基于颜色和SIFT特征的视频目标检索方法研究

本文提出并实现了一种结合颜色和SIFT特征的视频目标检索方法。首先,利用图像颜色直方图特征对目标图像进行初步检索和排序;然后对检索结果中与目标图像相似度较高的图像进行SIFT特征提取,并与目标图像中截取的目标区域子图的SIFT特征进行匹配;最后根据SIFT特征匹配结果对初步检索图像再进行二次排序,并反馈目标位置和偏移信息。仿真实验结果表明本文提出的基于颜色和SIFT特征的视频目标检索方法对目标亮度、位置平移、缩放、形态变化等有较好的适应性,能准确检索出目标,具有较高的实用性。     

基于改进SIFT的结构与纹理相似图像配准方法

 针对目前SIFT特征匹配算法在大面积结构和纹理相似的图像应用中存在较多的误匹配,导致图像拼接效果不理想的问题,提出了基于改进SIFT特征匹配的结构与纹理相似图像配准方法.通过结合色彩信息及空间信息进行匹配点对的筛选,进而得到更为精确的匹配点对,克服了传统SIFT算法在其寻找匹配点的过程中严重依赖灰度信息下的主方向,导致匹配的误差放大的缺点.实验结果表明,该方法提高了SIFT特征匹配的鲁棒性同时,进一步改善了拼接的效果.     

基于极线约束SIFT特征和粒子滤波的目标跟踪算法

针对采用颜色或边缘等特征的目标跟踪算法所存在的跟踪效果不稳定的问题,提出了一种基于极线约束尺度不变特征变换(SIFT)和粒子滤波的目标跟踪方法.该方法采用SIFT特征向量构建目标模型,引入极线约束改善目标匹配精度,采用粒子滤波算法获得SIFT特征向量的候选目标模型,利用似然函数计算目标模型与候选目标模型间的相似性.实验结果表明,该方法可解决目标与背景颜色相似时的跟踪失败问题,且对目标外形与位姿发生变化具有较好的适应能力.     

基于SIFT和CIE Lab的图像篡改检测

目的提出一种将SIFT算法和CIE Lab颜色模型相结合的方法来检测复制-移动篡改图像,解决传统SIFT(Scale-invariant feature transform)算法无法应用颜色特征进行篡改图像检测所导致的特征关键点的错误匹配问题,提高篡改图像检测的准确度.方法分别提取图像的SIFT特征与Lab颜色特征;使用KNN(K-Nearest Neighbor)算法对提取的特征进行分类匹配,排除异常特征值.结果笔者所提方法与以往的SIFT算法相比较,其错误匹配个数明显下降,降低了时间复杂度,提高了检测准确率,对图像篡改部分的平移、缩放和旋转操作都具有较强的鲁棒性,这三种操作对应的F_1值分别可达86.8%,88.4%,88.5%.结论 SIFT算法和CIE Lab颜色模型提取的特征能够较好地满足检测复制-移动篡改图像的要求,颜色信息能够有效地改善特征匹配效果,KNN算法能够成功地排除异常匹配点.     

基于分块加权的多特征图像检索算法

颜色是识别图像差异的一个重要特性,颜色特征提取过程简单,同时兼具旋转和平移不变性。但传统颜色特征只是对图像的全局信息进行统计,并没有考虑图像的空间分布特性,因此出现部分内容不同,但却有着相似颜色特征的图像。针对传统颜色直方图算法存在的检索缺陷,提出了一种新的颜色直方图分块加权提取算法。首先对图像作分块处理并根据各分块中显著点数的占比情况为其赋予权值,然后分别提取各个分块的颜色直方图特征,从而得到图像分块加权后的颜色特征;同时对图像提取Tamura纹理特征,将颜色和纹理两种特征融合在一起,并根据图像特征向量间的距离大小反映相似程度。实验结果表明:本文算法能够在提取特征向量时有效增加空间分布特性,实现了较好的检索效果。     

基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法

针对遥感图像快速准确的检索问题,利用多核学习(Multiple Kernel Learning,MKL)算法融合全局GIST(Generalized Search Tree)特征和局部SIFT(Scale-invariant feature transform)特征开展遥感影像的检索方法研究。首先提取图像的全局GIST特征,然后通过SIFT特征的改进方法提取局部SIFT特征,利用特征融合的方法得到单一的特征向量,再通过多核学习的算法得到最优解,返回最终的检索结果。在遥感图像数据集上的检索实验表明,对比单一特征的图像检索算法,该方法能够提高检索准确率。     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

基于颜色和空间特征的图像检索

提出一种新的基于颜色和空间特征的图像检索算法。首先,将检索图像转换为HSV颜色空间并进行量化,提取环形颜色空间信息熵作为颜色空间分布特征。其次,计算每个像素点的多邻域的量化颜色值的一、二阶中心矩,利用各阶统计矩的信息熵来表征图像颜色的局部空间特征。最后,对特征向量进行高斯归一化,采用特征向量的L1-norm距离计算彩色图像的相似度并进行图像检索。试验结果表明该方法比CDE和Geostat算法具有较好的检索效果。     

融合颜色信息的尺度特征提取及匹配算法

实现有效三维重建的关键是将图像中的特征点检测并匹配,已有的算法中对特征点检测实效不高,特征描述子依赖灰度信息,导致匹配率不高。为了提高特征匹配率和时间,提出在尺度空间下提取Harris角点,对SIFT特征描述子进行颜色改进,对描述子进行二值化和主成分分析法降维,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台进行3组图像测试,改进后的算法提取的特征点具备尺度不变形,特征点分布较SIFT均匀,特征匹配正确率均在90%以上,匹配时间优于对比算法,尤其对于灰度相似但色彩不同和灰度区别小的图像也维持了高匹配率。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

全局结构化 SIFT描述子在图像匹配中的应用

为了克服传统SIFT描述子进行图像匹配时对噪声和图像灰度的非线性变换敏感的缺点,提出了一种全局结构化SIFT描述子及其生成方法．该方法将特征点矩形区域改为以特征点为中心向外扩散的同心圆区域,计算同心圆区域10个方向的曲率累积值,建立一个描述范围为特征点尺度函数的特征向量,对其实施排序操作,赋予完全旋转尺度不变,形成全局结构化SIFT描述子．采用欧氏距离为匹配度量函数应用于图像匹配．实验结果表明：这种全局、局部结构式信息联合的思想增强了算法对图像的光照、平移、旋转等变换的鲁棒性,匹配精度提升18％,极大地改善了匹配效果．     

一种改进的SIFT特征点匹配算法

提出一种改进的SIFT特征点匹配算法.以提高图像特征点匹配算法效率为目的,研究了SIFT特征点描述子基于欧氏最小距离测度的匹配算法.由于SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,而基于欧氏最小距离测度的匹配算法要求,待匹配第一幅图像的每个特征点要和待匹配第二幅图像的所有特征点求距离,排序后寻找极值,这导致了算法效率较低.依据光学成像理论和双目视觉理论,由第一幅图像每个特征点的坐标,从行列两个方向缩小第二幅图像待匹配特征点坐标的搜索范围,在保持匹配精度的基础上,提高了算法的效率,算法速度约是原算法速度的2.7倍.     

背景互信息约束的SIFT特征匹配

］在SIFT局部特征的基础上,扩大了SIFT局部特征描述子,构造了半全局信息的背景环,并将背景环的互信息引入到相似性计算.实验结果表明,该方法与SIFT影像匹配算法相比,有效地提高了匹配的正确率,且对旋转图像的特等匹配具有一定鲁棒性;与全局配准算法相比较,提高了一倍以上的计算效率     

一种基于形状信息描述的图像特征匹配算法

针对已有匹配方法匹配特征点少、图像匹配精度低的问题,提出一种基于边缘形状描述子的图像特征匹配算法。该算法首先利用曲线凸性将图像边缘分割为近似直线段组,再将连接多个直线段的点定义为关键点,将关键点周围直线段组定义为形状特征包,最后利用局部形状特征包中所有点集相对其几何中心的位置关系分布形成描述子。实验结果表明：该算法的图像匹配正确率均高于SIFT算法和Shape Context算法,且对噪声问题不敏感,可应用于基于Hough变换的物体检测。     

基于SIFT特征的人脸识别

尺度不变特征变换SIFT(scale invariant feature transform)对图像尺度、旋转、平移具有不变性,而被广泛应用,但是匹配过程中的错配问题难以避免。针对错配点的问题,对匹配策略进行了优化,利用人脸图像中关键点的特征描述子,对局部距离进行加权平均。实验表明,该方法能够有效剔除错配点,提高人脸匹配的正确识别率。     

基于生物视觉感知的场景特征提取方法

针对复杂背景环境下图像场景理解及分类中遇到的诸多难题,提出了一种模拟生物视觉感知的新的图像场景特征提取方法.该方法采用方向、颜色和亮度三种感知特征来构造视觉显著图,并对基本单元进行最大化处理来得到更加精确的方向信息.为了提高特征提取的速度,设计了区域分割算法,然后构造分割区域描述子,最后通过SVM对特征向量集合进行无监督分类以实现显著区域匹配.与传统方法相比,该方法提取的特征对于一定程度的仿射和光照变化具有良好的不变性,同时具有较好的分类效果.实验结果表明上述方法能够较好地应用于场景分类及检索,并具有较强的时效性.     

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。