基于SIFT特征提取的智能移动机器人环境识别方法研究

为了提高机器人在环境识别中的实时性和准确性,在分析了SIFT描述算子性能及原理的基础上,对SIFT算法在实时性方面改进。在特征点进行欧氏距离的匹配的时候加入一个阈值,将那些不匹配的点可以直接滤除;在建立图像金字塔的时候没必要一直进行到最后一组足够小为止,可以通过实验得到第4组的时候特征点的总数就不再增加了,不需要一直计算下去从而节省时间。仿真结果也证明了其有效性。

基于改进SIFT特征提取的自主移动机器人环境识别方法研究

为了提高机器人在环境识别中的实时性和准确性,在分析了SIFT描述算子性能及原理的基础上,对SIFT算法在计算描述算子阶段提出自适应修改步长的改进,以及在原先的匹配方法的基础上又加入二次反向匹配,既在一定程度上提高了实时性又对关键点的消除错配起到较好的效果。仿真结果也证明了其有效性。

基于SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。

基于群体和特定病人的形状统计分割序列X片上的肺部区域

提出一种新的可变形模型,该可变形模型在分割序列X片图像上的肺部区域时,使用了群体和特定病人的形状统计约束。首先,一个修改的尺度不变特征变换(SIFT)局部描述算子被用于表示每一像素周围的图像特征,以便模型是以寻找区域内最相似的SIFT局部描述算子的方式变形：其次,可变形模型受到基于群体和基于特定病人的形状统计的约束。最初,当序列图像的个数较少时,基于群体的形状统计起主导作用,逐渐地当同一病人的一定数量的图像被分割出来后,特定病人的形状统计开始起越来越强的约束作用。实验证明,所建的可变形模型,能自适应地分割不同病人的形状变化,可获得较为鲁棒和精确的分割结果。

一种改进的图像匹配算法

基于特征点的匹配是图像匹配的关键方法。提出一种可以实现大量特征点匹配的算法。该算法实现了图像行校正,改进了Harris角点检测算法,提出了一种新的角点指示器,它可以检测出足够多的特征点进行特征点匹配;然后使用sift特征描述运算符描述每个特征点;最后,使用最近邻居距离比算法完成特征点匹配。实验结果表明,提出的算法可以实现大量特征点匹配,对图像匹配算法具有一定的参考意义。