一种改进SIFT算法

针对图像特征提取算法-SIFT,特征描述器维数较高,特征匹配耗费时间较长,匹配过程中存在相同图像不能匹配和不同图像能够匹配等问题,提出了一种改进SIFT算法与KD-tree搜索匹配算法相结合的新方法。采用KD-Tree算法替代传统链表式搜索方法降低特征点匹配时间;把特征点间距离和特征描述子内积同时作为匹配标准,加入相应匹配阈值减少匹配错误率,并通过理论和实验证明采用欧几里德距离作为相似性度量具有更高的匹配成功率。实验结果表明,在图像特征匹配中,该算法能够有效减少特征匹配错误率,大幅度降低匹配时间,具有较好的实时性和鲁棒性。     

一种基于SIFT特征匹配的工件识别方法

为了解决平移、旋转、缩放和部分遮挡等复杂环境下的工件图像匹配识别问题,给出了一种基于SIFT(尺度不变特征变换)特征匹配的工件识别算法.该算法采用SIFT特征作为匹配特征,引入欧氏距离作为图像匹配的相似性度量,并采用设定阈值的方法剔除误配点.实验结果表明,该算法能有效解决具有平移、旋转、缩放和部分遮挡等情况下的工件匹配识别问题.     

基于光谱图像空间的改进SIFT特征提取与匹配

原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法. 本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验. 仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.      

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.     

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.     

改进SIFT算法在特征匹配中的应用

对尺度特征不变SIFT算法进行了研究。针对原算法中128维特征描述子在匹配过程中效率低的情况,提出64维特征描述子。该描述子增加了特征点邻域的统计范围,增强了特征点的特征信息,降低了特征描述子的维数;特征点匹配阶段,采用欧氏距离作为度量,采用基于BBF的Kd-树对特征点进行匹配,提高了匹配速率。实验表明,匹配速率提高了5%到15%,配准精度与原算法相近。     

基于CUDA加速的SIFT特征提取

提出一种基于统一计算设备架构(CUDA)加速的尺度不变特征变换(SIFT)快速计算方法,用以解决SIFT特征提取计算过程耗时过长的问题.该方法充分利用图像处理单元(GPU)在并行计算、浮点计算、内存管理等方面的优势,合理分配主机端和设备端的资源及其在SIFT特征计算中所承担的角色.实验表明,与CPU架构下的SIFT特征提取算法相比,本文算法可以大幅度加快SIFT特征提取的计算速度,其加速比随着SIFT特征点数目的增加而增加,在本文实验中最大加速比可达1954.     

基于特征匹配的交通标志识别算法

智能交通系统（ITS）是当前研究的热点,而在ITS中的关键技术之一就是交通标志的特征提取技术.针对交通标志的特征提取,提出利用尺度不变特征变换（SIFT）算法提取交通标志的点特征,采取最小距离分类器对特征向量进行分类,并通过Matlab、仿真验证实验结果,结果表明能够较好地检测出交通标志的特征.     

基于SIFT特征提取的高清晰岩心图像自动配准

提出了采用图像自动拼接技术获得高清晰高质量岩心扫描全景图.自动拼接的关键是特征点的提取与匹配.尺度不变特征变换算法具有伸缩、旋转、仿射不变性,并能够抗拒一定光照和视点的变化.提出把该算法用于岩心图像的特征提取,并采用欧式距离法进行特征匹配.实验结果表明,采用该算法大大提升了岩心图像拼接系统的自动化水平和准确度.     

基于轮廓特征点的不完整目标匹配算法

用模板轮廓上特征点的相对几何位置关系对其进行描述,基于统计的思想,运用小波变换的方法,得出的特征描述子并利用其相似度来定义点特征的匹配度,提出一种新的具有比例与旋转不变特性的不完整目标匹配算法.实验表明,所提出的匹配算法有很快的运算速度和很高的匹配精度.     

复杂环境下尺度不变特征的检测与匹配技术研究

针对农业机器人复杂的工作环境,引入了一种新的鲁棒特征点检测算法——SURF算法,其对光照变化、旋转、尺度变化等具有很好的鲁棒性,精度能达到亚像素级别;在此基础上,利用最近邻法则结合BBF（best bin first）搜索算法,对SURF特征点进行精确匹配,实验表明,本文所提出的方法鲁棒性或实时性较目前常用的Harris算法和SIFT算法更好,可应用在机器人视觉定位、地图构建、智能导航等方面,具有一定的理论和应用价值。     

尺度不变特征转换特征提取优化算法研究

针对尺度不变特征转换(SIFT)算法时间复杂度高的缺点,提出了SIFT特征提取优化算法。分析了SIFT特征提取算法各个计算步骤的时间复杂性。对SIFT特征提取过程进行了优化,包括耗时最多的高斯金字塔的创建和计算特征描述符过程。优化算法降低了特征点提取时间,减少了特征点的重复匹配,同时保证了匹配结果的准确性。最后,实验证明了优化后的算法能有效降低时间复杂度。     

数字图像的不变特笥与特征提取

讨论了两种字符特征向量的提取方法,一种是基于平移,旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法,比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别,实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统。     

一种改进的三维模型特征提取算法

改进了一种基于正视图描述符的特征提取算法,该方法克服了Shih方法对于模型大角度旋转的敏感性。实验结果表明：改进后的方法不仅具有很好的查全率与查准率,并且对坐标系旋转变换具有较好的鲁棒性。     

基于SIFT的车标识别算法

针对车标识别过程中匹配阈值难、识别速度慢的问题,提出一种基于尺度不变特征变换(SIFT)的特征匹配车标识别算法.利用SIFT算子对图像的视角、平移、放射、亮度、旋转等不变特性进行提取,并采用BP神经网络算法自主选取车标图像特征进行分类、匹配和识别.仿真实验结果表明,简单车标和复杂车标的识别率平均值均达90%以上,该算法识别速度较快、识别率较高,能满足实际应用的需要.     

数字图像的不变特性与特征提取

讨论了两种字符特征向量的提取方法．一种是基于平移、旋转和尺度不变性的图像变换法,另一种是强调字符形状和结构的方向特征量提取法．比较试验的结果表明,通过计算字符图像中心矩的图像变换法具有比较稳定的特征值,有利于机器识别．实验中通过最小距离法进行字符的分类识别,识别率达到80％以上,可用于实时性要求较高的车辆牌照字符识别系统．     

基于Hough变换及SIFT特征提取的图像匹配方法

针对现有SIFT算法时间复杂度较高的问题,提出一种基于Hough变换及SIFT特征提取的图像匹配方法。首先,用Hough变换算法检测建筑物区域,以缩小检测与匹配的范围;然后,用SIFT算法在给定区域进行特征点检测与匹配;最后,提出一种两级排除错误匹配的方法,该算法对建筑物序列图像匹配具有光照强度、平移、旋转不变性。实验结果表明,该方法的匹配准确率至少高出比较方法9%。     

基于改进ORB特征匹配的单目视觉—惯性SLAM算法

针对VINS-Mono算法在弱纹理环境下运行不稳定、累积误差大等问题,提出了改进ORB特征匹配筛选的单目视觉—惯性SLAM算法。测量数据预处理环节采用了ORB特征提取,在特征点匹配时,使用双向匹配过滤和最小匹配点距离倍数判别剔除误匹配,最后利用随机采样一致性算法完成特征匹配。实验结果表明,与原算法相比,改进VINS-Mono算法的精度较高。     

一种新的掌纹特征提取算法

提出一种基于小波图像分解和不变矩函数的掌纹特征提取算法.该算法首先对掌纹ROI灰度图像进行N层二维小波分解,得到3N 1幅子带图像,分别计算每幅子图像的各阶不变矩函数作为特征向量.该算法首次将不变矩理论应用于掌纹识别,可对掌纹ROI灰度图像直接提取特征,去除了如图像增强和纹理细化等预处理算法所带来的消耗,得到的特征向量长度远小于传统算法.作者使用自行采集的数据库对该算法进行实验,获得了98.33%的正确识别率,验证了算法的有效性和准确性.     

基于局部颜色直方图的SIFT算法研究

尺度不变特征变换(SIFT)算法是一种对旋转、尺度缩放和光照保持不变性的局部特征图像匹配算子,是公认的识别率最佳算法之一。而SIFT算法仅使用灰度信息,忽略颜色信息,当对彩色目标识别时,识别率降低。针对此问题,结合直方图保持良好的旋转、缩放、模糊不变性等特点,提出基于局部颜色直方图的SIFT特征描述算法(即CH-SIFT)。在SIFT算法关键点位置不仅生成梯度直方图特征描述,同时生成颜色直方图特征描述。在匹配时,首先使用梯度直方图特征描述对匹配对初次筛选,然后使用颜色直方图特征描述再次筛选,最后确定是否为满足条件的匹配对。实验对比表明,CH-SIFT算法具有识别率高和匹配时间短等优点,能够有效地实现彩色目标匹配。