基于SURF描述子的遥感影像配准

针对多源遥感影像的配准问题,提出一种基于SURF描述子的匹配算法,该算法具有稳健及高精度特性,采用SURF匹配算法得到同名点,利用一次多项式、Forstner算子和最小二乘原理由粗及精地剔除残差较大的同名点,利用提取的密集同名点构建三角网,对影像进行分块精确纠正。实验结果表明,该算法能够实现多源遥感影像的高精度配准。

基于Harris角点和改进SURF描述子的图像快速拼接

针对SURF算法计算量大、对应点匹配时间长的不足,以Harris角点取代SURF斑点作为特征点,改进了描述子生成区域的子块划分方式,使区域面积减小40%。同时,引入尺度因子s以弥补采样区域减小的影响,形成一种计算量小、独特性好的描述子。以该方法构造的角点特征矢量参与同名点匹配,可实现较好的匹配快速性和准确性。匹配完成后,分别使用RANSAC方法和L-M方法获取变换矩阵并进行非线性优化,最后根据图像的不同区域采用不同方法完成图像融合。实验结果表明,该图像拼接方法与传统SURF法相比,图像匹配时间可节约35%以上,整体图像的拼接时间可节约30%左右,大幅提高了图像拼接的效率。

结合SURF描述符和广义近邻图的图像配准算法

针对传统互信息配准方法计算量较大且未利用图像空间信息的缺点,提出了一种结合SURF描述符和广义近邻图的图像配准算法。该算法用SURF从图像中提取尺度空间特征点并获得特征点描述子,然后用广义近邻图来估计Rényi熵与互信息。该算法结合了SURF描述子的鲁棒性和广义近邻图估计Rényi熵的高效性。实验结果表明,对于真实遥感图像,该算法在配准准确度、鲁棒性和速度上都明显优于几种传统配准方法。

基于SURF特征描述符和杰卡德距离的文物碎片拼接

针对文物碎片拼接过程中存在因局部碎片缺失和纹饰几何特征受损导致断裂面特征提取不准确的问题,本文提出了一种基于SURF特征描述符和杰卡德距离(Jaccard Distance)的文物碎片拼接方法。首先用Canny算子提取碎片边沿轮廓线以及模型表面纹饰线条,再通过构造多尺度空间来提取断裂面特征点。其次,针对以往构建特征描述符存在的高冗余和欧氏距离计算存在的高延时问题,本文提出构造低冗余的SURF特征描述符,再借助Jaccard距离来进行特征点的相似性比较,确定碎片最优邻接关系。最后采用ICP方法计算得到刚体变化参数,实现碎片较准确拼合。实验结果表明本文算法运行时间提高了12%~16%,拼接误差不超过0.750 mm。与传统方法相比,本文方法能有效地减少因碎片模型受损而造成的拼接缝隙过大、渗透等现象,拼合误差较小,高效地实现碎片拼接。

基于改进的FAST-SURF快速图像拼接算法

针对SURF(speeded-up robust features)算法计算量大、图像拼接效率低的不足,以FAST(features from accelerated segment test)角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几何约束法剔除错误匹配点,提高匹配的准确性。匹配完成后,通过减少样本集的个数和舍弃不合理参数模型来改进RANSAC(random sample consensus)方法,获取单应性矩阵,最后进行图像变换、融合和拼接。实验结果显示,该图像拼接算法与传统的SURF算法相比,图像拼接总时间减少了12%,拼接效率得到了显著提高。

面向增强现实的SUSAN-SURF快速匹配算法

针对增强现实对图像匹配算法的高实时性要求,提出了一种基于SUSAN角点检测和SURF特征描述的快速图像匹配算法。利用SUSAN定位特征点,生成特征点主方向和SURF特征描述符,然后运用随机K-D树并结合摄像机姿态变化完成邻近点搜索,再利用基于点积的相似度度量完成初匹配。通过统计特征点距离误差快速剔除误匹配点,获取最终同名点集。实验表明,该方法的单个特征点匹配耗时仅为SURF算法的23.4%,匹配正确率比SURF算法高9.7个百分点,且对光照变化、噪声干扰有较强的鲁棒性,能够满足增强现实系统对图像匹配算法的速度快、精度高和抗干扰能力强等要求。

基于FAST-SURF的移动端实时特征检测匹配算法

针对移动终端自然特征提取和匹配的处理能力不足,提出了一种基于FAST-SURF特征检测匹配的简化算法,采用FAST算法检测自然特征点,再采用简化过的SURF算法计算特征点的方向,并建立特征描述符,然后将建立好的特征点描述符与数据库中的特征描述符进行匹配。实验结果表明,该算法处理图像花费时间短,在移动端能实时处理自然特征检测与匹配。

改进的SURF算法及其在目标跟踪中的应用

SURF特征描述子在目标跟踪中得到了有效应用。针对SURF特征描述子运算复杂,难于在嵌入式系统中实时实现的问题,提出了一种改进的SURF特征描述子。对SURF特征描述子的生成过程进行了改进,利用三角特征和对角线特征设计了改进的SURF特征描述子。对不同变化情况下的图片进行了特征点匹配实验,对其性能进行了验证和分析;在DSP中对所提改进SURF特征描述子的快速实现进行了验证,在实验条件下,改进的SURF特征描述子在DSP中的运算速度达到了28f/s,比改进前提高了约47%。最后,基于SURF特征点匹配,设计了目标匹配跟踪策略,对改进SURF特征描述子在目标跟踪中的有效性进行了验证。

SURF和RANSAC在图像拼接中的应用

图像特征检测在计算机视觉带动下得到了快速发展。SURF特征描述能够非常稳定快速地对图像特征进行检测和描述。RANSAC能够在inliers大于50%的条件下很好地估计出模型参数,在特征点匹配上起到了关键作用。本文利用SURF特征描述子对图像特征点进行检测和描述,然后运用交叉匹配的策略有效地消除一些错误匹配点对,然后运用RANSAC算法进行模型估计,最后使用线性加权的方式对图像进行融合。该方法利用了SURF快速检测和稳定性的特点和RANSAC算法时间复杂度小的特点进行特征点快速准确匹配,最终能够实现快速的图像拼接。

一种基于嵌入式全景视频流影像数据实时拼接方法

针对机载全景视频流影响,提出了一种基于嵌入式的全景实时拼接方法。提取图像中的SURF(speeded up robust features)特征点,生成特征描述子。通过计算2个特征点之间的欧式距离来确定匹配度,经过仿射变换后,利用泊松变换实现图像间的融合平滑处理。将上述流程在目标设备上进行并发执行,根据每个流程自身的特点进行定制化优化,实现全景实时拼接。试验测试表明,本方法实现了拼接接缝处基本无缝的效果,拼接速度达到30 Hz,能够满足实时显示的要求。

图像内部Move-Copy篡改盲取证算法研究

针对一般Move-Copy图像篡改取证算法低鲁棒性特点,提出新算法.首先利用颜色不变量检测特征点位置,提高特点的数量和取证结果的召回率;其次用RGB颜色通道扩充Surf描述子向量维数,提高特征向量的健壮性和鲁棒性;然后定义噪声敏感系数判断图像噪声点并对之进行预处理;接着利用序贯相似性检测算法对特征点进行配准以提高配准速度;最后利用肯德尔系数和四条假设对取证结果进行约束,得到最后结果.实验结果表明,本文算法取证准确率较高,鲁棒性强,具有较强的取证说服力.

基于FAST关键点的增强现实跟踪注册算法

介绍了一种基于FAST关键点的无标志点增强现实跟踪注册算法.算法在标定关键帧图像的基础上,对获取的视频图像,使用FAST角点探测算法提取特征点并建立相应点的SURF描述.经过RANSAC算法消除外点后,将这些点与关键帧图像中的FAST关键点进行匹配,获取摄像机的姿态,完成系统的自动跟踪注册.实验结果表明,算法实时性好、鲁棒性强、跟踪定位精度高,有效推动了AR在智能终端的应用.

基于两级隐式形状模型的抗遮挡目标跟踪

为解决遮挡条件下的目标跟踪问题,提高定位精度,提出一种基于两级隐式形状模型的目标跟踪算法。利用Fast Hessian检测子提取待跟踪目标及周围区域的局部关键点区域构建码本字典,用SURF描述子获取码本的特征描述矢量建立码本支持模型,利用广义Hough变换建立码本字典集与目标之间的共生关系,通过隐式形状模型进行在线学习更新,通过寻找投票空间中的极大值来对目标进行定位,根据跟踪过程中目标遮挡程度的不同,分别赋予目标自身码本投票及周围码本投票不同权重,提高不同遮挡状态下目标定位精度。实验结果表明,在目标被遮挡甚至不可见或者丢失后重新回到视场时,该算法均能鲁棒地定位出目标。

基于极性复指数变换的图像伪造检测算法

为解决当前图像伪造检测方法在识别复制内容区域时忽略了颜色信息和不同颜色分量之间的相关性,使其对伪造内容的定位与检测准确度不理想的问题,设计了基于改进的加速稳健特征(SURF)描述符与多元极性复指数变换的图像伪造检测算法。引入高斯低通滤波器,对彩色图像完成过滤,以消除噪声,再计算滤波图像的颜色不变性,用其替代SURF描述符中的灰度分量,对SURF方法予以改进,获取新的Hessian矩阵,充分检测彩色图像中的兴趣点;随后,利用这些兴趣点来构建一组连通的Delaunay三角网。基于四元极性复指数变换,充分考虑不同颜色分量之间的相关性,有效提取三角网的局部视觉特征;计算视觉特征之间的欧式距离,根据预设阈值,对三角网实施配准;最后,引入随机样本一致性,剔除错误匹配的三角网,并定义后处理方法,检测出复制伪造区域。测试数据显示:相对已有的复制-粘贴伪造检测方法,在多种几何变换条件下,所提方法具有更高的伪造检测准确性。

一种多源遥感影像自动匹配通用方法

实现多时相、高分辨率遥感影像稳健的全自动匹配是遥感科学的重要课题。针对多源遥感影像间的自动匹配,寻找出一种通用的匹配算法流程,该流程通过提取尺度不变性Harris_Laplacian特征点,采用SURF匹配算法得到初始同名点,之后利用初始关系进行点位预测及模板匹配,并采用最小二乘原理剔除残差较大的匹配点对,实现影像间稳健及精度较高的自动匹配。实验结果表明,该流程能够实现多源遥感影像的高精度匹配,并无需人工参与,提高匹配效率和自动化程度。