基于改进SURF特征点的图像匹配方法

针对SURF算法在图像匹配过程中存在运算时间长、匹配正确率低等问题,采用DAISY描述符与RANSAC算法优化加速鲁棒特征(SURF),提出一种基于改进SURF特征点的图像匹配方法。首先,利用DAISY描述符结构简单、复杂程度低、匹配精度较高等特点,在SURF算法特征点检测的基础上采用DAISY特征描述符替换SURF特征描述算子,并采用RANSAC算法删除误匹配点。实验表明,在图像模糊、角度旋转、光照变化、JPEG压缩比变化等多种复杂情况下,该算法相较于SURF算法具有更好的鲁棒性,能提高匹配对数,剔除误匹配点,减少算法运行时间,匹配正确率均高达95%以上。

一种扩展SURF描述符及其在遥感图像配准中的应用

针对经典算法存在着运算时间过长或者匹配正确率不高的情况,提出一种扩展的SURF描述符。在原始SURF描述符的基础上,通过计算特征点相应尺度上的邻域采样点的局部归一化灰度统计信息以及二阶梯度值细节信息,形成新的扩展描述符。该方法不但能传承SURF算法速度快的优良性能,还能充分利用图像的灰度信息和细节信息。通过试验表明,综合考虑算法运行效率与匹配正确率,本文算法较原有经典算法更具稳健性。

基于自然场景在线学习的跟踪注册技术

三维注册是移动增强现实的关键技术之一,提出了一种在线学习的跟踪注册方法,能够精确地对自然场景进行跟踪注册.该方法首先改进SURF(speeded up robust features)描述符匹配方法,提高初始注册矩阵的正确性;然后,通过对场景进行有效的在线学习,提高注册精度;最后,利用前一帧的注册矩阵快速恢复已丢失的关键点,以提高注册的速度.实验结果表明,该方法能够较为流畅地对视频帧进行跟踪,并能保持较好的注册精度.

加窗灰度差直方图描述子及其对SURF算法的改进

如何构造紧凑而有效的特征描述子是机器视觉和模式识别领域重要的研究课题之一。针对SURF(Speeded Up Robust Features)算法的Haar描述子不能充分利用特征点周围信息的缺陷,该文提出了一种新的局部不变描述子——加窗灰度差直方图(Windowed Intensity Difference Histogram,WIDH),该描述子基于特征点周围邻域一个较小的核心区域,通过窗口模板的移动充分利用外围作用区域的灰度差信息,构造了一个维度低且辨识力很强,运算简单高效的描述矢量。实验表明,将WIDH用于改进SURF算法的Haar描述子时,可以用更低维的矢量获取与SURF相近或更好的辨识能力。在抗模糊性和抗噪性方面,WIDH明显优于SURF的Haar描述子,相同的错误率下查全率分别提高了大约35%和50%。

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。

基于不变特征描述符实现星点匹配

为了能够在星图存在旋转角度情况下,自动快速地完成星图匹配,提出了一种基于不变特征描述符的旋转不变匹配方法,将加速鲁棒特征(SURF)描述符应用于星点特征的描述和匹配。首先,对星图进行图像分割,抑制非极大值,并检测星点;然后,为计算星点分布尺度因子s,在半径为6s的圆形邻域内为每个星点计算主方向,之后将20s×20s的邻域与主方向对准,并在该邻域内为每个星点计算SURF描述符。最后,基于透视投影模型的匹配策略,提纯星点,计算匹配星图之间的变换矩阵。实验结果显示,该方法能够鲁棒地提取星点,并在图像存在旋转、平移及部分视角变化的情况下完成星图匹配,仿真实验的匹配星点的误差均在1pixel以下,实拍星图实验的匹配星点的误差均在1.5pixel以下,表明为每个星点建立描述符,进行匹配识别的思路是可行的。

鲁棒性交叠的标准特征描述子

为增强特征描述子的判别力与不变性,提出了鲁棒性交叠的标准特征描述子(robust overlapped gauge feature descriptor,ROGFD).首先利用Scharr算子计算图像梯度.进而引入二阶标准偏导数来加强描述子的不变性,同时避免了高斯滤波对运行效率造成的影响.然后构造交叠式描述网格来提高描述网格的连续性,加强描述子的鲁棒性.最后进行邻域响应加权求和与归一化生成具有照度不变性的64维描述符.通过测定查全率-查错率曲线与耗时实验进行了验证,与已有的描述子相比,ROGFD的鲁棒性更强.

一种基于快速鲁棒特征的图像匹配算法

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种基于快速鲁棒特征(SURF)的图像配准算法。SURF算法作为一种新的特征提取算法,在独特性、鲁棒性等方面均超过了其它方法,并在计算效率上具有明显的优势。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定特征点的主方向,并确定特征描述子,再根据Hessian矩阵迹的正负性和最近邻与次近邻比值的方法相结合获取匹配点,并用改进的RANSAC算法剔除伪匹配点以确保匹配的有效性。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。

一种改进的基于SURF的快速图像匹配算法研究

针对传统的图像特征匹配算法数据量大、计算耗时长的缺点,本文提出了一种改进的基于SURF的快速图像配准算法。该算法在积分图像的基础上进行快速计算,通过快速Hessian检测子来检测特征点。对于每个特征点,通过计算哈尔小波变换来确定其主方向,并确定特征点描述子,再根据描述向量之间的欧式距离实现图像间的特征点的匹配。实验表明,该算法既能满足匹配准确性的要求,又具有计算量小、计算速度快的优点。

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SURF的敦煌壁画数字图像智能拼接系统研究

针对敦煌壁画数字图像拼接数据量大、计算耗时长这一急待解决的技术难题,构建了敦煌壁画数字图像智能拼接系统的总体结构;提出并实现了基于SURF的图像配准算法,该算法在积分图像的基础上进行快速计算,通过快速Hes-sian检测子来检测特征点;通过计算哈尔小波变换,确定其主方向及特征点描述子,并根据描述向量之间的欧式距离实现图像间的特征点的匹配;最后,采用渐入渐出的图像融合算法实现了图像拼接系统。实验表明:该系统既能满足匹配准确性的要求,又具有计算量小,计算速度快的优点。

基于一种快速鲁棒特征描述子的图像匹配

基于一种快速鲁棒特征描述子进行图像特征点之间的匹配。此方法基于积分图像,使用快速Hessian检测子来提取图像特征点。对每个特征点,通过计算Haar小波,来寻找它的主方向。然后构造窗口区域,以主方向和与主方向垂直的方向上的小波和来描述特征点。最后以特征描述向量的距离为标准寻找不同图像之间的特征匹配。

利用改进CNN的无人机遥感影像特征描述符的学习方法

由于人工设计的特征描述符往往通过增加描述符构造的复杂度提高鲁棒性，导致描述符的实时性降低。为了提高描述符鲁棒性与实时性的兼容能力，本文对基于卷积神经网络（CNN）的特征描述符学习方法进行改进。通过交换三重样本间基准样本挖掘“难样本对”，解决了现有基于CNN特征描述符学习方法中“难样本对”挖掘计算成本较高的问题。同时，结合无人机影像的特点，采用多分辨率训练样本代替原有单一分辨率训练样本，使基于CNN的特征描述符学习方法更好地适用于无人机影像匹配。试验表明，本文改进的基于CNN的特征描述符学习方法获得的描述符可以较好地兼顾鲁棒性和实时性，且对无人机影像匹配有较好的应用效果。

基于几何矩预分类的无人机遥感图像自动配准方法

图像配准技术是近些年来图像处理领域发展迅速的研究方向之一.在遥感领域内,图像配准更是实现图像融合、运动检测、图像校正、图像拼接等应用的一个关键步骤.尽管国内外目前在图像配准方面提出了很多方法,但不同方法适用的图像范围不同,很多时候需要人工干预进行方法的选择.尤其对于无人机这种快速、实时获取图像的新型遥感平台,如何集合不同方法的优点以实现图像自动配准成为了关键性问题.本文在比较分析了基于SIFT和SURF特征提取图像配准方法的各自优势后,提出基于几何矩的方法对图像进行预先分类,从而决定将其分配给何种方法进行配准,实现全程自动化.实验证明,这种图像自动配准方法在拓宽了图像应用范围的同时保证了良好的配准效果.

一种仿射变换的印刷品缺陷检测方法

针对传统印刷品缺陷检测方法速度慢、检出率低的问题,提出一种仿射变换的快速检测方法.首先利用SURF(speeded-up robust feature)算法进行特征点匹配,并采用RANSAC(random sample consensus)算法剔除误配点后得到高纯度的匹配点对,然后利用最小二乘法拟合得到变换参数,最后通过图像差分和后处理,识别并标记出缺陷所在位置.经过试验验证,相对模板匹配和分层检测算法,该方法无论在算法速度还是缺陷检出率上都有很大提高.

一种视点直方图特征优化的点云目标识别算法

为了提高点云目标识别算法的识别率、增强算法鲁棒性,研究了一种将颜色纹理的方向特征直方图(CSHOT)算法与视点特征直方图(VFH)算法相结合的点云目标识别算法(CSHOT-VFH)。利用VFH特征对点云目标进行识别,实现目标快速估测。在此基础上,进一步利用CSHOT特征进行精确识别。搭建了实验系统,分别对单物体场景、多物体场景及目标存在部分遮挡等情况进行了测试。测试结果表明:本文算法识别率达到了90%以上,在目标遮挡的两组实验中,本文算法比VFH算法的识别率提高了10%以上,能够满足室内场景目标检测的需求。

面向移动平台的二进制特征的性能研究

针对移动平台时间空间局限性,研究二进制特征在移动平台的性能。扩展已有的评测标准,以BRIEF、ORB、BRISK和FREAK为研究对象,SIFT、SURF非二进制特征作为参照;使用通用的图片库,研究各个描述子在PC平台和移动平台的时空性能;并研究在旋转变化、尺度变化、模糊处理、照度变化和透视变化下各特征的鲁棒性。研究表明二进制特征描述子具有很高的时空效率,平均提高约10倍;有不同程度的鲁棒性,与SIFT具有可比性,整体性能很好。

基于自适应增强的图像二值描述子

针对经典的尺度不变特征变换和快速鲁棒特征描述子存在空间占用和参数自适应学习能力较差的问题,提出一种基于自适应增强的图像二值描述子,采用优化学习的思路获取图像描述子。使用学习方法得到图像描述子的通用框架,在基于阈值响应的相似度函数上,给出一种改进的相似度函数,通过该函数可快速学习图像的描述子及二值描述子。运用图像的梯度特征构建弱学习器,通过自适应增强方法寻找弱学习器的最优权重和非线性特征响应,得到区分性强且鲁棒性好的局部特征描述子。图像匹配实验结果表明,该图像二值描述子占用存储空间少、匹配性能好。

一种改进的加速稳健特征图像配准算法

针对传统的加速稳健特征配准算法存在计算复杂、配准精度不高、鲁棒性差等不足,文中提出了一种改进的加速稳健特征配准算法。通过构建尺度空间及计算Hessian矩阵的极值筛选出稳定的特征点,利用二进制稳健独立基本特征描述子对特征点进行描述,并通过几何约束算法对随机一致性抽样算法进行改进,实现了匹配点对的提纯,求出单应矩阵并应用于待配准图像。研究结果表明:文中的算法相较于加速稳健特征配准算法,在噪声环境下配准偏移下降了13.8%,仿真实验中配准偏移平均下降了14.7%,配准时间平均降低了15.63%,表现出优良的抗噪性、准确性及实时性。

不同局部邻域划分加速鲁棒特征描述符的性能分析

研究了加速鲁棒特征(SURF)描述符的局部邻域划分方法,以降低该描述符的维数,提升基于SURF的图像匹配算法的匹配速度和鲁棒性。参考尺度不变特征变换(SIFT)描述符和SURF描述符已有的各种邻域划分方式,将SURF描述符的局部邻域分为栅格状(原SURF划分方式)、三角形和扇形进行分析。首先,分析了图像的尺度和旋转变化对这3种邻域划分方式描述符匹配性能的影响;然后,提出了构建三角形划分和扇形划分SURF描述符的方法;最后,进行了匹配实验,对8种不同划分方式的SURF描述符进行了比较。结果表明:扇形划分SURF描述符的性能要优于三角形划分和栅格划分SURF描述符,其中6扇区、8扇区、12扇区及三角形划分的SURF描述符的性能均比SURF描述符有一定程度的提升,描述符的维数与原SURF描述符(64维)相比分别低了40维、32维、16维和32维。