不同距离测度的SIFT特征描述符相似性度量比较

鉴于尺度不变特征转换(Scale-Invariant Feature Transform,SIFT)匹配算法特征点描述符的相似性度量大多采用欧氏距离,而目前诸多学者提出的距离测度中除欧氏距离还有其他应用较为广泛的如城市距离、棋盘距离、马氏距离、余弦距离、相关性距离等,该文采用这6种距离用于特征点描述符的相似性度量,在实验中分别统计这6种距离测度在最近邻/次近邻比值取值从0.3至0.9的匹配结果。实验结果表明,6种距离测度中综合性能最好的是城市距离,其次是棋盘距离,而欧氏距离与余弦距离由于计算耗时以及误匹配点相对较多其综合性能并不是很好,性能最差的是马氏距离。因此,在实际的SIFT匹配算法中,特征点描述符相似性度量应采用基于城市距离或棋盘距离的测度准则,而不是欧氏距离或余弦距离。

基于形状特征描述算子的3D模型检索

针对投影图像的形状特征,结合傅里叶描述算子、Zernke不变矩、形状参数、离心率的特点,提出一种基于权重关系的合成的形状特征描述算子,将其应用到3D模型投影图像检索算法中。实验结果表明,相比其他4种形状特征描述算子,该算子能较好描述投影图像的轮廓、区域以及整体特征信息,并可提高算法的检索效率。

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。

基于特征点邻域SIFT描述子的人脸识别

在人脸识别算法中,尺度不变的SIFT特征是人脸局部特征的重要描述方式之一。在传统SIFT方法中,由于特征点的坐标是根据高斯差分空间的局部极值点来确定的,造成特征点匹配困难。通过基于回归的局部二值特征对人脸进行校准,确定对人脸有意义的特征点位置。用SIFT特征描述子的不变特性描述人脸的局部特征,能够有效地提高识别速度以及识别率。对特征点进行区域加权,能够对人脸的姿态变化以及角度偏转有一定的鲁棒性。

基于灰度阶的特征描述子研究

SIFT和DAISY对一定的尺度变化、旋转、平移和视角变化比较鲁棒,但是却不能处理复杂的光照变化.在参考近年来一些主流的基于灰度阶特征描述方法的基础上,如HRI-CSLTP、LIOP、MROGH和MRRID,比较了这些方法与SIFT和DAISY在不同场景序列下的性能,并采用特定的度量准则来评估其性能.通过实验显示出这些方法在不同场景下的应用结果,为后续设计新的特征描述方法以及将其应用到工程实践中提供一定的参考和借鉴.

基于曲线拟合和SIFT算子的点云关键点提取

针对传统点云关键点提取算法中存在的关键点缺失问题,以槽型零件的切面点云为例,提出一种基于曲线拟合和SIFT算子的点云关键点提取算法。由于平面点云数据间特征关联性较差且极易受到离群点的干扰,因此考虑从点云的图像化处理着手,首先通过滤波算法实现点云的预处理;然后,采用决策树拟合的方式实现点云数据到图片的转换;随后,通过SIFT算子提取到点云关键点;最后,依据数据到图片的转换关系完成点云关键点的校准。通过实验可知,点云数据的图像化处理方法能弱化点云数据中的不明显离群点和褶皱处的干扰,能高效准确地实现点云关键点的提取。

基于SIFT特征匹配的车牌识别方法

针对智能交通系统中基于视觉的车牌识别中存在的依赖于光学字符识别以及在复杂环境下准确率低的问题,提出了基于SIFT特征匹配的车牌识别方法。通过基于插值的超分辨率图像重建方法对车牌图像进行预处理,基于轮廓特征对车牌进行定位,通过SIFT特征匹配的方式,利用模板库中的车牌字符模板对车牌进行定位验证以及字符识别。实验结果表明该方法能有效提高车牌识别的效率。

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。

基于低空摄影测量影像的特征点提取算子比较研究

影像匹配是低空遥感数据处理的核心步骤,而特征提取是影像匹配的基础。该文从兴趣算子的角度分析了摄影测量中几种主流特征点提取算法:Moravec算子、Forstner算子、SUSAN算子、Harris和SIFT算子,以角点类型较多的普通几何图形、卫星遥感影像和动力三角翼拍摄的低空遥感影像为数据,通过实验得到各算法的速度、精度、局限性和适应性。针对低空摄影测量影像,以重复率为指标定量比较和分析了各算法在抗噪、抗对比对变化、抗光照变化和抗旋转变化等方面的性能。实验结果表明,针对灰度信息丰富的低空遥感影像,SIFT算子具备尺度不变性,抗噪性最好,Harris算子提取速度最快,Forstner算子精度最高。实验结论为低空摄影测量影像处理提供了一种可行性方法。

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。

基于改进Canny特征点的SIFT算法

在分析了传统SIFT算法的基础上,提出了一种基于改进Canny特征点的SIFT算法。该方法先用SIFT算法检测出候选关键点,再利用Canny边缘检测算法检测出图像的边缘点,通过比较生成的候选关键点和边缘点的坐标是否相等,从而判断是否去除候选关键点。实验结果表明,与传统SIFT算法比较,该方法可以有效地去除DOG算子生成的边缘响应点,进一步提高SIFT特征点的抗噪声能力,增强SIFT算法的稳定性。

基于改进SIFT特征的红外与可见光图像配准方法

针对灰度弱相关的可见光和红外图像的配准问题,本文提出了一种基于改进SIFT特征的图像配准方法。该方法根据SIFT算子在仿射变换、加噪、灰度变化等情况下的性能,首先在提取特征点时设定阈值来约束受灰度弱相关影响较大的向量幅值,然后采用性能较稳定的相似四边形的精匹配方式删除粗匹配时的误匹配点对,最后使用最小二乘法求解仿射变换系数的最佳解。实验结果表明,本文提出的基于改进SIFT特征的匹配方法在匹配精度上有明显改善,复杂度上也可行。

基于SIFT算子的脑立体定向手术标记点自动定位方法

为提高脑立体定向手术中的图像注册效率,提出了一种基于尺度不变特征转换(SIFT)算子的标记点自动定位新方法。该方法使用了A、B两类人工标记点,先用SIFT算子对B类标记点进行粗检测,然后进行B类标记点的精确检测、A类标记点的检测,最后进行标记点的双目匹配和三维重建。实验表明,该方法在实现自动定位的同时能很好地适应相机与患者距离变化、光照变化等情况,克服相机与患者距离、光照等变化对自动定位精度的影响。标记点的漏检率低于0.43%,误检率均低于0.85%,平均定位误差在0.54mm以内。

一种改进的SIFT图像特征匹配算法

针对传统SIFT图像特征匹配算法因其特征描述算子维度过高而造成的计算量大、实时性差的问题,提出一种基于内核投影的改进SIFT图像特征匹配算法。传统SIFT特征匹配算法采用平滑加权直方图计算特征点的梯度模值和梯度方向。采用内核投影算法对其进行改进,使生成的特征描述算子的维度降低,从而能够提高特征匹配效率。实验结果表明,改进后的SIFT算法具有较高的匹配精度,同时匹配时间有所减少,使实时性得到提高。

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。

混合Forstner算法和SIFT灰度图像特征点提取

提出了一种混合Forstner算子和SIFT相结合的图像特征点提取算法。本文首先介绍了灰度图像特征点提取的原理,接着针对传统的Forstner算子需要对图像中所有的像素点进行扫描导致速度比较慢等问题,采用SIFT算法快速准确地去除一些无关的点,然后在剩下的点中进行提取。实验结果证明了本文提出的方法能够有效地提取图像关键点信息。

基于SIFT特征和改进融合策略的图像拼接算法

为了消除图像拼接中的缝隙,本文提出一种改进的图像拼接算法。该算法首先利用经典的SIFT算子提取特征点,接着建立两幅图像的映射关系,利用RANSAC算法进行特征匹配点提纯,最后重叠区域的像素融合采用改进的加权平均算法。实验表明,该算法可以很好地消除重叠区域的拼接缝隙。

一种改进的SIFT特征点匹配方法

提出了一种改进的SIFT特征点提取算法。首先利用Canny算法进一步剔除影响匹配结果的边缘点,然后利用SIFT特征提取结合Harris角点检测算法来提取更加稳定的特征点,并采用基于圆形窗口的48维向量来进行特征描述,最后利用最近邻搜索进行特征匹配。实验结果表明,该算法比原算法精度更高,并且时间复杂度有所降低,适合用在实时性要求较高的场合。

基于SIFT算法的图像特征匹配

SIFT特征匹配算法的原理在于生成特征点的SIFT特征向量,通过对特征向量之间的匹配来实现图像之间的匹配。SIFT特征是一种尺度不变的局部图像特征,阐述生成SIFT特征向量的具体过程,包含尺度空间构建、关键点的检测和精确定位、关键点方向向量的确定和最终SIFT特征描述子的形成等步骤,以及根据形成的特征描述子进行图像的匹配。根据实验结果得出SIFT算法可以有效准确地实现图像之间的匹配。

基于SIFT特征提取的智能移动机器人环境识别方法研究

为了提高机器人在环境识别中的实时性和准确性,在分析了SIFT描述算子性能及原理的基础上,对SIFT算法在实时性方面改进。在特征点进行欧氏距离的匹配的时候加入一个阈值,将那些不匹配的点可以直接滤除;在建立图像金字塔的时候没必要一直进行到最后一组足够小为止,可以通过实验得到第4组的时候特征点的总数就不再增加了,不需要一直计算下去从而节省时间。仿真结果也证明了其有效性。