SIFT与SURF特征提取算法在图像匹配中的应用对比研究

SIFT算法和SURF算法是图像特征提取和匹配的典型方法,广泛应用于目标检测、图像理解与识别等领域,然而对二者尚缺乏较深入的对比研究。针对这两种算法,采用实验室相机实拍图像和低空无人机实拍图像,以不同的图像旋转角度进行特征点提取和图像匹配实验,从匹配成功率和运行效率两个方面对算法的性能进行对比研究。结果表明,SIFT算法具有较好的图像旋转不变性,匹配精度较高,而SURF算法匹配精度较低,但是效率较高,因此在实际应用中可根据具体需求合理选择。

基于SIFT图像特征提取与FLANN匹配算法的研究

针对传统的图像匹配算法存在误匹配率高,特征提取信息也比较少的问题;文章提出了SIFT与FLANN匹配算法结合起来的一种图像匹配方法;首先,将尺度不变特征变换算法SIFT应用到图像的特征点提取与匹配中;其次,SIFT算法主要就是在在构建成功的尺度空间中寻找出极值点,寻找出稳定的特征描述,特征描述必须具备以下特征,对尺度、光照以及图像的变形都要具有很强的适应能力;最终,利用高维数据的快速最近近邻算法FLANN进行特征匹配,找到图像中准确的匹配点对,研究了SIFT这种应用广泛的特征点提取算法,通过实验比较了这种组合算法的特征点提取在不同光照,平移,旋转下的结果,匹配精度满足一定的要求。

基于SIFT的新特征提取匹配算法

针对传统的图像匹配算法特征点不稳定和匹配时间慢的问题,提出了一种改进的尺度不变特征变换(SIFT)图像匹配算法。首先对传统的Harris角点构造高斯多尺度空间,使角点具备多尺度不变性;然后采用Canny边缘提取算法修饰Harris角点以增加稳定特征点数量;最后构造SIFT特征描述符,计算多幅图像中对应特征点描述子的欧式距离,完成特征点对的匹配。实验结果表明:相比于传统的SIFT算法和SURF算法,研究所提出的方法能够有效地提高特征点匹配精度,减少图像匹配时间。

基于直方图均衡化的PCA-SIFT图像特征提取与匹配改进算法

为了克服SIFT算法运算量大、运算耗时长和实时性不强的缺点,课题组提出了基于直方图均衡化PCA-SIFT算法,以增强灰度图像的明暗对比度,增加匹配成功率,改进描述子生成方式,沿用主成分分析法(PCA)降低特征检测维度,减少耗时。仿真实验表明该算法有效地减少了运算时间,并且一定程度上减少了不必要的特征点的匹配数量。新算法能有效减少运算量。

改进SIFT算法的手指静脉特征提取和匹配研究

为了更好地研究SIFT(尺度不变特征)算法在手指静脉特征提取和匹配过程中的应用,提出将手指静脉样本图像特征点代入到同散度矩阵的低维子空间,利用对低维子空间映射的方法可以提高SIFT算法在宏观层次上的准确度,设想基于尺度、方向和距离约束,通过RANSAC消除错误匹配的点对,改良特征点的匹配精度和特征匹配的点对数目。通过对手指静脉图像处理及实验可得,优化后的SIFT算法识别率可以做到99.68%,效果较普通SIFT算法更为准确、有效。

SIFT特征提取在非约束环境下目标匹配中的应用

在非约束环境下,由于环境因素以及目标姿态的影响,给高精度的目标匹配带来一定的难度。基于此,将SIFT特征提取算法应用于非约束环境下的目标匹配中,从而有效地提高非约束环境下目标跟踪的准确性,同时通过有关实验进行了验证。实验表明,非约束环境下SIFT特征提取算法能达到较高目标检测要求,能够很好地克服非约束环境下特征提取的困难,提高目标匹配精度。

鲁棒的新型特征提取和匹配算法

针对现有图像特征匹配算法高复杂度、耗时长等问题,提出一种基于局部特征点的新型特征匹配算法。首先,构建尺度金字塔,在不同的尺度上进行FAST特征点检测,根据特征点的Harris响应对特征点进行排序选取;然后利用图像的矩和积分图的方法获得特征点方向,再根据同心圆的采样模式构造特征点向量,最后根据特征点向量的汉明距离进行特征匹配。实验研究表明,该算法在图像有一定程度的缩放、旋转和噪声影响的条件下,运行效果仍然稳定可靠。与传统的SIFT算法相比,该算法在保证特征提取与匹配良好性能的前提下,运行速度要比SIFT算法快数倍。

一种基于特征提取和模板匹配的人脸检测算法

提出了一种基于特征提取和模板匹配的人脸检测算法。在粗检部分 ,利用脸部特征获得候选脸 ;在细检部分 ,利用模板匹配对候选脸进行确认 ,得到最后结果。经实验证明 ,算法可以克服光照、姿势、表情、胡须、眼镜等干扰 ,并允许有局部遮挡 ,具有较强的鲁棒性。

基于振动信号最优特征提取算法的风力机齿轮箱SVM故障诊断

针对风力机齿轮箱故障诊断的特征提取过程,提出基于振动信号最优特征提取算法的风力机齿轮箱SVM故障诊断方法。首先,分析3种主要特征提取算法各自适应性高的信号类型;然后,根据不同类型信号所具有的信号特性,利用信号分析对传入的振动信号进行特性提取并分类,将不同类别信号与适应性高的特征提取算法进行匹配,实现振动信号的最优特征提取;最后,将匹配算法与支持向量机模型结合实现故障诊断。对实际采集的3种齿轮故障信号进行测试与验证,结果表明该方法可有效进行最优特征提取与算法匹配,相比未经过匹配算法具有更高的故障诊断准确率。

图像检索中颜色的特征提取及匹配算法

介绍了基于内容图像检索中多种颜色的特征提取和匹配算法,以及加权欧几里得距离、中心距的加权距离、直方图交集算法等。结合西北大学可视化研究所开发的数字博物馆影像数据库系统,对这些算法进行了实验比较。结果表明,加权距比欧氏距有所改善;而中心距算法简单,检索速度快;直方图交集法相对于加权欧氏距并没有明显改善。在实际应用中可先使用一种速度快的算法,再在查询结果上进行二次查询。

立体匹配SIFT图像特征点提取算法仿真研究

研究图像特征优化提取技术。针对同一场景下的投影图像总是存在着一定的差异,造成了图像特征点提取精度低等不足,提出了一种改进的SIFT图像特征点提取算法,采用了SIFT算子算法和立体匹配算法相结合的混合算法。首先给出了图像特征点的相关定义,然后算法对所有像素点进行一次全面地判断,快速而准确的去除掉一部分没有关系的点,在剩余点中选取图像的特征点。实验结果证明了提出的方法能够有效地提取图像关键点信息。

基于SIFT特征点提取算法的三维数字影像重建方法

针对在数字影像三维重建过程中,由于原始数据中存在噪声和失真等不足,导致特征匹配效率和精度较低的问题,提出基于SIFT(Scale-Invariant Feature Transform)特征点提取算法的三维数字影像重建方法。采用双边滤波算法对数字影像中的环境噪声实施消除处理,并保留数字影像的边缘信息,提高特征点提取精度;通过尺度不变特征转换(SIFT)算法对其提取特征点,得到数字影像的特征点对;将该特征点对作为初始面片,利用空间目标多视影像密集匹配方法,实现对数字影像的三维重建。实验结果表明,所提方法特征匹配效率和匹配精度高,且降噪能力强,生成的三维重建影像所需平均时间为26.74 ms。

月球表面图像的SIFT特征提取与匹配

在分析月球表面不同尺度、不同谱段图像特点的基础上,本文以Visual C++和OpenCV为开发平台,对月球表面多光谱图像数据和多尺度图像对数据进行特征点提取和匹配,并验证算法的有效性。实验结果表明,改进的SIFT特征具有旋转、平移、尺度缩放、亮度变化和视角变换的不变性,能较好地完成月球表面各种图像的特征提取和匹配。

适用于倾斜影像的加速KAZE-SIFT特征提取算法

针对传统正摄影像的特征提取算法处理倾斜影像匹配效果不佳的问题,在已有特征提取算法的基础上,提出了一种适用于倾斜影像的特征提取算法——加速KAZE-尺度不变特征变换(AKAZE-SIFT)算法。首先,为保证特征检测的准确性与独特性,采用充分保留图像轮廓信息的加速KAZE(AKAZE)算子进行特征检测;其次,为提升特征描述的稳定性,采用稳健的尺度不变特征变换(SIFT)算子进行特征描述;然后,依据目标特征向量和候选特征向量间的欧氏距离确定粗匹配点对;最后,采用随机抽样一致性算法进行单应性约束,提高匹配纯度。模拟影像在倾斜摄影条件下的模糊、旋转、亮度、视角和尺度变化,对特征提取算法性能进行评估,实验结果表明,AKAZE-SIFT算法相比SIFT算法和AKAZE算法召回率分别提高了12.8%和5.3%,精准率提高了6.5%和6.1%,F1值提升了13.8%和 5.6%;提取效率优于SIFT算法,略逊于AKAZE。AKAZE-SIFT算法具有良好的检测和描述能力,更适用于倾斜影像特征提取。

改进SURF算法的特征提取与匹配方法研究

针对门把手图像特征点提取与匹配对快速性和准确性的要求,提出一种改进SURF算法。该算法主要对图像较平滑区域难以提取出大量信息点的问题进行改进。增加了边缘检测算法,得到图像边缘信息后进行形态学处理,并通过膨胀运算和开运算后获得门把手图像边缘区域信息并提取出关键点,进而获得较多特征明显的信息。改进SURF算法和原始SURF算法相比,在平滑区域能够较好提取出特征点,匹配准确率也有明显的提升,并且增强了算法的实时性。

一种基于特征提取和多模板匹配的心律失常检测算法

基于特征提取和多模板匹配的心律失常检测算法通过样本数据库创建模板库,对模板库进行特征提取以创建特征库,同时建立索引与模板库关联,然后使用特征库中的模板与待检测心电信号进行粗匹配运算,当粗匹配的相关系数大于预设阀值后,再利用索引加载相关模板进行细匹配运算。使用MIT-BIH数据库的数据验证基于特征提取和多模板匹配的心律失常检测算法的效果理想。

块匹配算法在基于MPEG-4的人脸特征提取中的改良及应用

首先对视频内容进行了分析,针对不同人脸的光照效果和色度变换效果做了平滑处理,以减少灰度突变区域。然后运用匹配算法进行像素匹配。为减小计算量,添加了特征点位置约束关系和梯度约束关系的限制,同时改进了相关系数的计算方法,这样不仅有效提高了匹配准确度,同时还减少了计算复杂度。试验证明匹配效果显著,而且计算量没有增加。

结合全局信息的SIFT特征匹配算法

提出了结合全局信息的SIFT(Scale Invariable Feature Transformation)特征匹配算法,解决了图像中存在多个相似区域时造成的误匹配问题。在尺度空间检测出特征点,生成包含两基于局部信息的SIFT向量和基于全局信息的全局向量;采用BBF(Best Bin First)算法进行搜索,并采用欧氏距离作为度量函数进行特征向量的匹配。实验结果表明,由于在基于局部信息的SIFT向量中加入基于全局形状信息的全局向量,使得当特征点的尺度较小时,可以借助更大邻域范围内的信息对其进行描述,从而降低了由于局部信息相似而造成的误匹配的概率。所用图像误匹配的概率由19%下降到了11%,极大地改善了匹配效果。

基于SIFT图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.

基于模板匹配的人脸图像特征提取

提出了一种利用模板匹配与遗传算法的人脸图像特征提取的方法 .利用该方法可以完成人脸图像的眼睛和嘴的特征提取 .在定义表征人脸突出特征的眼睛模板和嘴部模板及其全局能量函数的基础上 ,采用遗传算法实现了能量函数的全局最小化 .实验结果证实了该方法有效、稳定 。