基于改进SURF的图像配准关键算法研究

针对图像特征匹配算法维数高,实时性低的缺陷,研究了SURF特征匹配算法,并对其进行了改进。首先在图像的尺度空间中提取SURF特征点,并生成扩展的特征描述向量。然后建立KD-Tree特征结构,采用BBF查询机制进行最近邻查询实现特征点快速匹配。实验结果表明,SURF算法进行特征检测的时间是SIFT算法的1/3;使用BBF进行特征匹配,匹配速度提高了2—3倍。     

特征点提取算法比较及四旋翼平台验证

针对视觉导航中存在的图像特征点提取精度与用时之间的矛盾,对几种常用的特征点提取算法(Harris,SIFT,SURF)进行了论述,并针对SIFT算法和SURF算法进行了比较,同时搭建了四旋翼验证平台,利用四旋翼实验平台,针对自然环境中的实物测试了上述两种算法的提取精度与用时,结果表明SURF算法是视觉导航中综合考虑匹配的正确率及实时性的较优选择.     

基于改进SIFT算法的局域盲人图像导航方法研究

针对现行导航系统无法在小范围内导航的缺点,提出了一种基于景象匹配的适合于残障人士在局域内行走的图像导航系统。预先对具体的特定区域进行图像采集、处理,建立基准图像库,然后对具体行走中所采集的实时图像进行预处理,得到实时图像库。并采用基于SIFT特征的快速景象匹配算法对实时图与基准图进行匹配。最后对不同光照、不同拍摄角度的旋转变化、缩放变化获得的图像进行特征点匹配。实验结果表明,算法的性能可以满足景象匹配导航系统高性能匹配的要求。     

基于SURF特征点的金属罐图案检测算法

为快速、准确地检测出金属罐生产过程中出现的图案倒置问题,提出一种基于SURF特征点的金属罐图案检测算法.该算法通过比较金属罐图像与模板图像间匹配特征点的位置关系,实现金属罐图案方向的判别.首先利用SURF算法分别提取分区域处理后的待检测图像和模板图像的特征点;再利用双向KNN算法和RANSAC算法进行特征点匹配;最后计算匹配特征点的位置关系,并判别金属罐方向.实验表明,该算法能够有效地实现金属罐图案倒置的检测,可以达到每分钟800罐的检测速度.     

一种改进SURF算法的单目视觉里程计

基于微软Kinect传感器,提出一种改进SURF(speeded up robust features)特征提取算法的单目视觉里程计新方法。用Kinect传感器获得环境彩色和深度图像,再采用基于特征点信息的改进的SURF算法完成彩色图像特征点的提取与匹配,提高匹配的正确率和鲁棒性,随后进行与深度图像的映射,实现三维重建并利用最小平方中值定理估计出机器人的路径信息。实验证明,该方法匹配正确率较SURF算法更高,在动态环境下具有很好的鲁棒性,是一种简单、有效的单目视觉里程计新方法。     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

基于Shearlet变换的单波段遥感图像拼接技术研究

为了实现遥感图像的拼接,利用加速鲁棒性特征(speeded up robust features,SURF)算法来提取特征点进行粗匹配,并采用RANSAC算法减少特征点的误匹配,再估计出图像间的投影矩阵,特别是在进行图像融合过程中,提出采用能够充分地反应图像细节信息的Shearlet算法,并利用客观评价准则和基于小波变换得到的融合图像进行比较。实验证明,提出的算法充分利用了单波段遥感图像的全局信息,得到的拼接图像细节信息更加丰富,能够准确地实现遥感图像的拼接。     

结合FAST-SURF和改进k-d树最近邻查找的图像配准

针对两图像之间存在平移和旋转变化的图像匹配,提出了一种结合FAST-SURF和改进k-d树最近邻查找的图像配准算法。该算法首先用FAST(加速分割检测特征)检测器进行特征点提取,然后根据特征点周围邻域的信息生成SURF(快速鲁棒特征)描述子,采用一种改进的k-d树最近邻查找算法BBF(最优节点优先)寻找特征点的最近邻点及次近邻点,接着进行双向匹配得到初匹配点对,最后利用RANSAC(随机抽样一致性)算法消除误匹配点,findHomography函数寻找单应性变化矩阵,从而计算出图像间的相对平移量和旋转量。实验结果表明,该算法平移参数的最大误差为0.022个像素,旋转参数的最大误差为0.045度,优于传统的SURF图像匹配算法,实现了图像的快速、高精度配准。     

一种改进的SURF快速匹配算法

经典的SURF(speeded up robust features)算法在匹配的过程中,对一幅图像上每一个选定的特征点都要与另一幅图像上所有的特征点一一进行匹配,耗时较高,并且由于误匹配导致匹配的准确率下降.基于此,结合特征点的分类思想对SURF算法进行改进.根据特征点邻域内像素之间的差值形成一个4维的特征向量,与SURF的特征描述子相结合形成68维的特征向量,以达到提高匹配速度和准确率的目的.在哥伦比亚大学Coil-100图像库中对改进SURF算法进行试验.结果表明,相对于经典SURF算法,改进SURF算法在速度上有很大的提高.     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

改进的SURF算法在彩色车载影像匹配中的应用

在分析了具有尺度不变特征的鲁棒特征加速算法(SURF算法)的基础上,提出了一种基于高斯颜色模型的增维彩色SURF算法.该算法将RGB颜色模型转换到高斯颜色模型,使用SURF算法(增加了48维颜色特征描述向量)进行匹配,再使用核线约束剔除误匹配.结果表明:尽管相对于原有的SURF算法略微增加了计算量,但是在匹配点对数、匹配正确率、匹配点分布均匀性上都具有明显的优势.     

用于三维重建的改进特征匹配策略

为了能够更加快速地获取特征点以及提高特征匹配结果的稳定性,提出了一种改进的匹配策略。首先,对图像进行下采样,通过低分辨率的图像进行匹配,快速筛选掉匹配失败的匹配对,然后对匹配成功的匹配对对应的原始图像进行匹配,以达到加速的目的。其次,为有效提高三维点云的精度,对SIFT的匹配结果和SURF的匹配结果进行融合,将融合后的结果应用到三维重建技术中。最后,通过使用自采数据集和公开数据集对算法进行测试,并对实验数据进行分析。结果显示,改进的特征匹配策略使三维重建的运行速度提高了40%,并大幅增加了三维点的个数。所提出的方法不仅可以减少特征匹配过程的运算量,还可以提高三维重建的稳定性,在三维重建研究工作中具有一定的参考价值。     

火星探测器着陆过程中图像匹配的性能研究

以火星探测器着陆过程中通过图像匹配估计位置参数为背景,针对探测器拍摄的实时图旋转以及尺度变化等对图像匹配算法的影响做一系列研究,寻找适当的旋转角度以及尺度大小来获得较高的匹配精度.以SURF算法为研究对象,结合RANSAC算法对误匹配点进行剔除,提纯匹配点,综合定义了正确率的概念,方便对匹配结果进行判断.实验结果表明,实时图旋转角度以及尺度大小和匹配的正确率呈一定的规律在变化,在应用到火星探测器着陆过程中实时图的选取时,相对于参考图选取适当旋转角度和尺度的实时图能在一定程度上提高图像匹配的准确率.     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

基于ASIFT图像匹配算法的三维重建

提出了基于ASIFT图像匹配算法的三维重建算法。目前,基于图像序列的三维重建中,一般采用SIFT图像匹配算法。对于存在仿射变换的图像序列,ASIFT算法较SIFT算法能够获得更多精确的稀疏匹配点;基于ASIFT算法恢复的三维点云比基于SIFT算法恢复的三维点云更加稠密,从而能获得更好的三维重建结果。仿真实验表明,本文算法能获得较好的三维模型。     

认知导航路径整合中方位及尺度参数求解方法

无人作战飞机(UCAV)认知导航路径整合时需获取环境信息相对参考信息的方位和尺度值,提出了一种基于迭代最小二乘法的高精度相似变换参数求解方法.利用SURF(Speeded Up Robust Features,SURF)算法提取高鲁棒性特征点,采用比值法提纯匹配对,得到一一对应点集,并将点集中元素转换为矢量形式,以最小二乘算法求解矢量间相似变换参数,并根据结果对感知图进行方向旋转及尺度调整,通过循环迭代得到方位和尺度值.仿真结果表明,文中方法得到的角度平均绝对误差低于0.04°,尺度变化下得到的尺度绝对误差在此10-3数量级,抗噪声性能优于最小二乘法.     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.