algorithm can effectively differentiate the regions with different colors but the similar grayscale level, and increase the matching ratio of image matching based on SIFT. Furthermore, it does not introduce much complexity than the traditional SIFT.

A reliable algorithm for image matching based on SIFT

A novel algorithm is presented to make the results of image matching more reliable and accurate based on SIFT (Scale Invariant Feature Transform). SIFT algorithm has been identified as the most resistant matching algorithm to common image deformations; however, if there are similar regions in images, SIFT algorithm still generates some analogical descriptors and provides many mismatches. This paper examines the local image descriptor used by SIFT and presents a new algorithm by integrating SIFT with two-dimensional moment invariants and disparity gradient to improve the matching results. In the new algorithm, decision tree is used, and the whole matching process is divided into three levels with different primitives. Matching points are considered as correct ones only when they satisfy all the three similarity measurements. Experiment results demonstrate that the new approach is more reliable and accurate.

具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

基于边缘响应优化SIFT算法在无人机影像匹配中的研究

无人机(UAV)影像匹配过程中常规的尺度不变特征变换(SIFT)算法在处理UAV影像时会受边缘响应影响,导致特征点匹配的准确度与精度降低。为了进一步提高UAV影像匹配的准确度与精度,提出了一种优化的SIFT图像匹配算法。以云南省禄丰市恐龙谷为研究区,选择两组研究区无人机影像以及一组公开无人机影像作为实验数据。首先,基于尺度不变性构建高斯差分金字塔,并进行空间极值检测实现特征点的定位。其次,使用Canny算法对图像进行边缘检测,在边缘检测的基础上对图像进行边缘响应点去除,对去除边缘响应后的特征点使用FLANN匹配器进行特征点匹配。然后,在图像匹配的基础上使用最佳近似比进行匹配点的第一次筛选,随后,利用随机抽样一致性(RANSAC)算法对匹配点进行第二次筛选,确定最佳比值阈值,并计算出RANSAC筛选后的均方根误差(RMSE)与准确率。最后,将优化SIFT算法与SIFT、ORB、SURF算法进行对比分析。结果表明,优化的SIFT算法不仅特征点匹配耗时小于其他3种算法,在匹配精度、准确度上以及物方精度上也优于其他3种算法。优化后的SIFT算法在A、B、C 3组数据匹配的精度分别是93.13%、84.09%、92.73%,RMSE值分别是0.6490、1.1805、0.7726。因此优化的SIFT算法能够降低边缘响应对传统SIFT算法带来的影响,提高了图像匹配的精度和准确度。

Modified SIFT descriptor and key-point matching for fast and robust image mosaic

To improve the performance of the scale invariant feature transform （ SIFT）, a modified SIFT （M-SIFT） descriptor is proposed to realize fast and robust key-point extraction and matching. In descriptor generation, 3 rotation-invariant concentric-ring grids around the key-point location are used instead of 16 square grids used in the original SIFT. Then, 10 orientations are accumulated for each grid, which results in a 30-dimension descriptor. In descriptor matching, rough rejection mismatches is proposed based on the difference of grey information between matching points. The per- formance of the proposed method is tested for image mosaic on simulated and real-worid images. Experimental results show that the M-SIFT descriptor inherits the SIFT＇ s ability of being invariant to image scale and rotation, illumination change and affine distortion. Besides the time cost of feature extraction is reduced by 50% compared with the original SIFT. And the rough rejection mismatches can reject at least 70% of mismatches. The results also demonstrate that the performance of the pro- posed M-SIFT method is superior to other improved SIFT methods in speed and robustness.

SIFT算法在钳剪痕迹中的同一认定研究

随着数字图像处理技术的进步,钳剪痕迹的同一认定成为了一个关键的研究领域。文中提出一种基于尺度不变特征变换(SIFT)的方法对钳剪痕迹进行同一认定。首先,利用SIFT算法从钢丝钳剪切的断头痕迹图像中提取关键点,将已知剪切痕迹检材与待识别痕迹样本进行匹配;然后,根据匹配点的数量和距离信息,评估痕迹图像之间的相似性和一致性;最后,通过RANSAC算法进行一致性验证和错误匹配剔除,得到最终的匹配结果。实验结果表明,该方法能够在较多的实验样本中进行初步的同一认定,为钳剪痕迹的识别提供了一种新的有效途径。

一种基于改进SIFT的图像匹配融合算法

图像匹配与融合是图像拼接的核心环节,分别影响着图像拼接后的精确度和自然度。尺度不变特征转换SIFT(Scale Invariant Feature Transform)因其具有旋转不变性和良好的鲁棒性广泛应用于图像处理领域,但会导致特征提取匹配耗时长、误匹配等问题。鉴于此,提出了一种结合SIFT和AGAST算法的新方法,通过KNN和RANSAC进行特征点提纯,最后通过改进的加权平均法进行融合拼接。结果表明,该方法可以极大地提升特征提取效率和匹配效率,图像融合效果较好。

基于SIFT特征点提取算法的三维数字影像重建方法

针对在数字影像三维重建过程中,由于原始数据中存在噪声和失真等不足,导致特征匹配效率和精度较低的问题,提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。采用双边滤波算法对数字影像中的环境噪声实施消除处理,并保留数字影像的边缘信息,提高特征点提取精度;通过尺度不变特征转换(SIFT)算法对其提取特征点,得到数字影像的特征点对;将该特征点对作为初始面片,利用空间目标多视影像密集匹配方法,实现对数字影像的三维重建。实验结果表明,所提方法特征匹配效率和匹配精度高,且降噪能力强,生成的三维重建影像所需平均时间为26.74 ms。

基于SIFT特征点的无人机影像拼接方法研究

针对无人机空中姿态不稳定,其拍摄影像存在倾斜、曝光不均匀等缺点,采用常规的影像匹配方法效果不佳,甚至无法匹配,而SIFT算法对图像几何变形、分辨率差异、旋转等有较好适应性。利用SIFT算法对无人机影像进行特征点的提取,并采用最小二乘算法对影像进行精匹配。同时,为了减少拼接过程中误差的传播,提出了分块拼接方法。实验结果表明:SIFT算法适用于无人机影像匹配,在精匹配过程中采用最小二乘算法能够有效地剔除误匹配,并减小了时间复杂度和空间复杂度。

应用于多源SAR图像匹配的级联SIFT算法

针对多源SAR(Synthetic Aperture Radar)图像几何精处理需要大量离散控制点的问题,文章中提出一种级联SIFT(Scale Invariant Feature Transform)匹配算法.首先,采用大尺度自适应各向异性高斯SIFT(Adapted Anisotropic Gaussian-SIFT,AAG-SIFT)算法进行图像粗配准,大尺度AAG尺度空间可以在模糊不稳定局部纹理干扰的同时,保持图像的结构信息,提高算法的鲁棒性;其次,级联一种局部SIFT匹配算法,在粗配准后图像间进行局部匹配,避免不相关区域内重复纹理对特征匹配的影响;最后,通过尺度和旋转等先验条件筛选匹配点对,保证匹配结果的准确性.对比实验表明,级联SIFT处理可以增加提取同名点的数量和空间分布质量,而且匹配点定位准确.

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT(Scale Invariable Feature Transformation)特征匹配算法,解决了图像中存在多个相似区域时造成的误匹配问题。在尺度空间检测出特征点,生成包含两基于局部信息的SIFT向量和基于全局信息的全局向量;采用BBF(Best Bin First)算法进行搜索,并采用欧氏距离作为度量函数进行特征向量的匹配。实验结果表明,由于在基于局部信息的SIFT向量中加入基于全局形状信息的全局向量,使得当特征点的尺度较小时,可以借助更大邻域范围内的信息对其进行描述,从而降低了由于局部信息相似而造成的误匹配的概率。所用图像误匹配的概率由19%下降到了11%,极大地改善了匹配效果。

基于SIFT匹配的多视点立体图像零视差调整

针对多视点自由立体显示系统,提出一种基于SIFT匹配的平行多视点立体图像零视差调整方法。首先,通过SIFT变换提取图像特征关键点、对特征关键点进行匹配,获得精确匹配点。然后,运用频率调和显著性模型计算场景的视觉显著性、提取显著性掩膜,以筛选匹配点作为零视差调整的关键点。最后,依据SIFT匹配点计算视点间视差值,并基于视差调整原理对多视点立体图像进行零视差调整。实验结果表明,所提出的方法适合多视点自由立体显示系统,零视差调整后的多视点立体图像具有良好的自由立体显示效果。

Harris-SIFT算法及其在双目立体视觉中的应用

为了降低尺度不变特征变换(SIFT)算法的复杂度,提高算法的实时性,克服算法提取的特征点不是角点的缺点,该文提出了一种新的Harris-SIFT算法。该算法首先用Harris算子提取图像的特征点,然后为每个特征点定义主方向,最后将特征描述子的坐标旋转到与特征点的主方向一致,计算出每个特征点的特征向量描述子。双目立体视觉图像匹配实验结果说明了该算法的有效性。

基于区域分块的SIFT图像匹配技术研究与实现

针对目前SIFT算法在特征匹配过程中出现的搜索范围广、处理数据量大、速度慢的问题,提出一种基于区域分块思想的新型SIFT匹配法。首先将待匹配图像进行双边二分区域分块处理;其次采用投票机制方式选取可信匹配子块,缩小原始匹配区域空间;随后结合SIFT算法提取可信匹配子块的特征点,并进行初步匹配;最后结合双向RANSAC算法去除伪匹配点对,提高匹配的准确率。实验结果表明:基于区域分块的改进SIFT算法比标准SIFT算法具有更强的实时性和鲁棒性,在实际图像匹配中具有一定的应用价值。

基于SIFT和RANSAC的特征图像匹配方法

针对目前普通图像匹配抗干扰能力不强的问题,将尺度不变特征变换(SIFT)和随机采样一致性(RANSAC)算法结合,提出了一种适应性强的图像匹配算法。首先对图像进行SIFT特征提取,利用最优节点优先搜索并计算最近邻特征向量与次最近邻向量间的欧式距离比来加速完成特征点对预匹配。在此基础上引入随机抽样一致性(RANSAC)算法去除不可靠的匹配对。最后根据匹配点对计算出图像间透射变换的参数。实验结果表明:该匹配算法具有尺度、旋转不变性以及一定的仿射不变性、抗干扰性,可以实现目标物体匹配。

结合区域分割的SIFT图像匹配方法

针对待配准图在参考图上存在多个相似的区域,传统的SIFT算法导致匹配点数量较少,影响对模型变换参数估计的情况,提出了结合区域分割的SIFT方法。与原始算法相比,该算法可以得到更多正确的匹配点对,时效性上更优。实验结果表明,该算法比原算法的正确匹配点对提高了近30倍,结合区域分割的特征匹配,剔除了90%以上的误匹配点对,改进后的算法时间性能上也更优。

基于SIFT特征匹配的高速铁路接触网支撑装置耳片断裂检测研究

针对高速铁路接触网支撑结构中旋转双耳耳片断裂的问题,提出一种基于尺度不变特征变换(Scale-invariant Feature Transform,SIFT)的图像检测方法。利用待分析接触网支撑与悬挂装置图像和标准旋转双耳图像之间的局部特征点匹配,实现旋转双耳的定位与提取,通过分析旋转双耳上边界曲线上各点的弯曲度,判断是否存在耳片断裂故障。实验表明:本文所提方法能在复杂的接触网支撑与悬挂装置图像中准确识别耳片断裂故障,不受拍摄距离、拍摄角度以及曝光度等因素的影响,且具有较高的检测效率。

基于SIFT特征跟踪匹配的视频拼接方法

针对不同摄像头的监控视频序列,提出了一种基于视频帧SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)特征跟踪的拼接方法。通过SIFT算法提取帧图像的特征,并在跟踪的估计区域搜索匹配特征,从而确定待整合帧之间的变换参数。实验结果表明,该方法较好实现视频快速拼接,且对重叠区域小、形变大、有运动物体遮挡的视频具有较强的鲁棒性。

基于SIFT特征遥感影像自动配准与拼接

将SIFT特征用于遥感及航拍影像的配准和拼接,并针对RANSAC算法在SIFT特征匹配中效率低、同时还需要估计内点噪声均方差作为误差数据的门限等不足,采用一种基于投影的M估计算法,利用最优化准则和输入数据的内在联系绕开鲁棒估计对噪声均方差的依赖性。实验结果表明,对航空和航天遥感影像SIFT特征在一定程度的视点变化、光照变化、分辨率不同等情形下,该方法具有稳定、快速、可靠等特点。M估计则有效地解决了对于不同输入数据的门限选择,真正实现了无人工干预的自动配准。