SIFT特征匹配算法改进研究

为了适应于景象匹配导航及制导等实时性要求较高的领域,对SIFT特征匹配算法进行改进,提出了基于D^2OG特征点检测算子的改进的SIFT特征匹配算法。改进算法用D^2OG金字塔的过零点检测代替DOG金字塔的极值点检测提取尺度不变特征点,巧妙简化高斯金字塔的结构,降低了算法复杂度和时间代价。以标准测试图库中大量不同几何和灰度畸变图像为基础的仿真实验表明,基于D^2OG特征点检测算子的改进的SIFT特征匹配算法在保持原算法鲁棒性和精度的前提下,较大的提高了算法实时性。

Abstract：

An improved Scale Invariant Feature Transform algorithm was proposed based on D^2OG interest point detector for better real time performance in the application of scene matching navigation and so on. In order to detect the scale invariant interest point, a D^2OG pyramid is built and extreme detection in the DOG pyramid was replaced by zero detection in the D^2OG pyramid, which simplified the structure of DOG pyramid, so as to lower the complexity of algorithm, lessen the running time. Numerous experiments were carried out on standard testing images under various shooting conditions such as geometric distortion, illumination variation and so on. The result shows that the method has a big progress in the real time performance compared to the original one, with equally robustness and precision.     

融合角点特征与颜色特征的Mean-Shift目标跟踪算法

针对Mean-Shift算法稳定性差、无法适应目标遮挡的特点,提出了一种融合角点特征与颜色特征的目标跟踪算法。该算法利用Harris角点的特征不变性克服了Mean-Shift算法鲁棒性差的缺点,同时利用Mean-Shift算法中核概率密度估计特性克服了目标与背景角点难以区分的缺点。通过视频序列对该算法的跟踪稳定性与抗遮挡性能进行测试,结果表明,新算法的跟踪稳定性与抗遮挡能力优于基于单一角点或颜色特征的Mean-Shift算法。     

基于高斯曲率极值点的散乱点云数据特征点提取

提出了一种快速提取散乱点云数据特征点方法,首先求出空间一点邻域内的曲面片模型,在此基础上利用梯度法搜索曲面上的高斯曲率极值点。然后再以该点作为搜索曲率极值点的初始点,根据判定准则搜索该点附近的曲率极值点。曲率极值点的搜索方法是边拟合局部曲面边搜索高斯曲率极值点,在搜索曲率极值点时,只需计算高斯曲率极值点附近点的曲率值。避免了传统算法中由于需要求出所有测量点的曲率值,然后进行比较求得曲率极值点而耗时间的缺点,从而提高了搜索效率。     

基于边界特征点提取的约束Delaunay三角剖分算法

在地形表达上不规则三角网应用广泛,实际中用到最多的也是Delaunay三角网剖分算法。针对约束数据域下的Delaunay三角剖分通常不满足DT特性的问题进行了阐述,分析了已有的三种引入附加点的算法,算法主要从几何的角度考虑如何减少附加点的数量,而加入附加点的最终目的在于获得更加真实的地形,因而提出了基于边界特征点提取的约束Delaunay三角剖分算法,算法实质就是在加入特征约束之前提取能够满足可以真实再现地形的所有特征点作为新的特征约束,省去附加点的概念,应用现有的Delaunay三角剖分算法进行构网,保证构建后的地形仍具真实感。     

基于SIFT匹配算法的移动机器人单目视觉定位研究

以单目视觉为模型给出基于视觉的移动机器人目标定位系统算法,利用尺度不变特征变换匹配方法(SIFT)求得基本矩阵与本质矩阵,分解本质矩阵后进一步得到相机的运动参数,最后结合立体视觉方法以及运动恢复结构方法获得目标的深度信息,实现目标定位。给出了三维信息获取过程与计算机仿真结果。实验结果表明,算法能满足移动机器人对目标实现定位的精度要求。     

基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于标定区域特征点组合匹配的位姿估计方法

景象匹配视觉导航技术通常需要硬件测量相机的距离和姿态,提出了基于标定区域的特征点组合匹配的位姿估计方法,通过选择实时图像的标定区域中最优的一组尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)匹配点,通过三角形内部线性插值方法计算SIFT特征匹配点的地面局部坐标,利用空间后...     

离散特征点探测算法

在建立新的特征点响应函数的基础上，提出了一种特征点探测算法，算法以图像分块为基础，通过计算每一分块内的特征点，进行特征点连通集约简获得离散特征点集，实验证明，算法效率得到了较大提高，解决了使用全局特征响应阈值造成的特征点聚集和不敏感特征点被错误剔除的问题．     

基于能量特征匹配的在线手写签名验证算法研究

侧重签名能量特征提取方法的研究,提出了一种基于小波分析的在线手写汉字签名验证算法。基于Daubechies小波的方法对签名波形进行分解,重构部分波形后,提取签名波形在跳变点处的能量,并对跳变点处签名能量进行大小排序,选出M个较大能量作为特征矢量,并提出了一种新的匹配算法。算法能快速消除随机伪造签名,实现自动签名验证的目的。实验表明,对于随机伪造签名,当误拒率为0%时,误纳率为8.5%。     

三维人脸建模中面部特征轮廓线的提取

提出一种基于彩色Snake模型和人脸先验知识的面部特征轮廓线提取算法，并将其用于真实意的三维人脸建模。根据肤色和灰度信息，在图像分割的基础上，利用种子填充技术获得面部各非肤色特征的轮廓初值；然后采用一种改进的彩色Snake模型对轮廓初值进行精确定位；接着，根据人脸的先验知识，利用含有方向信息的形态学边缘检测算子通过一次逐点考察完成下颚轮廓线的提取。实验结果表明该算法在轮廓线的搜索效率和定位精度上都有良好表现，在真实感的三维人脸建模以及面部识别等领域具有广泛的应用。     

2D测距图像的特征提取及类别划分研究

测距图像的特征提取和类别划分是计算机视觉的热点问题之一。以2D测距图像为研究对象,提出了一种加权的模糊聚类算法-wFCA算法来进行特征提取。为了自主确定准确的聚类数目,利用多种有效性索引函数对不同聚类算法的有效性进行计算评估,选取一种适合于测距图像有效性分析的索引函数。同时,为了解决聚类算法中局部最优问题,提出一种改进的IVGA遗传算法。通过相关算法的性能比较,所提方法的有效性均得以验证。     

物体三维重建中轮廓匹配的模糊模式识别方法

基于轮廓序列的三维重建需要解决不同层面的匹配与聚集问题,传统算法在复杂流型转换中匹配准确率较低.针对传统匹配算法匹配准确率较低等问题,采用对折线求平均距离、构造模糊集的方法,给出了一种模糊聚类的数学模型,将传统的匹配问题转化为类成员的隶属度问题,最后把该模型应用到电容层析成像三维可视化系统中,并通过仿真实验验证了方法的有效性.     

基于LS-SVM的特征提取及在凝点软测量中的应用

提出了一种基于最小二乘支持向量机(LS-SVM)回归算法的特征提取新方法,并将其成功应用于柴油凝点近红外(NIR)光谱软测量建模。在该方法中,将特征提取公式表达成与LS-SVM回归算法相同的形式,这样就能通过LS-SVM求取最优的特征投影向量。用一个含120个样本的401维柴油近红外光谱数据集进行测试,通过该方法提取后,原始光谱数据集的特征被降到了6维并保留了原有99.58%的信息。同时,用该数据建立的软测量模型具有更快的学习速度和更高的测量精度。实验结果验证了所提的特征提取新方法应用于近红外光谱特征提取的可行性和有效性。     

地磁匹配双等值线算法仿真研究

地磁场数据的缓变特性导致地磁匹配等值线(Iterative Closet Contour Point,ICCP)算法存在着局限性,针对这种情况,在对地磁场数据特征量交叉特性研究的基础上,提出了适合地磁场数据的地磁匹配双等值线(Dual Iterative Closet Contour Point,DICCP)算法,建立了算法的模型,并对算法的粗匹配和精匹配过程进行了仿真研究,仿真结果证实了算法的有效性,特别是在降低对INS精度要求时,能够得到比ICCP算法更高的匹配精度.     

三维曲面重构与多视匹配技术的研究

自由曲面是制造技术中的关键技术,它广泛用于航空、航天、汽车制造、模具以及服装和制鞋工业等领域。本文介绍了将非接触光学测头用于三坐标测量机(CMM)实现对复杂三维曲面的在线测量。主要研究了如何对采集得到的大量散乱数据进行曲面重构处理,同时采用了一种实用的图像匹配算法实现了多视数据信息的融合。     

结合图像特征和几何特征的级联图像匹配方法

提出了一种多特征级联目标匹配算法(MFCM)。在先前的研究中提出的基于几何特征的匹配方法复杂度普遍较高,需要改进。MFCM算法首先使用图像特征为每一个特征点建立潜在匹配集,然后进行两级匹配:第一级匹配采用分治思想,利用几何特征建立匹配结果集,并应用投票机制来确保匹配的稳定性;第二级匹配在模板点集和匹配结果集之间建立对应关系。新算法有效提高了几何匹配方法的效率,同时保持了较高的匹配正确率。实验结果表明,MFCM算法可以有效处理大数据量的目标匹配问题。     

基于树型空间的三维树木模型匹配

为解决三维树木模型的检索具有正确率低、检索效率低、描述不匹配等问题,提出一种基于树型空间的三维树木模型匹配方法。该方法通过构建三维树木模型数据集的树型空间,辅以主轴匹配,轮廓匹配,枝干匹配等方式,经过树型空间中欧氏距离和测地线度量差异值,逐步匹配到相应的三维树木模型,该方法分别在通用模型数据集和自我设计的模型数据集进行了匹配性实现,结果表明可以较大幅度提升树木模型匹配的准确率,利于三维树木模型的大规模检索和重用。     

基于体积分布特征匹配的三维实体网格模型检索

在分析三维网格数据结构的基础上,提出一种基于特定轴向上体积分布特征的三维网格模型检索方法。该方法首先运用主元分析法确定模型的主轴方向,并将模型旋转至特定势态,再以一组等距的平行平面从三个主轴方向对模型进行剖分处理,并计算相应截面多边形的面积,进而得到模型沿不同轴向的体积分布数据,该数据描述了三维模型的几何特征。通过对模型体积分布特征数据进行建库和匹配,可计算出任意两个模型的相似性度量,从而实现了三维网格模型的数据库检索。实验表明,该方法程序运行稳定、快速,可以处理具有任意几何和拓扑复杂性的实体模型。