基于AGAST-BRIEF的图像匹配融合算法

针对传统算法AGAST在图像处于复杂场景条件下进行图像检测时,造成图像匹配结果精度低和实时性差等问题,提出一种基于AGAST-BRIEF的图像匹配融合算法。首先,利用高斯滤波对图像进行预处理,实现去除图像噪声干扰,保留图像边缘信息的效果,通过AGAST与尺度空间理论相结合进行特征提取;然后,使用BRIEF描述子对图像中的关键点进行描述,提高特征匹配效率;最后,采用FLANN算法得到初次匹配对,使用GMS与改进的RANSAC算法对初次匹配结果进行二次筛选,得到图像特征精匹配。实验结果表明:所提算法相较于SIFT、AKAZE、KAZE算法匹配准确率提高,匹配运行时间最短,具有良好的鲁棒性。

HOG-FLANN在图像匹配ORB算法中的应用

针对ORB算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高ORB特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对ORB特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高ORB特征点预匹配的准确率,并具有较好的稳定性。

中值滤波在噪声图像匹配中的应用

在图像匹配中噪声是影响图像匹配准确性的关键因素之一,为了提高图像匹配的准确率,本文提出了中值滤波与SIFT算法相结合的图像匹配算法。使用中值滤波对含有噪声的图像进行预处理,然后采用SIFT算法对图像中的特征点进行检测并获取特征点的描述符。在图像匹配中采用快速最近邻逼近搜索函数库(FLANN)算法快速完成图像特征点的匹配,最终采用随机采样一致性(RANSAC)完成对错误匹配的剔除实现图像的精确匹配。

特征匹配技术在水下边坡监测中的应用研究

针对传统水下边坡监测无法快速、直观展现水下边坡的形态、坡度和细部地形特征,以及多期测量成果间客观存在的系统偏差问题,提出了一种基于特征匹配的水下边坡监测新方法。首先将每期多波束三维点云数据生成水下地形曲面,得到水下边坡的多波束声纳影像;然后将多期监测声纳影像采用加速稳健特征算法生成目标特征集,采用快速最近邻逼近搜索函数库和k邻域算法高效找到最优匹配点;最后通过匹配点校正后的声纳影像,可直观反映水下边坡的动态变化,为后期水下边坡整体稳定性分析与治理提供了基础地形数据。与传统监测的方法相比,该方法实现了水下边坡地形监测可视化,具有全覆盖、分辨率高的特点,对及时监测和掌握水下边坡的动态变化具有一定的工程意义。