基于SIFT特征匹配的活性污泥显微图像拼接方法

针对相差显微图像视野有限,单张图像难以全面展示样品信息的问题,提出一种基于SIFT特征匹配的活性污泥图像自动拼接方法.该方法通过SIFT特征提取算法提取污泥显微图像的特征,运用最近邻算法进行匹配.使用投影变换模型进行空间几何变换,将待拼接的活性污泥显微图像叠加在一起.采用渐入渐出融合算法对叠加后的图像进行融合,解决图像拼接过程中拼接缝明显的问题.某污水处理厂活性污泥相差显微图像拼接实验结果表明该方法在拼接质量和信息完整性方面表现良好.

基于SIFT特征匹配的图像拼接算法

基于SIFT特征匹配思想,提出一种快速、准确的图像拼接算法。SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力。在这一匹配思想的基础上结合多分辨率样条提出一种新的图像拼接算法,它采用多分辨率样条来确定拼接区域宽度和加权函数,使图像在不同分辨率下分别拼合,这样使拼合出的图像既清晰又光滑无缝。算法在大多数情况下能自动完成,实验结果证明该方法提高了拼接速度,降低了图像亮度差异的影响,使结果图像自然逼真。

基于SIFT特征匹配的电力设备图像变化参数识别

在变电站视频监视系统中,可通过视频巡检来及时发现某些异常状态,以免产生故障。图像的某些参数的改变是判别图像状态改变的重要依据,提出了一种基于SIFT,OTSU和RANSAC相结合的特征匹配的电力设备图像变化参数识别算法。先对样本资料图像和监测图像进行SIFT特征匹配,与OTSU相结合消除干扰匹配特征点,再通过RANSAC随机抽样一致性算法消除错误匹配特征点,根据匹配结果识别电力设备图像变化角度和缩放比例这2个重要参数。仿真实验表明,此算法简单易行,精度高,可用于电力铁塔倾斜角度和指针式仪表指针旋转角度的识别,也可用于视频巡检中缩放系数的识别。

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。

基于SIFT特征匹配和射影变换的控制点快速量测方法研究

针对无人机影像控制点量测人工作业量大的问题,本文提出了一种基于SIFT特征匹配算法和射影变换关系的无人机影像控制点位置预测方法:首先对控制点影像和待量测影像进行匹配,然后利用同名像点坐标计算影像间单应矩阵,最后计算待量测影像上的控制点坐标,达到控制点位置预测的效果。基于VS2010平台开发控制点位置预测软件并进行测试。实验表明:该软件可用于无人机影像控制点位置预测,大大提高了控制点量测效率。

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。

SIFT特征匹配旋转补偿的影像匹配方法

本文针对较大旋转角度影像的匹配问题,提出一种基于SIFT特征匹配旋转补偿的影像匹配方法。即采用SIFT特征匹配方法估计影像间的旋转角度,对匹配窗口影像进行旋转补偿,最后采用带核线几何约束条件的相关系数法寻找同名点。在每层金字塔,采用带模型连接条件的相对定向来删除错误匹配点。通过对一组实际航摄影像进行试验,验证了所提出方法的有效性。

基于SiftGPU特征匹配方法的实时视觉里程计系统

采用尺度不变特征变换(SIFT)特征匹配方法对双目相机图像进行立体匹配,同时匹配相邻两时刻的三维点,求解运动方程进行运动估计,得到机器人2个时刻坐标变换的旋转和平移参数;使用每2个时刻的旋转和平移结果进行机器人的路径反演,采用GPU加速SIFT特征提取与匹配,实现实时的视觉里程计系统,并采用RANSAC算法用于运动估计剔除误匹配点干扰。实验结果表明,具有仿射变换较强不变性的SIFT特征匹配算法能够得到较为精确的路径反演结果,采用GPU加速SIFT特征提取与匹配能达到实时的视觉定位效果。

基于Harris算子和SIFT特征匹配的无人机影像处理

实时测绘及社会各行各业对遥感数据获取的现势性和及时性要求越来越高,而无人机(Unmanned Aerial Vehicle,UAV)航空摄影作业方式灵活快捷、其获取的影像具有时效性、分辨率高等优点,因此无人机航空摄影在各行各业得到了越来越广泛的应用。由于UAV遥感系统平台的平稳程度不高,造成影像重叠度不规则、旋偏角大等原因,目前灰度匹配算法难以满足无人机影像匹配的要求。从影像匹配基本原理着手,探讨了目前常用的并且适用于无人机影像匹配算法,通过实验研究分析了基于Harris算子和SIFT特征匹配的实现过程和匹配效果。

基于SIFT算法的图像特征匹配

SIFT特征匹配算法的原理在于生成特征点的SIFT特征向量,通过对特征向量之间的匹配来实现图像之间的匹配。SIFT特征是一种尺度不变的局部图像特征,阐述生成SIFT特征向量的具体过程,包含尺度空间构建、关键点的检测和精确定位、关键点方向向量的确定和最终SIFT特征描述子的形成等步骤,以及根据形成的特征描述子进行图像的匹配。根据实验结果得出SIFT算法可以有效准确地实现图像之间的匹配。

基于sift特征的图像匹配算法

图像匹配是处理和解决各种图像信息的基础,已经成为虚拟现实和计算机可视化领域的研究热点。一直以来,研究人员对图像匹配技术进行了大量的研究,推出了许多匹配算法,其中特征匹配算法有着较高的精确度和稳定性,特别是基于尺度空间的特征检测可以很精确的对图像进行特征检测和匹配。SIFT(Sale Invariant Feature Transform即尺度不变特征变换)特征匹配算法就是其中比较成功的一种算法。图像中有很多关键点对尺度变换、旋转、亮度变化等现象能保持稳定不变的特征。SIFT特征匹配算法就是提取这些关键点来实现图像匹配。其强大的匹配能力,可处理图像之间发生位移、旋转、视角变换,仿射变换,光照变化情况下的匹配问题,更为精准的实现图像的匹配。

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。

基于特征匹配算法的双目视觉测距

距离测量作为障碍物检测以及路径规划的前提和基础是机器人研究领域的一个重要分支。在众多测距方法中,由于双目立体视觉具有信息丰富、探测距离广等优点被广泛应用。本文将改进的SIFT特征匹配算法应用到双目视觉测距与标定系统中。首先建立双目视觉测距模型,测量值由空间物点在左右摄像机下的像素坐标值决定;其次根据该模型的特点提出了基于平行光轴的双目立体视觉标定方法;最后利用改进的SIFT特征匹配算法,提取匹配点的像素坐标完成视觉测距。实验结果表明,根据测量数据对障碍物进行三维重建,相对距离与真实场景基本吻合,能够有效地指导机器人进行避障。

基于Sift特征的服装纸样检索

提出了基于Sift特征的服装纸样检索方法.首先提取服装结构图的Sift特征,再采用近似的最近邻搜索算法在纸样数据库中检索相似纸样.该方法对于相似的图像或子图像具有良好的识别能力,可大大减少服装纸样检索的时间,从而有效利用已有的纸样库资源,避免重复打板.另外,该方法还可用于甄别服装板型结构设计的原作.

结合模型匹配与特征跟踪的人体上半身三维运动姿态恢复方法

人体姿态空间的高维性及单目视频深度信息丢失,导致从单目视频恢复人体三维运动姿态非常困难,为此,利用特征跟踪的快速性及模型匹配的鲁棒性,提出一种无标记人体上半身三维运动跟踪方法.该方法利用匹配SIFT特征,并根据长度不变性约束建立优化目标函数,再采用迭代优化算法得到全局运动位姿;其他关节的姿态先根据逆运动学计算初始估计值,并通过模型匹配验证其可信度,当初始姿态估计错误时,则使用局部搜索获得关节姿态.实验结果表明,文中方法可以准确地恢复单目视频中人体上半身三维运动姿态.

改进的SIFT双向匹配算法在异源影像匹配中的应用

针对不同传感器、不同时相、不同分辨率的异源遥感影像匹配困难的问题,引入尺度不变特征(Scale Invariant Feature Transform,SIFT)算法;针对传统SIFT匹配算法的不足,利用SIFT特征向量匹配对的唯一性约束改进传统SIFT算法的匹配策略,采用双向匹配以达到在匹配过程中准确寻找匹配点对的目的,提高影像匹配的正确率,实验证明,该方法适用于异源影像匹配。

基于SIFT特征匹配的水表指针自动定位及识别方法

本文通过提取水表图像SIFT特征点与水表子表盘模板进行匹配点筛选,利用Kmeans聚类算法对匹配点进行分类实现水表子表盘的自动定位;接着利用色差模型对水表子表盘图进行灰度化处理;对灰度图进行二值化处理,并采用统计面积法消除干扰点,提取并识别水表指针。实验结果显示该算法精准定位水表指针,并完整识别出水表指针。

基于改进SIFT算法的图像匹配方法研究

SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。