基于点特征匹配的SUSAN,Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法,包括特征提取和特征匹配2个步骤.在介绍保持结构的形态学方法--SUSAN算子和Harris算子原理的基础上,根据真实影像,就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较.编程实现SUSAN,Harris算子影像的点特征提取,基于匹配支持度的松弛匹配算法,从而获得研究实验数据.实验表明这2种算子在特征提取及影像匹配等方面各自具有其独特的优势,且均具有操作简单、易于实现的特点.     

图像匹配中点特征提取方法的研究

图像特征提取是图像匹配和三维信息提取的基础,是影像分析与单像处理技术领域中最重要的任务之一．有效的特征提取算法是影像分析与处理的关键．基于特征的图像配准中,特征主要针对点特征．基于点特征的图像配准,特征点的提取是图像配准的关键步骤,本文从点特征定义出发,分析和研究了几种常用的点特征提取方法,如：Moravec算子、Harris算子、SUSAN算子、Forsmer算子等,最后得出一些有益的结论．     

基于核线影像的点特征提取与图像匹配方法比较研究

对遥感航空影像进行计算机自动化处理是目前遥感发展的主要方向,而特征提取与影像匹配是一切影像处理的前提。特征提取算子有很多,该文比较和评价了几种著名的特征提取算子:Moravec算子、Harris算子和Forstner算子。基于相关系数以及最小二乘方法,利用提取出的特征点将两幅核线影像进行匹配与校正,比较和评价了两种匹配方法,并对最小二乘匹配方法作出了一些改进。     

一种基于Harris—Laplace特征点检测的抗几何攻击数字水印算法

基于图像特征点检测的第2代数字水印算法具有良好的抗几何攻击能力．Harris算子是2代水印中使用较多的一种特征点检测方法．然而传统Harris算子提取的特征点对于较大尺度缩放攻击的稳定性较差,结合自适应尺度特性的Harris—Laplace算子在一定程度上克服了这一缺点,并且对于旋转,噪声及压缩攻击均具有较好鲁棒性．据此给出了一种基于Harris—Laplace特征点检测的数字水印算法,实验结果表明,该算法对于常规信号处理和几何攻击具有较好的鲁棒性．     

数字图像角点检测算法探讨

数字图像角点特征因具有计算量少,匹配简单以及旋转不变等性质,应用广泛,本文在分析Harris角点检测算子的实现原理及其不足的基础上,提出了改进的Harris角点检测算法。实验结果表明,该算法检测出的角点分布更均匀合理,有效避免了角点聚簇现象。     

光学遥感影像舰船型号识别

为了利用光学遥感影像进行舰船目标型号的识别,介绍了一种基于SIFT(Scale Invariant Feature Transform)特征和Harris角点特征匹配的舰船型号识别方法.首先,利用SIFT算子提取舰船局部特征;为减少SIFT特征点误匹配,对舰船进行分区域(舰首、舰舯、舰尾)匹配.其次,提取描述舰船边缘的Harris角点特征,进行匹配.最后,根据2次匹配结果的重要性分别赋予相应的权重,进而判定舰船的型号.针对护卫舰的实验表明,该方法能够有效地对光学遥感影像的舰船型号进行识别.     

Forstner特征点分类和精确定位方法探讨

针对无人机影像空三处理对特征点定位精度要求高的问题,基于Forstner点特征提取算子探讨一种Forstner特征点分类和精确定位方法。首先利用一定的方法判定Forstner特征点的类别(即角点、圆点、中间点中的一种),然后根据该特征点的类别进行精确定位。通过对一组无人机数据进行实验,试验表明:相比Forstner算子的初步定位,精确定位的特征点精度显著提高。     

基于局部自相似结构特征的多模态影像匹配

针对多模态遥感影像间存在显著的非线性灰度和几何差异等问题导致的匹配难题,提出了一种基于局部自相似结构特征的多模态影像匹配方法。首先,利用非线性扩散对影像进行滤波,计算影像的相位一致性,并采用Harris算子在相位一致性图上提取特征点;然后,对相位一致性模型进行扩展,生成相位一致性方向图,并结合自相似理论,构建一种局部自相似结构特征描述符;最后,利用欧式距离作为相似性测度识别正确匹配点,实现多模态影像间的精确匹配。多组实测多模态影像的实验结果表明,与现有方法相比,本文方法可以获得更多的匹配点和更高的匹配精度。     

应用于无人机视频影像密集匹配的特征描述方法

为了降低无人机视频影像密集匹配的消耗时间, 提高处理效率, 提出快速的特征描述和特征匹配方法。该方法首先利用Harris算子检测角点, 然后通过特征描述符simplified-DASIY(S-DASIY)对检测角点进行特征描述, 生成该点的25维特征描述符。根据相应的匹配准则对影像对特征点进行匹配, 得到影像对的匹配点。实验表明, 该方法能够显著减少特征点的生成和匹配时间。     

自适应Harris角点提取的点云粗配准算法

针对传统3D-Harris角点提取算法中,Harris算子使用降维后的缺失几何信息、角点提取时响应值计算量大且耗时长、特征点对匹配精度不高以及需要手动设定角点响应阈值等问题,提出了一种完整而高效的Harris角点自适应特征描述、提取和匹配的点云粗配准算法。引入正交梯度算子对传统Harris算子和自相关函数进行改进;利用点云曲率约束实现角点的自适应筛选与提取,减少角点响应值的计算量;构建角点几何结构的特征描述子,结合阈值检测和描述子匹配,将角点匹配对集合进行扩展,从而完成源点云和目标点云之间粗配准;将所提算法得到的配准结果作为精配准初始值,利用迭代最近点算法实现精配准。与对比算法在公开数据集上进行实验比较,结果表明：所提算法的特征正确提取率为0.93,正确率最高;提取时间为7.63 s,效率最快;所提算法结合精配准步骤在实验数据集上的旋转误差、平移误差和运行时间均为最低,配准效果最佳。     

一种基于特征点的图像匹配算法

本文提出一种图像特征点匹配算法，并在该算法的基础上形成构建全景图的图像拼接算法．此算法采用Harris角检测算子进行特征点提取，并为其分配特征描述符．在进行相邻图片的特征比对时，提出一种基于小波系数的特征索引算法，提高搜索效率．运用稳健的RANSAC算法将伪匹配点集合划分成为内点与外点，在内点域中精确计算图像之间的变换关系．算法的重要特点为：基于小波系数的特征索引，可以使不同图像之间匹配特征点的搜索效率显著提高．实验结果表明：该算法得到的匹配点精确，受图像的形变、噪声影响较小；图像拼接处理的效果较好，具有较高的实用价值．     

基于概率密度分割的特征约束角点匹配方法

为克服Harris算子特征点匹配的角点群聚现象, 提出了一种基于概率密度的角点匹配算法。该方法将角点间的图像距离作为基本区域划分的主要参考系数, 利用划分区域的角点概率密度减少匹配区域, 然后将区域外的特征点判定为伪角点并将其去除。实验表明, 该改进算法的匹配结果有效地减少了干扰点, 从而提高了算法的实时性和准确性。     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

一种自标签特征点异源图像目标检测算法

由于图像成像机理差别较大,现有的算法无法提取可见光与红外异源图像上的共有特征用来匹配,进而无法实现异源图像目标识别. 针对此问题,本文提出了一种基于自标签技术的深度学习特征点提取匹配算法. 算法通过设计一个粗特征检测器并在合成影像上进行训练,使得该特征检测器在不同图像上都具特征提取能力. 利用本文提出的自标签方法将异源图像中共有的特征点进行提取,从而解决了现有算法无法获取异源图像共有特征的问题. 并利用自标签结果进行特征点检测器和描述子的训练,最终通过匹配的特征点实现了异源图像间的实例目标识别. 本文采集了不同场景下的可见光-红外无人机影像作为测试数据. 在异源测试数据集上,选择了6种不同的先进算法与本文算法进行了对比试验. 实验结果表明,该算法较现有的6种先进算法能够提取到更多、更精确的异源图像共有特征,与其他测试算法相比在异源图像测试数据上的平均精度有了明显提升.      

基于SIFT特征点匹配的印刷品图像检测方法

提出了一种印刷品图像在线检测方法.首先,利用在图像特征点提取领域中运用最为广泛的SIFT(Scale Invariant Feature Transform)算法提取图像稳定特征点,生成特征向量描述符;然后根据向量最近邻(NN)和次近邻(SCN)的距离之比,对匹配点进行初步筛选;最后运用M-estimators法估计特征点对间的几何约束模型,利用该模型进一步精选特征点,确定真正的匹配点对个数,将精选后得到的特征点数与初步筛选得到的特征点数的比值作为判断印刷品是否合格的标准.实验结果表明:该方法能够准确地提取出图像特征点,并通过精选特征点能够在很大程度上改善误匹配问题,从而快速有效地检测出错误的印刷品,得到了良好的检测效果.     

结合目标检测与特征匹配的多目标跟踪算法

针对多目标跟踪算法在遮挡频繁的场景下存在目标关联准确性低的问题,提出一种结合检测与特征匹配的多目标跟踪算法. 该算法引入检测精度较高的YOLOv5作为多目标跟踪的检测器,能够精准定位目标,有效提高跟踪精度;在面对目标间遮挡时,通过专门设计特征匹配模型提取更为细致的特征,能够有效降低跟踪时目标ID的切换次数.在MOT16数据集上对跟踪性能进行评估,结果表明:所提方法可以有效缓解目标遮挡,实现稳定跟踪.     

一种改进的ORB特征点匹配算法

针对ORB特征描述算法没有解决尺度不变性的问题,提出了一种将具有尺度不变性的BRISK特征描述符与ORB特征检测子相结合的特征点匹配算法;利用ORB特征检测子检测待测图像中的特征点,并借鉴BRISK特征描述算法的思想对检测到的特征点进行均匀采样,然后对采样到的特征点进行特征描述,最后使用暴力匹配的方法计算汉明距离从而完成特征匹配;通过实验验证了改进算法,有效地解决了ORB特征描述算法不具备尺度不变性的问题,相较于原ORB算法,改进算法的尺度不变性得到了有效提高且更加稳定、可靠,同时,改进算法的实时性也略优于原算法,适合于要求实时性高且尺度变化大的应用中。     

基于改进角点特征的多传感器图像配准

对模糊和有噪声干扰图像设计的高对比度角点提取算法进行了改进,将角点检测范围限定在高对比度“边缘带”,减少了角点检测范围,在保持角点检测精度的同时,算法效率提高了大约1倍.在点特征匹配阶段,采用归一化互相关初步建立点特征的对应关系,利用马氏距离仿射不变性筛选出正确点对,从而得到图像之间的仿射变换关系,实现图像的自动配准.实验结果证明了此算法的有效性和高效性.     

三维测量中基于脊波变换的图像预处理及拐点检测

图像预处理及拐点检测研究是基于计算机技术三维测量研究的重要内容之一。提出基于傅立叶变换去模糊并结合有限离散脊波变换实现去噪的图像预处理方法,并在此基础上利用拐角测度法实现拐点检测。通过仿真实验把建议的算法同常用预处理后的典型检测算法作深入的比较研究,结果表明该算法具有较高的鲁棒性、较小的误判宰以及丢失率等优点。     

基于角点特征的几何形状中心定位

图像特征点中心定位是位姿测量中求解位姿的关键．针对同一图像有多个几何形状的问题,首先利用开源计算机视觉库OpenCV对原图像进行区域分割,得到目标区域的边缘,其次将每个区域进行像素填充;然后用Harris算法进行角点检测;最后根据角点坐标再计算中心点,并将文中算法就一幅图像中有单个几何形状的情况与原始Harris和改进的Harris算法从准确率和效率上进行了比较．实验证明,这种中心定位算法不但提高了准确率和效率,而且误差可以减小到1个像素以内．