一种SIFT-FREAK图像匹配算法

图像匹配算法是计算机视觉应用研究的基础。为了解决传统尺度不变特征变换算法(Scale-invariant Feature Transform, SIFT)运行效率低、存在误匹配点对和精匹配点对稀少等问题,本文将其与快速视网膜关键点(Fast Retina Keypoint, FREAK)算法和PROSAC算法相结合,提出了一种SIFT-FREAK图像匹配算法。首先在特征点检测阶段,用SIFT算法提取具有尺度不变性的特征点,然后利用FREAK算法构建二进制描述子,特征匹配时,先采用汉明距离(Hamming Distance)进行初始匹配点对,再用双向匹配完成粗匹配,最后用PROSAC算法进行精匹配。实验结果表明,本文SIFT-FREAK算法比SIFT算法和FREAK算法(以加速分割检测特征(Feature from Accelerated Segment Test, FAST)算法提取特征点)在准确率、运行效率和精匹配点数三大方面都有着一定的优势。

基于FREAK特征的多视角影像匹配算法研究

以特征点为基础的影像匹配算法具有稳定性好、效率高等优点。特征点提取易受光照、尺度以及旋转等因素的影响,当同名特征点的准确率较低时,将直接影响后续的影像拼接、目标识别等工作的正常进行。针对不同旋转角度影响影像匹配效果的问题,提出了基于FREAK特征的多视角影像匹配算法,该算法首先基于SIFT实现特征点的检测,并利用FREAK描述子对提取的特征点进行描述;其次,采用比值提纯法对特征点进行粗配准;最后,采用RANSAC算法对粗配准结果作进一步筛选,得到两幅影像的精确匹配结果。为了验证该算法的有效性,基于2组不同旋转角度的影像数据,分别对SURF算法、SURF-FREAK算法和本文提出的算法进行了对比实验,结果表明:本文提出的算法具有较高的准确率,同名点精度相对更高,对不同旋转角度的影像匹配具有较好的稳定性。

基于改进的FREAK算法的机器人抓取系统

为了解决工业机器人对带有复杂纹理的平面型工件的识别与定位问题,将机器视觉技术与工业机器人相结合。利用改进的FREAK算法对目标工件进行快速识别,并根据工件的形状和单应矩阵计算出工件的形心坐标和旋转角度,再结合双目视觉系统,获取机器人抓取点的三维位姿信息,引导SCARA机器人抓取目标工件。实验结果表明:在复杂的工业环境下,机器人抓取系统能够准确识别出目标工件,具有良好的鲁棒性,同时也满足工业生产的实时性要求。

基于改进FREAK的图像匹配算法

为提升图像匹配算法的实时性和鲁棒性,提出一种基于改进FREAK的特征点匹配算法。将经典FREAK算法的8层视网膜模型简化为5层,根据贪婪搜索算法选取64组感受野点对,以在减少运算开销的同时尽量保留有效的点对信息。在此基础上,设计一种具有方向不变性的LBP算法对每个感受野进行编码,从而提高描述符的区分度。实验结果表明,与FREAK、BRISK等算法相比,该算法具有最小的描述符尺寸,且在多数场景下,其运算更快,精度更高,更适合光照变化复杂的环境。

FREAK和改进的RANSAC算法在影像匹配中的应用

针对倾斜摄影中包含多个视角的影像而使匹配速度较慢的问题,提出了一种Speeded up robust features(SURF)、Fast Retina Keypoint(FREAK)和改进的Random Sample Consensus(RANSAC)算法相结合的影像匹配算法。首先利用SURF算法提取出稳健的特征点,然后利用FREAK描述符对特征点进行描述,在影像匹配阶段首先进行预匹配,然后用改进的RANSAC算法剔除错误匹配点对。经实验比较分析后得出:该算法在效率和匹配精度上都有较好的鲁棒性。

改进FAST和FREAK的图像匹配算法

针对FREAK算法在图像匹配和压缩过程中的效率低以及失真问题,提出一种改进FAST和FREAK的图像匹配算法。首先,通过改进的FAST提取图像特征点,在提取的特征点范围内构建降维尺度空间金字塔,从而提高原图的匹配速率和卷积过程中的计算效率。其次,基于每个特征点构建低维特征描述,进而确定改进FREAK算法的主方向,以提高运算速率和图像匹配的鲁棒性。最后,通过汉明距离进行图像特征匹配。仿真实验结果表明,该算法能够有效解决多次压缩传输所造成失真的图像的低匹配率问题。

浮选泡沫表面动态特征提取方法研究

为了解决浮选泡沫图像中光噪点多、相互黏结、无法准确地提取其动态特征的问题,提出了一种浮选泡沫表面动态特征提取的方法.首先,通过分数阶微分最小均值算法、谷底检测算法和形态学处理,得到泡沫边缘轮廓图像,再对这些图像进行三叉点检测,避免了光噪点的影响;其次,用快速视网膜关键点(fast retina keypoint,FREAK)匹配算法对特征点进行匹配,再利用随机抽样一致(random sample consen⁃sus,RANSAC)算法进一步剔除误匹配点;最后,提取出速度特征,并利用特征点对的坐标绘制出速度矢量图和曲线图.实验结果表明,该方法具有更高的抗噪性能,并能够有效改善图像的对比度、减轻泡沫图像光噪点影响、有效剔除误匹配,从而提取出准确的速度特征.本方法的提取准确率为93.3%,该提取准确率较现有一些算法有较大提高,适用于动态变化的浮选工况.

一种适用于智能手机的图像识别算法

针对目前常用的图像识别算法运算复杂和内存占用量大,不能很好的应用于移动平台等问题,本文提出了一种适用于智能手机的图像识别算法:首先,通过使用BRISK特征点检测算法提取图像特征和低字节的FREAK描述符对特征进行表述,解决了特征检测时间长和特征描述符内存占用大的问题;其次,将智能手机的重力信息添加到图像特征中改善了BRISK特征的区分能力,解决了相似结构特征难以区分的问题;最后,建立描述符的多级索引,实现相似描述符的快速查找,解决了描述符匹配问题.实验结果表明,本文提出的算法能有效地运行在资源受限的智能手机上实现对场景的实时识别.

面向装配机器人的零件视觉识别与定位方法

针对装配过程中背景复杂、零件形状多样性等因素导致的识别与定位精度较低的问题,结合加速稳健特征(SURF,speeded up robust feature)算法、快速视网膜特征点(FREAK,fast retina keypoint)算法、汉明距离及仿射变换等,给出了的一种零件识别与定位方法.首先通过SURF与FREAK算法对装配零件的特征点进行描述,其次以汉明距离作为匹配点的相似性度量,最后采用随机采样一致性(RANSAC,random sample consensus)算法进行二次匹配去除无效匹配点对.通过模板图像与装配零件图像建立四参数的仿射变换模型,结合仿射变换求解装配零件的质心坐标,再利用视觉系统的标定参数得到零件质心的世界坐标.实验结果表明,该方法实现了对装配零件快速精准的识别与定位.

基于实时图像获取的两种匹配算法的比较

目的将FAST特征点检测算法与FREAK特征点描述算法相结合用于图像匹配,以改善图像识别算法在移动终端上对印刷品图像的识别性能。方法匹配的过程需要不断对摄像头获得的图像进行实时处理,但由于手机设备的处理器、内存等硬件条件有限,因此匹配算法的速度和效率是需要首要考量的指标。借鉴ORB的FAST特征点检测算法的思想,将FAST与FREAK特征点描述算法相结合用于图像匹配,然后与ORB算法的匹配速度和匹配精确度进行比较。结果结合了FAST特征点检测算法的FREAK算法,与ORB算法相比,匹配速度有了一定的提升,匹配精确度也基本可以满足纸质印刷品图像匹配的需求。结论在移动终端进行印刷品图像识别与匹配时,文中的研究能够在保证图像识别准确性的基础上使识别算法的运算速度得到一定的提升。

一种改进的Camshift算法及其ARM实现

基于视频序列的运动目标跟踪在安防、军事等领域用途广泛,针对传统Camshift算法易受颜色相近物体的干扰、丢失目标的情况,提出了一种改进的Camshift算法;该算法检测SIFT特征点,并进行FREAK特征匹配,通过判断每一帧跟踪结果的跟踪精度修正跟踪矩形框,从而改善跟踪精度。为便于工程应用,在Linux系统上进行了算法移植,实现了基于ARM的运动目标跟踪系统。实验结果证实改进算法对部分遮挡、颜色相近干扰等情况具有稳定性,能够实现对运动目标的准确跟踪。

融合位置预测的一致性匹配算法

当目标移出视野又再次出现后,关键点一致性匹配目标跟踪算法(consensus-based matching and tracking)仍能对目标进行稳定的跟踪,但当面对光照变化剧烈、目标旋转等复杂场景时,容易出现跟踪失败的情况。因此,将FREAK算法融合到关键点一致性匹配算法中;为降低算法复杂度,引入卡尔曼(Kalman)滤波对目标位置进行预测,避免通过扫描整帧图像的方式提取其特征点。实验结果表明,融合FREAK特征描述的关键点一致性匹配算法在上述复杂场景下能够对目标进行稳定跟踪。

基于SURF和FREAK的移动终端动态背景运动目标检测

针对使用移动终端检测运动目标时出现的背景偏移,实时性不足等问题,本文提出一种基于Speeded-Up Robust Features(SURF)和Fast Retina Keypoint(FREAK)算法的动态背景补偿方法。首先利用SURF算法检测特征点,接着利用FREAK算法对特征点进行描述,然后对特征点进行汉明距离匹配,最后使用随机抽样一致算法(Random Sample Consensus,RANSAC)剔除误匹配点。设计基于移动终端的背景补偿实验,结果表明,在旋转角度,光照条件和尺寸不同的情况下,该算法都表现出良好的匹配效果以及实时性。

基于优化图像识别算法的自动剪纸工艺仪器设备研究

为了拓展传统剪纸工艺在自动化技术背景下的生存空间,本次研究将从图像分割和图像识别检索技术之中构建自动剪纸生成设备。该系统主要依靠Grabcut算法和改进的FREAK算法进行图像主体提取和特征检索。为了验证剪纸生成系统,本次研究通过Matlab平台进行仿真实验。在图像样本集中首先验证了不同算法的图像分割和图像检索性能,Grabcut算法在800张图片的分割中最低的错误率为37.2%,耗时14.1 s;同时,在剪纸设备仿真中,改进优化的SIFT-FREAK算法在不同纸张大小下精度分别为0.7431、0.7459、0.7466。结果表明,本次研究构建的自动剪纸生成系统在生产过程中精度性能高于其他算法。同时系统在人像景象主体分割和意象符号检索的剪纸生成之中均具备有效应用价值。

基于改进AKAZE算法的快速图像配准方法

针对无人机影像匹配容易出现匹配速率低、鲁棒性差的问题,提出一种改进AKAZE(accelerate-KAZE)算法的快速图像匹配方法.首先,在特征提取阶段,使用AKAZE算法对非线性尺度空间进行构建,采用fast retina keypoint(FREAK)描述符对特征点进行有效描述;之后,利用基于网格的运动估计(GMS)方法对所获得特征点进行预匹配,并进行鲁棒性优良的区分;最后,在随机抽样一致性(RANSAC)算法的基础上对匹配结果进行进一步筛选.为了验证所提方法的有效性,使用Oxford标准图像数据集和RSSCN7遥感图像数据集进行实验,对所提方法与改进AKAZE、ORB、KAZE、SIFT+FREAK算法进行对比,确保所提方法在保持较高准确率的同时能够实现快速的图像配准.在图像光照变化、模糊变换及压缩变换下,所提方法能够保持较好的鲁棒性,可以满足无人机影像实时匹配的需求.