基于SIFT检测的BOF算法图像匹配研究

为了保证导弹当前航行方向与航迹控制系统中的基准图一致,需要确认当前所拍摄的航行位置与巡航导弹制导中的基准图相匹配。基于此,提出了基于SIFT检测的BOF算法对景象图进行图像匹配来解决该问题。利用K-means算法对基准图库中景象图的SIFT特征向量进行聚类形成视觉特征包,计算视觉特征出现的次数得到图像的特征向量生成K维向量,构建BOF模型。利用余弦相似原理将待匹配景象图的特征K维向量与图库中的每幅基准图比较,计算与之夹角最小的图,即匹配图。通过仿真可以得出,景象图匹配方法效果良好。

一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法

针对LBP算法在提取全局特征时不具有针对性的缺点,提出一种基于Harris-SIFT特征点检测的LBP人脸表情识别算法。该算法引入Harris得到表情图像的角点,同时运用SIFT检测算法得到图像的局部最大最小值,通过Harris算法对SIFT特征点进行过滤,得到表情图像的准确感兴趣点;设计特征点最大区域选取法和特征点周围邻域选取法,将选取的区域作为LBP特征提取的输入图像;运用SVM多分类器得到每种表情的识别率。实验表明,该算法能更有效地提取表情特征,达到较好的识别效果。

基于SIFT特征检测和三次插值样条的快速曲面重构算法

针对传统的曲面重构算法一直存在重构精度低、效率差的问题,提出新的快速曲面重构算法;基于三次插值样条和改进SIFT特征检测和匹配方法,先对二维图像预处理后,检测其边界点并且拟合,然后将区域按四个象限进行分区,用三次插值样条边界进行曲面重构,同时结合改进的SIFT特征检测和匹配方法,检测各个区域曲面边界的特征点,然后再进行匹配拼接;实验结果表明,该算法得到曲面模型的时间效率有很大的提高,并且曲面效果好,光滑、平顺。

基于简化SIFT的口服液杂质检测防抖方法

在口服液灯检机杂质检测系统中,口服液瓶体由于履带搓瓶的急停会有轻微的抖动,造成高速工业摄像机拍摄的前后两帧口服液瓶体图像中位于相同空间位置的像素无法重合在一起,导致前后两帧图像做差分结果出现错误。由于口服液中的杂质很小,一般会达到微米级别,因此机械的扰动以及口服液瓶体上的污点都有可能因位置偏差对检测结果造成影响。采用尺度不变特征检测(SIFT)对系统采集的前后两帧图像进行位置配准。SIFT算法稳定性精度很高,适用于高精度口服液杂质检测系统。基于抖动幅度微弱,对该算法进行了一定的改进与简化,以获得最佳配准结果。在实际检测过程中算法稳定,检测结果准确率很高。

基于单目双焦及SIFT特征匹配的深度估计方法

提出一种基于单目双焦及SIFT特征匹配的深度估计方法。根据空间景物的深度在不同焦距下其成像的矢量位置和对应的焦距形成几何关系的原理,通过单相机获取两幅不同焦距下的图像后,运用SIFT算法对两幅图像进行特征提取和特征匹配,得出同一景物像素点距中心点的偏移位置比,从而通过几何关系公式计算出像素点的深度值,以此获取深度图。经实验验证了该方法的可行性,实验结果表明,使用该方法获取深度值仅需单台相机这一设备,方法简单易行,且成本低,具有广阔的应用范围。

基于定点旋转的遥操作前端视觉自标定

为解决遥操作过程中当前端视觉内参数改变时的标定问题,特别是在一些危险的或是人无法到达的环境下,在前端放置标定物用传统的方法进行标定是不可能的,因此采用了一种基于定点旋转的自标定技术来进行标定.对基于定点旋转的自标定方法进行了理论推导,得到了标定步骤.在试验过程中,摄像机固定在一种旋转装置上进行拍摄,采用SIFT(Scale Invariant Feature Transformation)算法对拍摄的图像进行特征点检测和匹配,采用牛顿算法进行计算.为和传统的标定方法进行比较,对自制的平面模板进行拍摄,利用Harris算子对平面模板图像进行角点检测,用传统的标定方法重新对摄像机进行标定.结果表明两种方法得到的答案相近,用传统标定方法标定结果是接近摄像机真实参数值的,说明这种新的标定方法是一种有效的标定方法.

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法.使用尺度不变特征变换(SIFT)特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵.针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类.图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节.按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型.以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求.实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.

一种改进的图像配准算法

针对常规图像配准算法在图像存在仿射变换情况下匹配效果不明显的问题,本文提出一种基于SIFT(scale invariant feature transform)特征点的图像配准方法。首先,利用harris角点检测算法提取出图像的特征点,然后采用SIFT算法对特征点进行描述,用最近邻与次近邻之比进行匹配,最后用RANSAC(random sample consensus)算法消除错误匹配对。实验结果表明:该方法能够很好的进行仿射图像配准,并且大幅提高了配准的准确率。

区域块SFIT-MTLBP人脸识别研究

在少量样本情况下,为了解决传统LBP算法对人脸特征提取分类鲁棒性不强问题,提高人脸特征选取的泛化能力,提出一种在人脸面部区域基于SIFT特征点检测的MTLBP人脸识别算法。从人脸五官区域选取尺度不变的关键点,并在其邻域选取MTLBP纹理特征,结合SIFT描述算子和MTLBP特征直方图形成一系列特征,对该人脸特征空间向量进行分类识别。在相同的少量训练样本下,该算法与原始LBP算法及其它改进型LBP算法相比,识别率提高了20%左右。

局部特征及视觉一致性的柱面全景拼接算法

目的传统的基于平面拼接算法生成的全景图像存在严重的失真问题,很难保证良好的视觉一致性;而普通柱面拼接算法无法较好地满足实时性要求。为此,提出一种基于改进SIFT(scale-invariant feature transform)特征描述子的柱面全景图像拼接算法。方法首先将待拼接的图像序列进行柱面投影,利用改进的SIFT特征检测器获取图像中的特征点,生成64维SIFT特征描述子;然后根据特征描述子之间的欧氏距离提取初始特征点对,利用RANSAC(random sample consensus)方法进一步剔除伪匹配特征点对并建立待拼接图像之间的空间变换矩阵;最后根据图像之间的空间变换矩阵进行图像配准,采用加权平均融合的方法完成图像的无缝拼接。结果本文全景图拼接算法,可以有效地克服平面拼接算法存在的失真问题,保证了全景图像的视觉一致性。同时,相比普通柱面拼接算法,本文算法的拼接速度提高了近一倍。结论通过对不同尺寸和数量的图像序列构建全景图,相对于平面拼接算法和普通柱面拼接算法,本文算法可以有效实现图像之间的拼接,生成宽视野、高分辨率的全景图像,且能够应用于对实时性要求比较高的图像拼接场合。