基于2D单应矩阵约束的图像匹配方法

针对目前普通图像匹配不精确的问题,用2D射影变换的单应矩阵约束估计算法和尺度不变特征变换(SIFT)算法结合,提出了一种适应性强,图像匹配精度高的图像匹配算法.首先对图像进行SIFT特征提取,在不同的尺度空间下提取特征角点,建立对应数据库.再对特征数据库进行初始化单应矩阵估计,剔除野值点后再用L-M(Levenberg-Marquardt)算法约束对单应矩阵继续估计,直到求出最优化的单应矩阵,最终根据优化单应矩阵生成内点数据库.     

复杂光照变化条件下的彩色SIFT匹配算法

为了提高复杂光照变化条件下所获取的彩色图像对的匹配效果,基于von Kries彩色变化模型,提出了一种新的彩色不变量的尺度不变特征变换(SIFT)算法.首先通过彩色空间变换获得复杂光照下的同一场景或目标的2幅或多幅图像的彩色不变量信息;然后利用SIFT算法提取彩色信息中的图像几何信息完成匹配;最后采用随机抽验一致性(RANSAC)算法消除误匹配点对,同时得到更加鲁棒和稳定的基础矩阵,以方便下一步的图像处理工作.通过理论分析和实验比较,该算法同传统的SIFT算法及其他彩色SIFT匹配算法相比,可以获得更多可靠的匹配数据以提高对图像的识别率.     

基于SURF和TPS的立体影像密集匹配方法

利用加速鲁棒特性(SURF)算法搜索影像的特征点,基于薄板样条(TPS)建立对应域之间连续和光滑形变变换,用于影像视差的估计,在此基础上提出一种新的立体影像密集匹配方法.首先,基于SURF算法进行特征匹配;然后,利用极线和TPS变换约束选择稳定可靠的同名点,计算影像之间的TPS变换矩阵,估计对应点的位置;最后,基于影像灰度进行密集匹配,并利用极线约束和TPS矩阵删除误匹配点.为保证视差估计的可靠性,利用种子点的外接凸边形对匹配区域进行限定.以人脸三维重建中的影像匹配为例,得到了稳定可靠且密集的同名点.     

一种改进SIFT算法的单目视觉里程计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种改进SIFT特征点匹配的单目车载视觉里程计算法.首先,为了提高特征点匹配的正确率和实时性,结合主成分分析法和平面极线几何约束,改进了传统SIFI匹配算法,其次,建立合理的移动机器人运动数学模型,得到连续帧间图像信息和移动机器人运动位姿变化的转换关系.试验结果表明,误差仅为1.6%,算法运行时间缩短0.022 s.     

非结构地形环境下基于特征融合的倾斜摄影测绘建模优化方法

[目的]利用无人机进行大尺度非结构地形环境测绘时,由于无人机倾斜摄影得到的图像在测绘建模时会存在仿射变形较大、透视畸变严重、局部特征变化各异等问题,进而导致建模数据匹配困难.为解决这一问题,本文提出了一种基于特征融合的倾斜摄影测绘建模优化方法.[方法]首先融合图像的颜色信息及近似最近邻快速库(fast library for approximate nearest neighbors, FLANN)优化的加速稳健特征(speed up robust feature, SURF),然后结合优化的SURF与最稳定颜色区域特征(maximally stable color regions, MSCR)实现仿射变形图像间快速准确的特征提取及匹配.[结果]本文的特征匹配算法在1.25 s内得到757个最佳匹配点;相对于基于尺度不变特征(scale-invariant feature transform, SIFT)、SIFT+MSCR和SURF的特征匹配算法,最佳匹配点的数量分别提高141%、29%和34%,匹配时间与SURF接近,远低于SIFT和SIFT+MSCR.测绘建模得到的点云与参考点在...     

一种适用于图像拼接的DSIFT算法研究

针对SIFT算法在分辨率很低的模糊边缘平滑图像中提取的特征点数量过少,而且没有考虑特征点的分布情况、计算开销较大的问题,提出了一种离散尺度不变特征提取DSIFT(Discrete SIFT)算法。该算法在空间极值检测阶段引入一个滑动窗口,在窗口内对极值点的检测进行非极大值抑制,使得特征点的分布相对均匀,运算速度更快,并且保持了尺度、旋转、仿射等不变性。在特征提取前添加了降采样操作,在计算单应矩阵前添加位置信息还原的步骤,在查找匹配点的过程中引入K-D树,以及在特征点的筛选和单应矩阵的估计上采用RANSAC算法,都降低了图像配准各个阶段的时间开销。最后,通过实验验证,DSFIT算法相对SIFT算法具有更加均匀的特征点分布,保持了较高的鲁棒性,同时,在保证一定图像拼接质量的前提下极大地降低了图像配准各个阶段的时间开销。     

基于SURF算法和极线约束的无人机影像匹配研究

针对无人机影像受光照、拍摄角度及区域环境等因素的影响造成匹配效果不佳,局部区域匹配困难的问题,本文基于SURF算法,通过引入极线约束来提高特征匹配效果。该匹配算法首先利用SURF算法检测影像特征点,用RANSAC(Random Sampling Consensus)方法计算出基础矩阵,通过基础矩阵计算出所有特征点的极线,最后用极线过滤掉错误匹配。实验结果表明:与传统SURF算法的单一约束条件的无人机影像匹配相比,极线约束条件下的无人机影像匹配在误匹配减少的前提下能获得更多准确的特征匹配集。     

基于改进SIFT算法的无人机影像匹配

针对SIFT算法特征描述符计算复杂、时间效率较低的问题,提出了一种改进的SIFT算法,并将其应用于无人机倾斜影像匹配.算法首先利用SIFT算法进行特征点检测,基于BRISK描述符对提取的特征点进行描述生成其特征描述符,并基于Hamming距离作为特征匹配的相似性测度,在此基础上,利用比值提纯法(NNDR)进行粗匹配,最后采用RANSAC算法并结合均方根误差(RMSE)进行约束,对粗匹配结果进行筛选,剔除错误匹配点对,得到精确匹配结果.为了验证该算法的有效性,利用4组无人机影像数据进行实验并与SIFT算法和SURF算法进行比较,结果表明:算法在保证较高准确率的同时能够得到亚像素级的精度,且能够有效地提升时间效率,具有较好的稳定性.     

三维物体抗仿射变换特征匹配方法

为解决三维物体视角变化下的图像匹配问题,提出一种实现三维物体任意仿射变换间的图像匹配方法. 在抗仿射变换的Affine-SIFT算法基础上,提出了多变换矩阵mASIFT（multi Affine SIFT）算法. 使用多平面随机抽样一致性（multi-plane RANSAC,mRANSAC）几何变换约束方法,从描述子粗匹配结果中提取正确匹配对. 比单一变换矩阵方法更加符合目标物体的立体多平面特性,匹配对数普遍是ASIFT的5~9倍. 降低每个单应矩阵的误差阈值,使内点提取中双向变换误差阈值小于3个像素（或2个像素）,更有效地剔除误匹配,可计算出更精确的变换矩阵,实现更加准确的匹配.      

融合彩色和光照信息的尺度不变特征变换图像匹配算法

针对灰度图像色彩信息缺失导致尺度不变特征变换(SIFT)算法匹配能力差的问题,提出一种新的融合色彩和光照信息的SIFT图像匹配算法。新算法首先求出彩色图像各个像素的彩色补偿量和光照补偿量;在图像灰度化时增加彩色补偿量和光照补偿量来增强对比度,以减小颜色差异带来的匹配误差;采用SIFT算法对获得的灰度图进行图像匹配。对7组存在多种变化的图像对进行匹配测试,结果表明,新算法可以有效区分不同颜色但灰度相似的区域,增加了SIFT算法的匹配点数和准确率,提高了算法的匹配性能。     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。     

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题, 提出一种基于图像梯度信息强化的尺度不变特征转换（SIFT）特征匹配算法的改进算法. 首先通过适当的梯度算子求出梯度图; 然后以特定权值将梯度图与原图融合, 归一化后对融合图像进行高斯模糊; 最后利用传统算法进行特征提取. 实验结果表明, 改进算法的视角、 旋转不变性明显优于原算法, 对亮度变化较大或有噪声的图像匹配率也略有提升, 有效提高了SIFT特征匹配算法的准确性.     

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．     

基于SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

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MMTD的SIFT特征提取算法

尺度不变特征变换（SIFT）是一种常用的特征提取算法,但它采用固定的阈值来筛选特征点,匹配效果不是很理想.文中针对SIFT对不同图像无自适应性的缺点,提出了一种新的计算自适应阈值的方法,即将中介真值程度（MMTD）和SIFT相结合,用MMTD改进SIFT算法能够避免为了选取合适的阈值而进行大量的实验.采用MMTD改进阈值来筛选图像中的特征点,再将特征点进行图像匹配.实验结果表明,匹配点的数量比采用传统的SIFT方法增加了约两倍,说明文中所提出的基于MMTD的SIFT特征提取算法是有效的.     

一种基于Shi-Tomasi和改进LBP的特征匹配及目标定位快速算法

针对机器人伺服抓取中对定位精度和实时性均要求较高的问题, 提出一种特征匹配及目标定位快速算法. 首先, 采用Shi-Tomasi检测算法提取特征点; 其次, 提出一种新的特征描述子定义方法： 先以特征点为中心截取子图像, 利用二维Gauss函数偏导数确定特征方向, 再根据特征方向对局部图像做旋转处理, 提取旋转后标准局部图像局部二值模式作为特征描述子, 该描述子具有良好的局部性以及平移、 旋转不变性; 最后, 通过计算特征描述子间的Hamming距离实现特征匹配, 估计单应性矩阵, 定位目标在场景中的位置和方向. 实验结果表明, 该算法匹配速度快、 定位精度高、 稳定性好, 能满足机器人伺服抓取中定位精度和实时性的要求.     

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.     

基于特征点局部特征值剔除误匹配特征点算法

为了解决经典的特征点匹配算法SIFT采用比率测试得到的匹配特征点集中存在大量误匹配,且对数量和准确度无法兼顾的情况,提出了基于特征点局部特征值剔除误匹配特征点算法。该算法以高阈值比率测试得到的结果为粗剔除匹配点集,基于三角形相似性原理,从该特征点集中筛选出3个匹配正确的特征点对,利用其分别在基准图像和实测图像中构建局部直角坐标系,根据匹配的特征点对在相似局部坐标系下局部特征值的相似度剔除误匹配特征点,实现精剔除。实验结果表明,本文算法可以有效的剔除SIFT算法匹配结果中的误匹配,同时,与低比率（0.6）测试匹配结果比较,准确度较高,降低了匹配正确的特征点被误剔除的概率。可见本文算法可有效的剔除误匹配特征点,获得准确度高的匹配点集。     

改进的SIFT算法

目前图像配准的方法中,SIFT特征点匹配算法是目前图像特征匹配研究领域的一个热点问题。其匹配能力较强,可以处理图像间发生平移、旋转、放射变换的匹配,对任意角度拍摄的图像也具备较稳定的特征匹配能力并且极少数的特征点有偏差。因此通过参数的变化对SIFT算法的原理进行了研究以及改进,并用运算时间等数据说明该算法的有效性。