基于SIFT特征点的抗几何失真数字水印算法

提出了一种基于图像不变特征的鲁棒数字水印算法。该方法在图像的小波域中嵌入水印;在水印检测之前,利用图像中稳定的SIFT(尺度不变特征变换)特征点估计几何失真参数,对可能失真的水印图像进行校正,从而可以准确地提取水印信息。实验结果表明,该算法对剪裁、旋转、缩放等各类几何攻击具有很好的鲁棒性。

基于SIFT特征点的双目视觉定位

提出了一种结合了SIFT特征点的双目立体视觉定位方法.介绍了对尺度、旋转、视角等变化具有良好鲁棒性的SIFT特征向量,利用SIFT特征向量匹配算法在双目视觉系统采集的左、右图片中分别检测目标、获取匹配的目标SIFT特征点.经过空间匹配点选择、标定点坐标计算等步骤获取左、右图片中具有空间位置一致性的目标标定点,并在摄像机坐标系中恢复目标标定点三维信息.实验结果表明,利用该方法进行目标定位具有较强的适应性,有一定的实用价值.

基于GPU的SIFT特征点快速匹配

影像匹配是计算机视觉及数字摄影测量的核心问题,基于特征的SIFT匹配算法由于其较强的匹配能力和良好的健壮性成为研究的热点。但SIFT算子的多量性及提取特征点维度较高的特点,直接影响了匹配速度。因此,本文利用GPU强大的并行处理能力,就SIFT特征点匹配在GPU上的设计与实现进行了详细的介绍,并通过对比实验说明利用GPU对SIFT特征点进行匹配所带来的优势。

基于SIFT特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法.首先,利用在图像特征点提取领域中运用最为广泛的SIFT(Scale Invariant Feature Transform)算法提取图像稳定特征点,生成特征向量描述符;然后根据向量最近邻(NN)和次近邻(SCN)的距离之比,对匹配点进行初步筛选;最后运用M-estimators法估计特征点对间的几何约束模型,利用该模型进一步精选特征点,确定真正的匹配点对个数,将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准.实验结果表明:该方法能够准确地提取出图像特征点,并通过精选特征点能够在很大程度上改善误匹配问题,从而快速有效地检测出错误的印刷品,得到了良好的检测效果.

基于SIFT特征点的目标跟踪算法

提出一种结合背景建模方法和基于SIFT特征点匹配方法的目标跟踪算法,该算法首先使用背景建模方法获得目标区域,然后对目标区域进行SIFT特征点提取,再利用特征点匹配方法实现视频目标跟踪,为了减小误配点,采用RANSAC方法来消除误配点。最后对算法进行了实验,实验结果表明,该算法可有效跟踪运动目标。

基于SIFT特征点的图像匹配技术研究

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配，该文首先采用LTS Haus-dorff距离进行特征点的初匹配，然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明，该方法可以实现图像的精确配准。

一种改进Harris角点与SIFT的图像拼接技术

针对SIFT特征向量检测效率不高、存在误匹配点对等问题,论文在结合其与Harris角点检测优点的基础上提出了一种新的特征点检测方法——Harris_SIFT特征点检测。首先利用引导互匹配算法对特征点进行粗匹配,再引入改进的随机抽样一致性算法(RERANSAC)以及非线性最小化迭代算法(LM)求取精确稳定的变换矩阵,然后结合视频追踪中KLT算法对匹配点对进行偏移量纠正,最后利用小波变换融合图像。

基于局部SIFT特征点的双阈值配准算法

针对SIFT匹配算法和SIFT与RANSAC结合的匹配算法都存在不同程度误匹配的问题,提出一种基于局部SIFT特征点的双阈值匹配算法。设计变步长迭代准则获取SIFT双阈值,其中大阈值匹配获得一组稀疏的精确匹配,小阈值匹配获得一组可能存在误匹配的密集匹配。以精确匹配建立目标的形变约束模型,以此为基础从密集匹配中删除误匹配。通过这些正确的匹配点估计两幅图像之间的变换矩阵。为了降低算法所需时间,提高效率,通过分析图像的纹理变化,采用提取其变化最为剧烈的区域来代表整幅图像进行匹配运算。实验结果表明,该算法在图像存在平移、旋转等仿射变化情况下具有配准精度高,稳定和快速等特点。

基于SIFT特征点结合ICP的点云配准方法

在点云配准过程中,针对迭代最近点(ICP)算法对点云初始位置依赖性强且迭代速度慢的问题,提出一种基于尺度不变特征变换(SIFT)特征点结合ICP的点云配准方法。首先利用SIFT算法提取待配准点云和目标点云的特征点;接着计算出特征点的快速点特征直方图(FPFH)特征;然后依据该特征使用采样一致性初始配准(SAC-IA)算法求出初始变换矩阵,从而完成初始配准;最后在初始配准的基础上利用ICP算法对两片点云进行精配准。实验表明,与ICP算法相比,该方法具有较好的配准精度,同时效率也有明显的提升。

基于SIFT特征点的点云配准方法

点云配准是三维建模过程中的关键问题之一。经典的ICP算法速度较慢,尤其是在点云数据较大的情况下用时更长。因此提出了一种改进方法。首先对两片点云进行体素栅格下采样,其次找出源点云的SIFT特征点并保存成点云,然后调用ICP算法,使用保存的SIFT特征点点云与目标点云进行配准,并通过RANSAC算法去除错误点对,保留变换后的源点云,重复上述过程,用以提高精度,直到满足收敛条件。实验表明,该文方法不仅速度较快,而且精度较好。

一种基于改进的SIFT特征点算法的无人机影像快速匹配研究

由于无人机在空中的姿态不稳定,拍摄的影像存在像幅小、数量多、基线短、倾角过大、曝光不均匀等问题,采用常规的影像匹配方法效果不是很理想,有时甚至无法进行匹配,而SIFT(Scal Invariant Featre Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像处理中。本文分析了SIFT算子的优点,介绍了用该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进行精匹配。经对同一地区无人机航空摄影影像的匹配试验,取得了较好的结果。实验证明,该方法具有稳定、可靠、快速等特点,应用前景十分广阔。

基于SIFT特征点改进聚类的图像检索方法研究

由于SIFT特征点能对图像局部特征进行合理、精确描述,有效使用SIFT特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题。针对该问题,提出一种基于SIFT特征点的改进聚类的图像检索新方法。该方法包括图像颜色转换、特征点改进聚类算法,以及基于该算法的更有效的灰度直方图构建方法。与现有基于流光法的检索方法相比,该方法能有效解决聚类后特征点分组不确定和依赖特征点颜色信息和空间信息权重的问题。从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度。

基于SIFT特征点的无缝图像拼接方法的研究

就目前市场行情,图像拼接有着广泛的应用前景,自动建立大型且高分辨率的图像拼接技术,是解决遥感、医学、计算机等领域图像配准的基本技术。本文就目前传统图像拼接法在尺度、视角和光照变化大时存在的拼接效果缺陷提出了基于SIFT特征点匹配的无缝图像拼接方法。

加权颜色粒子滤波与SIFT特征双融合的行人跟踪

为改善粒子退化现象,提高粒子滤波算法对于遮挡目标的跟踪精度,提出加权颜色特征与SIFT特征双层融合的粒子滤波算法。用粒子的位置信息对传统粒子权重进行改进,作为内层融合,对SIFT点匹配跟踪框与粒子滤波跟踪框进行外融合,改善遮挡情况下粒子退化的情况,提高跟踪精度。在VOT2014视频数据库上的实验结果表明,提出算法平均跟踪精度为95.03%,较传统粒子滤波算法提高了6个百分点。

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法。该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接。整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性。实验结果验证了方法的有效性。

基于SIFT算法的大场景视频拼接算法及优化

目前大量的由独立视频设备获取的小场景视频信息难以满足大场景下信息处理的要求,而通过多设备人工查阅的方式又存在效率低下、信息冗余和碎片化等问题。文中研究了大场景视频拼接技术,利用SIFT算法的尺度不变特性对关键点进行特征匹配,通过仿射矩阵变形完成对图像的拼接工作。在此过程中,对传统的SIFT拼接算法进行进一步的优化,主要是基于距离的优化算法来完善视频拼接的效果;对SIFT特征点匹配、加权优化算法、关键帧提取的技术等进行并行加速,以提高拼接效率。实验结果表明,提出的优化方法能更好地提取视频中的关键信息,以实现更好的视频拼接效果。在视觉效果上,所提方法得到的拼接结果中不存在传统方法出现的两幅图像的交接线。此外,在MATLAB环境下分别对关键点检测和拼接部分进行了加速优化,优化后的关键点检测效率提高了约20%,拼接部分的效率提高了将近57%。在C++环境下,关键点的检测效率提升了14%,拼接部分的检测效率提升了40%。

基于人脸检测与SIFT的播音员镜头检测

播音员镜头的检测是新闻视频结构化的关键步骤之一.提出了一种基于人脸检测与SIFT特征点匹配的播音员镜头自动检测算法.该方法首先利用人脸检测器过滤出具有人脸的候选镜头,然后利用颜色直方图判断镜头是否可能相似,再利用SIFT特征点匹配从候选镜头关键帧中找出相关的镜头组,最后利用各镜头组的信息判断出哪些是播音员镜头.对比传统的方法,该方法除了训练一个通用的人脸检测器外,不需要模板,也不需要针对某类新闻节目训练特别的分类器,可以直接利用算法对新类型的新闻节目提取播音员镜头.实验结果表明,该算法能够广泛地适应于各种不同种类的新闻节目、不同视觉质量的视频,可以有效地应用于新闻视频分析.

基于降采样处理的低空遥感影像SIFT特征匹配分析

针对影像数据降采样预处理对SIFT特征匹配数量和精度的影响进行试验分析,并对在相同采样频率下不同插值方法导致特征匹配数量与精度的差异进行详述,提出在满足影像分辨率要求的前提下,使用三次卷积内插方法进行80%～90%的降采样预处理,可以获得最大的特征匹配数量且满足匹配精度,而所需要的时间开销则减少20%～30%,具有重要的应用价值。

基于SIFT特征匹配的CamShift运动目标跟踪算法

针对复杂背景下采用一般CamShift算法跟踪目标容易失败,提出将SIFT(Scale Invariant Feature Transform)特征点匹配融入到CamShift算法。该算法利用SIFT特征对尺度和方向无关特性实现连续图像序列的精准匹配,具有对尺度缩放、目标旋转以及亮度变化保持不变性的优点,不仅弥补了一般CamShift算法只以颜色为关键信息的不足,而且可将目标跟踪窗口形心和质心间的位移稳定在设定阈值内。最后通过对比性实验来验证该算法的有效性和稳定性。实验结果表明,该算法能够对复杂背景下的光照突变、缩放和旋转运动目标实现实时稳定跟踪。