具有局部自适应阈值的SIFT快速图像匹配算法

针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子。首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子。实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹配准确率明显提高。

基于空间分布描述符的SIFT误匹配校正方法

针对SIFT(scale invariant feature transform)特征描述符因仅利用特征点的局部邻域信息而对散落在图像内相似结构中的点极易发生误匹配的现象,提出了一种基于空间分布描述符的SIFT误匹配校正方法。该方法首先利用SIFT算法进行匹配;然后对于匹配结果中的特征点,再利用图像轮廓像素点对该点的空间分布信息进行重新描述,以形成一种独特性更高的空间分布描述符;最后运用此种描述符,对匹配结果中存在的"一对多"和"一对一"的错误匹配形式,分别采取两种不同的匹配策略进行校正。以真实图像进行的实验结果表明,该方法与RANSAC(随机抽样一致性)算法相比,其在不损失正确匹配的前提下,能够真正提高正确匹配率。

基于RANSAC的SIFT匹配优化

本文提出了一种基于RANSAC的SIFT匹配优化。采用加权的圆形邻域替代原有SIFT描述子矩形邻域,使得描述子维度降低了25%。根据特征点最近邻与次近邻的距离比越低,其匹配正确率越高的特点,对匹配点按最近邻比率高低进行匹配点排序,并以最优匹配点作为简化的RANSAC算法初始样本数据集,用简化的RANSAC算法进行几何校验,进一步提纯匹配点。实验结果表明本文方法在匹配精度优于RANSAC-SIFT的基础上,匹配速度大约提高了10倍。尤其当匹配点增多时,本文方法在匹配速度上更加有优势。

多摄像机之间基于区域SIFT描述子的目标匹配

提出了一种多摄像机之间的目标匹配方法,摄像机可以带有云台.该方法是基于区域的方法,但是区域的特征以SIFT描述子而不是通常的颜色来描述,同时目标的检测使用减背景技术,目标跟踪则选用粒子滤波.该文的匹配方法不需要摄像机之间的合作,也不要求目标物体处于同一地平面.文中方法的主要特点还表现在:(1)无几何约束的需求,同一目标物体的背景完全切换后,也可以进行匹配;(2)可以匹配各种类型的目标物体;(3)摄像机在目标跟踪期间可以简单运动(通过云台);(4)适合分布式计算,但也可以集中式处理;(5)容忍亮度的变化.实验结果证明作者的方法是有效的.

一种使用自适应小波去噪和SIFT描述符的步态识别研究

针对步态特征提取与识别性能过度依赖所采集步态加速度信号质量和周期划分的问题,提出一种使用小波去噪和SIFT描述符的步态识别方法.首先,根据小波去噪质量评价指标自适应地选择最优小波基函数进行小波去噪.其次,采用SIFT算法提取关键点,以K-means聚类方法计算关键点描述符集合的聚类中心,经拟合得到步态特征进行识别.实验结果表明,该算法能有效地去除高频噪声,避免周期划分偏差对步态特征准确性的影响,经自采和公开数据集实验,最短响应时间为0.52s,最大识别率为91.7%,证明了该方法在小样本范围达到对步态信号的有效识别.

一种结合PCA与信息熵的SIFT特征向量自适应降维算法

针对尺度不变特征变换(SIFT)描述子在目标匹配与识别过程中特征向量维数较大、匹配实时性较差的问题,提出一种结合主成分分析(PCA)与图像信息熵的SIFT特征向量自适应降维算法.首先分析SIFT特征向量矩阵的稀疏性,用170组不同场景图像提取的SIFT特征向量作为训练数据,并对其进行PCA投影,生成特征向量PCA矩阵组;其次根据PCA矩阵能量层次与图像信息熵的关系筛选出PCA模板并拟合出"维度-信息熵"关系式;最后,加载PCA模板及"维度-信息熵"关系式,根据测试图像的信息熵,构建自适应降维算法,对测试图像的SIFT特征向量进行降维.本文采用多组图像验证本算法的匹配性能,实验结果表明,本算法能够针对不同场景进行自适应降维,降维后特征点匹配过程耗时降低,匹配精度与降维前相近.

主成分分析法(PCA)在SIFT匹配算法中的应用

针对传统SIFT匹配算法数据量大、耗时长的问题,采用了主成分不变特征变换(PCA-SIFT)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征点及其特征向量,其次将提取出的特征向量采用距离比阈值筛选出匹配点对,再采用RANSAC法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT算法较稳定、精确、快速。

基于改进SIFT算法的图像匹配

为进一步提高SIFT匹配算法的鲁棒性和正确率,从以下几个方面改进SIFT算法。对图像进行多分辨率小波变换,重建图像近似成分——低频信息参与匹配;采用"回"字形双层方邻窗将特征点邻域区域划分成四部分,建立32维特征点描述符向量;运用欧式距离初步确定匹配点,再用积分图像进一步剔除由于特征点具有空间相似性而出现的误匹配点,从而提高匹配精度。实验表明,本文算法在匹配精度和匹配时间上有明显提高,特别是当图像具有较多局部相似特征时,匹配点数增加,匹配正确率提高。

基于SIFT的图像匹配算法

基于SIFT的图像匹配算法通过尺度空间检测特征点,计算特征点邻域的梯度方向直方图生成SIFT特征向量,然后采用SIFT特征向量的欧式距离来作为两幅图像中关键点的相似性度量.从不同阈值设置、视角变化及遮挡、添加噪声等几个方面对基于SIFT的图像匹配进行了研究和探讨.实验结果证明,本算法对图像尺度、视角变化、目标遮挡、噪声影响等方面有较好的鲁棒性,适用于在海量特征数据库中进行快速、准确的匹配.

改进的SIFT算法图像匹配研究

对SIFT(尺度不变特征变换)算法特征描述子维数过高,导致匹配速度过慢、匹配率低等问题,提出了一种分级放射状分区的方法来构建特征描述子,将特征点邻域划分为8个区域,统计各个区域内8个方向的梯度方向直方图,得到64维特征描述子,使特征描述子维数降低50%。同时因马氏距离考虑了特征描述子向量间的相关性,在匹配时用马氏距离双向匹配方法代替欧氏距离进行匹配,并用RANSAC(随机抽样一致性)方法消除误配点。实验结果表明,改进的SIFT算法保留了SIFT算法对模糊、压缩、旋转和缩放等不变性优势,并提高了匹配速度,正确匹配率平均增加10%~15%。

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器(CPU)提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器(GPU)的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。

基于快速SIFT特征提取的模板匹配算法

针对尺度不变特征变换(SIFT)算法计算量大的问题,提出一种基于快速SIFT特征提取的模板匹配算法。采用递推方法加速计算每个种子向量,利用向量排序来保持算法对旋转的不变性,并通过一种适用于该描述符的快速搜索匹配方法,提高算法的实时性。实验结果表明,该算法能提高匹配速度,并且能在旋转、缩放的情况下有效地识别目标。

基于旋转不变特征的SIFT描述子在图像配准中的应用

针对尺度不变特征变换(SIFT)算法中描述子维度高造成配准过程中计算量过大的问题,提出了一种改进的SIFT算法。该算法利用圆形的旋转不变性,以特征点为中心,在近似大小的圆形特征点邻域内构造特征描述子,以每个圆环作为一个子环,每个子环内只有像素位置发生了改变,像素之间其他相对信息是保持不变的。当图像发生旋转时,统计每个圆环内元素的梯度累加值进行排序,生成特征向量描述子,降低了算法的维度及复杂度,把特征描述子的维数从128维降低到48维。实验结果表明,改进算法旋转配准重复率在85%以上;在图像旋转、缩放和光照变化情况下,与SIFT算法相比,平均配准准确率提高5%,平均配准耗时降低30%左右,有效实现了对SIFT的改进。

一种基于扇形区域分割的SIFT特征描述符

提出了一种在圆形区域内基于扇形区域分割的特征描述符构建方法.首先,针对SIFT描述符维数过高,导致匹配速度慢的弱点,提出在半径为9像素的圆形特征区域内划分为8个扇区,在这些扇形特征邻域内统计8个方向的灰度梯度直方图,形成64维描述符的方法,降低了描述符的维数.同时,针对SIFT构建描述符的运算复杂性较高的事实,提出在圆形区域内计算像素灰度梯度主方向,以主方向为基准点把该区域划分为8个等面积扇区的方法,取消了对特征区域的旋转变换,降低了构建描述符的运算复杂性.通过与OpenCV SIFT和Lowe SIFT进行多方面对比实验,结果表明该方法的综合匹配速度具有显著提升,在两幅图像存在一定程度的视点、模糊、旋转、比例、光照变化等情形下,匹配性能有所增强.

基于SIFT描述子的自适应聚合权重立体匹配算法

针对传统局部立体匹配算法在深度不连续区域和低纹理区域匹配精度不高的问题,提出了一种基于SIFT描述子的自适应聚合权重立体匹配算法.算法首先采用梯度域的幅值和相位获取初始匹配代价;然后利用相似性区域判决准则获得各个中心点的自适应矩形聚合窗口,并利用各点SIFT描述子的L1范数进行自适应聚合权重计算.仿真实验结果表明,该算法能够有效地提高低纹理区域和深度不连续区域的立体匹配精度,获得较高精度的视差图.

基于归一化SIFT算法的不同光学影像配准

由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同,给两者之间的配准造成困难。针对该问题,提出归一化SIFT算法,通过对SIFT描述子归一化的处理,降低不同光学影像色调差异大的影响,并通过与最小二乘法和双线性内插法的结合,完成自动配准。选取角度和尺度偏差较大的SPOT与ASTER影像、ASTER与TM影像2组数据进行实验。结果证明,该算法鲁棒性强,配准精度高。

一种基于SIFT算子的人脸识别方法

高独特性特征的选择以及合适匹配策略的选用是人脸识别技术的关键。讨论了基于仿射不变的几何特征SIFT算子进行人脸识别的方法。SIFT算子的计算复杂度较高,并且不同的人脸表情和图像模糊会加大特征匹配的难度。为克服上述缺点,提出了一种新的算法,将选择6个人脸上感兴趣子区域进行描述,并根据各自的独特性赋予不同的权值,最后在匹配过程中使用相似度的平方来减小偏差数据造成的影响。实验结果表明,该方法能有效减轻表情变化对于身份识别率急剧下降的影响,并可显著减少计算复杂度和特征匹配时间。

运用局部形态SIFT描述法过滤网络淫秽图像方法的研究

各国政府和警方目前使用的传统淫秽图像检测方法主要以皮肤检测结果为基础,提取低层特征进行判断,在获得高正检率的同时也导致了大量的误检。为此,本文的方法从获得更直观和高层的语义知识着手,首先检测图像中局部形态变化突出的位置,并建立关于该区域形态的SIFT描述向量。把这些描述向量抽象地看作视觉“单词”,并收集淫秽图像中常见的单词。依据图像中单词出现的情况,来检测是否包含淫秽成分。结合传统检测方法,仅使用简单的Bayes规则判断,在不降低正检率的前提下,使非淫秽图像的误检率得到显著的下降。

结合不同光学影像结构信息的SIFT特征配准法

由不同传感器摄取的遥感影像由于成像模式、拍摄角度和分辨率不同,给两者之间的配准造成了很大的困难。针对这个问题,提出了基于结构信息的SIFT特征配准法,首先提取具有角度和尺度不变性的SIFT特征点,对其进行归一化处理,降低了不同光学传感器遥感影像色调差异大的影响;然后通过对SIFT匹配点对结构信息的一致性检验,增强了算法的鲁棒性;最后结合最小二乘法实现自动配准。选取了角度和尺度偏差较大的SPOT-5(Pan)与ASTER影像、SPOT-5(XS/XI)和TM影像两组数据进行实验。实验结果证明该算法对配准影像在角度、尺度和色调上的偏差具有较强的鲁棒性,可以取得较高的配准精度。