高鲁棒性和独特性的图像局部不变特征描述

为了提高尺度不变特征变换（scale invariant feature transform, SIFT）算法的不变性,并降低图像中存在多个相似区域时的误匹配率,提出了一种将基于局部二进制模式的中心对称的改进局部三进制模式（center symme-tric improved local ternary patterns, CS-ILTP）描述子和全局灰度值分布（global distribution of intensity,GDI）描述子相融合的局部不变特征描述算法。通过迭代变换,使得由SIFT算法得到的初始特征点收敛到仿射不变点并得到仿射不变区域;分别提取 CS-ILTP和GDI描述符,从而得到图像的局部不变特征描述。实验结果表明,所提算法具有高鲁棒性和独特性,相似区域和人工路标匹配中的正确匹配特征个数分别比SIFT算法增加了100%和86%以上。     

基于SIFT弹载SAR图像匹配算法

基于尺度不变特征算法,提出了一种适用于弹载合成孔径雷达图像匹配的改进算法。该算法首先通过在构建的高斯差分尺度空间中搜索特征点,然后利用指数加权均值比算子计算特征点的梯度幅值和方向,并通过简化的特征描述子生成特征向量,最后采用距离比和几何一致性准则剔除错误匹配的特征点对,实现图像匹配。实验结果表明,改进算法对SAR图像在旋转、光照、尺度变化等情况下都有很好的匹配效果,并且降低了计算复杂度,有较强的鲁棒性和实时性。     

三分支空间变换注意力机制的图像匹配算法

对于待匹配图像具有旋转、缩放、平移等空间几何变换的图像模板匹配任务,现有的算法耗时较长,且准确率不高。针对该问题提出一种高准确率、低运算成本的图像匹配算法,首先根据中心点与邻域点的像素差来寻找特征点,进行快速特征检测,然后以这些特征点为中心,并以快速特征检测所计算出来的旋转角截取出一定尺寸的图像块。再将这些图像块输入空间变换注意力模块的特征描述子提取网络,最后使用K最邻近算法计算两张待匹配图像特征描述子中匹配的特征。特征描述子提取网络中引入了空间变换注意力模块,网络在训练的时候着重对空间信息进行学习,故所提算法提高了具有较大空间变化图像匹配任务的准确率。在匹配时间方面,所提的匹配算法仅次于检测和匹配都使用快速特征检测算法的方法。在匹配准确率方面,所提算法匹配的准确率远远优于实验所比较的其他算法。     

基于尺度不变局部特征的摄像机运动检测

摄像机运动检测是自动视频分析的重要内容.提出一种基于尺度不变局部特征的摄像机运动检测方法.该算法通过帧间局部特征的匹配,通过归一化软投票的方法鲁棒地估计特征匹配对的位置、尺度的变化,并根据备变化值和投票数的特点识别出摄像机的运动类型.该方法简单、鲁棒,实验结果验证了所提方法的有效性.     

三维重建中特征点提取与匹配算法研究

提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.     

景象匹配辅助导航中多级实时匹配算法研究

由于选用部分Hausdorff距离进行图像匹配时不能满足较大尺寸图像匹配实时性要求,利用了多级分层匹配技术加速图像匹配,提出了多级实时图像匹配算法,该算法以部分Hausdorff距离为图像匹配相似性度量,结合小波变换多分辨率思想提取多尺度图像特征,实现了由粗到精多级分层实时匹配。图像匹配结果表明,光学卫星(IKONOS)图像和合成孔径雷达(SAR)图像二种情况下图像匹配结果准确,比仅采用基于部分Hausdorff距离图像匹配而言,采用三级图像匹配可大大缩短匹配时间。该算法实施景象匹配能在5 s以内完成,满足景象匹配辅助导航系统匹配修正的准确性和实时性的要求。     

基于不变矩的景象匹配辅助导航快速匹配算法

针对景象匹配过程中矩特征计算量大、耗费时间长的问题,在搜索匹配前,首先通过小波变换压缩图像以减少搜索空间。在此基础上,为了减少每个待匹配位置相似性测度的计算量,利用矩特征的求解特点及匹配过程中相邻子图间的关系,通过设置多个和表简化各子图矩特征的计算。综合这两种加速策略,提出了一种快速的不变矩匹配算法,该算法极大地降低了匹配过程的计算代价。实验结果表明,所提算法与仅使用小波变换的方法相比,在保证匹配精度的同时,进一步减少了匹配耗时。     

SIFT与核局部不变映射结合的特征描述算法

为更好地实现图像跟踪,寻找更具鲁棒性和计算简便的特征描述子,提出了一种基于核局部不变映射的尺度不变特征转换(scale invariant feature transform, SIFT)特征描述算法。该算法在继承SIFT算法良好性质的基础上,依据不同空间尺度下能量特征差异性,对尺度内的子图像层数进行细化,以提高稳定特征点的数量。此外,借助核方法的映射特性,解决了局部不变映射法丢失非线性高维特征的问题,形成一种基于核局部不变映射的非线性降维法,进而对特征描述子进行特征重划。实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化等多种场景下,相较现有的主成分分析 SIFT算法,该描述子不但取得更多的稳定特征点,而且计算速度也得到大幅提升。     

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.     

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法.首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配.实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度.     

基于风格迁移不变特征的SAR与光学图像配准算法

针对异源遥感图像的匹配难题, 提出一种基于风格迁移不变特征的合成孔径雷达(synthetic aperture radar, SAR)图像与光学图像配准算法。首先, 训练SAR图像转换为光学图像的风格迁移网络。然后, 基于风格迁移网络生成人工光学图像及其与原SAR图像之间的差异图, 并利用小波多尺度特性增强人工光学图像和差异图的边缘区域, 二值分割后提取人工光学图像的边缘不变特征。同时, 提取光学基准图像的边缘特征。最后, 通过互相关性准则进行边缘特征匹配, 进而实现原始SAR图像与光学基准图像的精确配准。实验结果表明, 较同类算法, 即使在训练样本不足的条件下, 生成的人工光学图像也能与光学基准图像实现精确配准, 增强了算法的适应性。     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

一种实用的景象匹配仿真方法

设计了一种实用的景象匹配仿真方法。用该方法对匹配算法进行性能评估，可提高所获取的算法性能参数的可信度。基于对特定匹配算法的性能参数进行分析，提出了一种面向景象匹配制导的基准图可匹配性检测方法，为匹配区基准图的选定提供了新的度量参数。仿真比较实验结果验证了本文仿真方法的实用性、有效性。     

基于自适应上下文信息的目标相对定位方法

针对成像末制导中地面固定目标识别难度大的问题,基于最稳定极值(maximally stable external region, MSER)区域提出一种新的相对定位识别算法。提取基准图中目标周围具有尺度和仿射不变特性的MSER特征,根据权重指数自适应选取一定数量的MSER特征作为上下文地标。提取实时图中的MSER特征,与上下文地标基于规则化互相关准则进行特征匹配,利用双层匹配矫正策略减少误匹配,得到匹配特征对。提取匹配特征对的中心点作为参考点求解基准图与实时图之间的空间映射关系,进而利用最小二乘拟合一次多项式计算实时图中目标的位置坐标。实验结果表明,针对复杂地面场景,该方法的最大相对定误差不大于3个像素。基本满足成像末制导对自动目标识别算法稳健性好、识别精度高、抗干扰能力强等要求。     

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。     

一种基于自然纹理特征的增强现实跟踪算法

给出了一种面向增强现实(augmented reality,AR)的基于自然纹理特征的实时跟踪算法,算法分为目标检测与跟踪两个过程.以真实场景中的目标物体的表面纹理图像作为模板,用基于朴素贝叶斯分类的宽基线匹配方法进行目标检测与方位参数估计;将分层L-K光流算法与鲁棒的IC算法结合,提出一种基于角点与纹理的混合跟踪算法,并用于其跟踪过程.实验结果表明,所提算法具有较好的实时性、准确性与鲁棒性,并解决了宽基线匹配算法在AR应用中出现的抖动现象.     

一种基于正交矩的立体匹配方法

通过引入Tchebichef离散正交矩提出了一种新的基于双目立体匹配的方法，该方法利用了Tchebichef离散正交矩在图像空间中的正交性来描述图像的灰度分布特征，然后根据该分布特征对图像对进逐行逐像素匹配，视差计算通过逆变换或者通过比较重建图像的灰度值进行估计，从而得到视差图。给出了利用正交矩处理图像对的重建结果和立体匹配结果。试验结果表明，该方法是可行和有效的。     

基于自然特征点的实时增强现实注册算法

提出了一种基于自然特征点的实时跟踪注册算法,并将其应用于增强现实系统。算法在已知场景的3D模型以及少量标定关键帧图像的基础上,选择与当前图像最为匹配的关键帧,利用基于关键帧的图像匹配方法实时获取摄像机的运动参数估计。算法采用合成中间图像的技术解决两图像特征点间的宽基线匹配问题,并应用扩展卡尔曼滤波器对参数估计结果进行平滑,以消除系统抖动现象。实验结果表明,算法鲁棒性强,注册精度高,能够有效地克服系统误差漂移。     

Improved block matching approach to fast disparity estimation

An improved block matching approach to fast disparity estimation in machine vision applications is proposed, where the matching criterion is the sum of the absolute difference (SAD). By evaluating the lower bounds, which become increasingly tighter for the matching criteria, the method tries to successively terminate unnecessary computations of the matching criteria between the reference block in one image and the ineligible candidate blocks in another image. It also eliminates the ineligible blocks as early as possible, while ensuring the optimal disparity of each pixel. Also, the proposed method can further speed up the elimination of ineligible candidate blocks by efficiently using the continuous constraint of disparity to predict the initial disparity of each pixel. The performance of the new algorithm is evaluated by carrying out a theoretical analysis, and by comparing its performance with the disparity estimation method based on the standard block matching. Simulated results demonstrate that the proposed algorithm achieves a computational cost reduction of over 50.5% in comparision with the standard block matching method.