一种使用自适应小波去噪和SIFT描述符的步态识别研究

针对步态特征提取与识别性能过度依赖所采集步态加速度信号质量和周期划分的问题,提出一种使用小波去噪和SIFT描述符的步态识别方法.首先,根据小波去噪质量评价指标自适应地选择最优小波基函数进行小波去噪.其次,采用SIFT算法提取关键点,以K-means聚类方法计算关键点描述符集合的聚类中心,经拟合得到步态特征进行识别.实验结果表明,该算法能有效地去除高频噪声,避免周期划分偏差对步态特征准确性的影响,经自采和公开数据集实验,最短响应时间为0.52s,最大识别率为91.7%,证明了该方法在小样本范围达到对步态信号的有效识别.

基于KPCA-SIFT描述符的图像配准

SIFT描述符是一种鲁棒的局部特征描述符,利用核主成分分析的特征提取方法,对每个特征点的SIFT特征进行降维处理。核主成分分析采用非线性方法提取主成分,是主成分分析的改进算法。本文描述了一种基于KPCA-SIFT描述符的高精度图像配准算法,通过对KPCA-SIFT特征的相似性度量得到匹配点对,再根据这些匹配点对对图像进行配准。实验结果表明,KPCA-SIFT特征精确、稳定、可靠,可以得到高精度的配准。

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector,)和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,然后确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT(scale invariant feature transform)特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的"一对多"和"一对一"的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC(随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。

主成分分析法(PCA)在SIFT匹配算法中的应用

针对传统SIFT匹配算法数据量大、耗时长的问题,采用了主成分不变特征变换(PCA-SIFT)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征点及其特征向量,其次将提取出的特征向量采用距离比阈值筛选出匹配点对,再采用RANSAC法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT算法较稳定、精确、快速。

变环加权SIFT算法的图像拼接

针对传统SIFT匹配算法数据量大、时间复杂度高的问题,提出基于尺度不变特征变换(SIFT)特征提取方法获得特征点,并采用变换步长的圆形区域选区对特征点进行描述,改进了SIFT特征的64维描述符和88维描述符的不足。将改进后的算法应用到图像拼接过程中,通过实验验证了改进后的方法在时间复杂度方面有所改善。

基于扩散距离的SIFT特征匹配算法

SIFT(Scale Invariant Feature Transform)是目前最流行的局部特征提取及匹配算法.但传统SIFT算法采用欧氏距离来度量特征之间的SSD(Sum of Square Differences)并进行匹配,而传统的欧氏距离不能使高维特征向量恢复到具有低维的几何结构,导致错误匹配.为了克服这缺点,利用扩散距离代替欧氏距离进行匹配,然后使用随机抽样一致从候选匹配中排除错误的匹配.实验表明:该方法在图像形变、光照变化和图像噪声方面优于原方法.

图像制导的目标匹配算法与系统设计

根据航拍地形图像和目标图像的特点,提出Zoser图像匹配算法用于图像导航与制导。Zoser算法主要由高斯Zoser图像金字塔、24邻域极值点和SIFT128描述符等组成。Zoser算法使用整型数据,结构简单,二级算法独立性好,易于模块化设计;根据这些特点提出了基于FPGA和多DSP的系统设计方案,系统具有较好的实时性和图像匹配目标识别性能。Zoser算法对图像位移、旋转、仿射变换、尺度变化、噪声影响、轻微形变和照度变化有较好的鲁棒性,识别和匹配的准确性较好,速度比SIFT算法提高3倍左右,更适合实时系统。

车载组合全景相机单片影像匹配算法

车载组合全景影像存在严重的射影变形,纹理单一重复,造成全景单片影像匹配同名点的正确率低。由于纹理重复方向、运动物体的移动方向与摄影基线方向一致,用随机抽样一致性算法(RANSAC)结合极线几何不能有效地剔除此类误匹配,该文建议一种适宜车载组合全景单片影像的匹配流程。首先提取Harris角点特征,SIFT描述符描述特征和距离比阈值约束匹配初始同名点;然后,RANSAC结合极线几何初步剔除误匹配,特征点追踪获取同名点的多视对应,利用GPS和IMU提供的影像外参数多片前交剔除误匹配;最终通过地面点的反投影像点模板匹配,进一步增加同名像点的重叠范围。据实验分析,本流程匹配到的同名点不含有粗差,且数量充足,可满足后续空中三角测量的需要。

一种基于特征匹配的大位移变分光流方法

利用Horn-Schunck变分光流的通用模型,将描述符配准作为改进方法的支撑,结合经影像特征匹配所提取的同名特征,在光流条件中增加同名特征一致限制,提出一种基于特征匹配的变分光流方法。利用无人机视频影像对所提出的方法与原始变分光流算法进行了对比实验分析,实验结果表明该方法在目标位移过大时,能利用特征点信息解决光流连续性被打破的问题,准确获得大位移光流。

自然资源多时相遥感影像智能匹配方法研究

遥感影像是全民所有自然资源资产清查工作的基础数据之一,时序影像匹配是多时相遥感数据服务于自然资源资产评估的关键。大量的自然资源资产清查单元(林地、耕地、湖泊、草地、湿地)位于地形平坦地区,采用传统影像匹配方法得到的正确匹配点较少,匹配精度较低。提出了基于视野感知的CNN-SIFT描述符,利用孪生网络模型感知同名点的视觉差异特征,根据地形自适应调节视野范围,从而增强匹配能力。结果表明,与邻域范围为128×128的SIFT描述符相比,CNN-SIFT描述符的正确匹配点平均增加了41.32%,正确匹配率提高了18.64%,湖泊水面、平原区块田等平坦区域匹配率提高了19.20%,能满足全民所有自然资源资产清查实际工作的要求,为其他卫星影像进行大范围大批量的正射影像生产提供借鉴。

基于改进Harris-Laplace算子的图像校正研究

文章提出了一种基于改进Harris-Laplace检测算子的图像校正方法。首先用Harris-Laplace检测算子提取特征点,并对尺度进行进一步优化筛选,然后用类SIFT的方法描述特征点,最后根据描述符选出两幅图像的匹配点对,进行图像校正。将本算法应用于数字水印中,先对遭受旋转、平移和缩放等几何攻击的水印图像进行配准校正,再提取水印。仿真结果表明,可以较好地提取出数字水印,说明该算法具有较好的配准效果。

多层平面单应约束车载街景影像匹配算法研究

车载街景影像匹配中含有较多难以剔除的误匹配,建议采用一种多层平面单应约束的车载街景影像匹配方法进行剔除。车载街景影像的拍摄对象主要为多层次的建筑物立面,物方平面在立体像对中的投影满足单应约束,所以建筑物立面在影像中满足多层平面单应约束。采用Harris算法提取角点特征,采用SIFT算子描述并用邻近距离比约束匹配获取初始同名点。首先,采用核线约束初步剔除误匹配;然后,结合RANSAC估计立体像对间的多层平面单应删除外点。该方法可删除纹理重复造成的误匹配,提高立体像对间匹配的正确率。

基于随机蕨的光电成像末端制导目标初始化

为实现光电成像末端制导中的自适应目标初始化,针对末端制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异,及传统方法运算量较大的问题,基于随机蕨分类器构造了一种新的景象匹配算法。算法首先利用基准图像进行分类器训练,然后基于该分类器对实时图像进行特征匹配。为剔除误匹配特征对,对初始匹配特征对中的对应区域分别进行尺度不变特征变换(SIFT)特征描述,基于马氏距离准则进行误匹配特征对剔除。根据顺序抽样一致性算法(PROSAC)对剩余的匹配特征对估计两图像的外极几何关系,最终根据外极几何关系求得目标在实时图像中的位置和尺寸信息。仿真结果表明,该算法能够在光电成像末端制导过程中实现稳定的目标初始化,在极端条件下的稳定性优于原随机蕨分类器算法。