二进制特征图像算法性能分析

为研究几种常用二进制特征提取算法的实时性及复杂环境下的鲁棒性,对ORB、SIFT、SURF、BRISK四种基于二进制特征的主流算法,使用Euroc数据集和真实场景图像对进行匹配和统计,对比分析其实时性.选用Mikolajczyk数据集,在图像旋转变换、模糊变换、光照变换、视角变换场景下对算法的鲁棒性进行比较.采用的评价...     

基于改进的SIFT算法的图像检索

探讨基于内容的图像检索.经典的尺度不变特征检测和匹配算法SIFT,具有旋转、缩放、仿射的不变性,因而在图像匹配、图像检索领域得到越来越广泛的应用.但其主要针对灰度图像,并且当图像中存在多个相似区域时,SIFT算法得到的特征向量就有很大的相似性,容易造成误匹配.为了得到更好的检索效果,在SIFT算法基础上加入颜色不变量特征,构造颜色特征向量,并且建立一个用来区分相似局部特征的全局向量,在检索实验中取得了比较理想的效果.     

基于改进SIFT的图像快速自适应匹配算法研究

针对SIFT算法在匹配具有相似区域的可见性,图像存在特征点描述符生成速度慢、匹配过程繁琐、匹配约束单一等问题,本文提出了一种基于改进SIFT的图像快速自适应匹配算法。通过错误高失配率的方法来简化图像特征的描述,将其从128维压缩至12维,以提升匹配速度。再通过对匹配阈值进行修整,增强其对常规的图像内容变化的视角变换,以改善算法鲁棒性。实验数据发现,与经典的SIFT算法匹配相比,所提方法具有更好的准确度和效率,在多种内容变换干扰下,其失配率平均降低了5%,具有很好的推广应用价值。     

改进ORB-SLAM算法在户外离线即时导航的研究

提出了一种基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法。首先进行所划定判断点的局部阈值计算,利用对比度和局部阈值计算出适合该点的阈值,进行特征点的判断;然后,筛选特征点并进行非极大值抑制去除局部较密集特征点;最后,利用处理后的图像进行角点响应值和拉普拉斯响应值计算得到该尺度下的特征点,再进行局部搜索算法比较得到角点。特征点提取实验结果表明,与SIFT提取的特征点个数及OFAST匹配正确率相比较,特征点提取时特征点个数下降了43. 6%左右,精准度提高了14. 4%,所提基于自适应阈值选取和局部搜索算法的改进室外场景特征点提取算法具有较好的效果。     

基于改进的SIFT特征图像匹配技术的研究

SIFT算法采用的固定阈值在对灰色较多的图像进行匹配时效果较差,通过对SIFT算法进行改进,计算极值点与邻域像素点的灰度差,对灰度差直方图采用迭代算法,得出适应不同对比度的自适应阈值.     

普通数码相机拍摄全景图中SIFT特征图像匹配算法研究

SIFT特征图像匹配算法通过特征向量的提取和匹配将普通数码相机拍摄的60-150幅甚至更多来自同一个场景有重叠的图像拼接成一幅720°全景图。该算法可对拍摄过程中出现的不同亮度、尺寸以及角度保持不变,对稳定视角和仿射也有一定的作用。     

基于角点LTS Hausdorff距离的图像配准技术

为了克服传统灰度图像配准方法计算量大、适应能力差等问题,研究了一种基于SIFT角点的图像配准方法。比较了常用的两种特征点提取算子——Harris角点算子和SIFT特征点提取算子,通过性能对比选择SIFT角点作为特征点。SIFT算子提取的特征点可能集中在某一个小区域,采用最大统计滤波对图像进行非最大抑制的方法来进行角点分布的控制。实验证明该方法可以获得的角点分布比较均匀;针对特征点的匹配,首先采用LTS Hausdorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

基于Moravec算子和改进的SIFT算法的图像匹配

根据sIFT算法具有良好的准确性和鲁棒性,能够克服一定的图像形变及遮挡影响．但其还难以满足图像处理实时性的要求,利用Moravec算子对SIFT算法进行改进,降低SIFT算法特征点获取过程的计算量．通过仿真实验,证明改进的SIFT算法可以提高识别、匹配的速度和准确率,可以满足复杂背景下对图像匹配精度和速度的需求．     

基于MATLAB的图像拼接算法实现研究

图像拼接技术应用范围广、实用性强。基于SIFT和RANSAC的图像拼接算法具有匹配精度高、拼接效果好的优点而受到普遍关注,但这些算法存在复杂性强、编程效率低的问题。探讨图像拼接基本流程,介绍MATLAB环境下基于SIFT和RANSAC算法的图像拼接实现过程。     

融合小波变换及SIFT算法的去抖动运动目标检测

采集视频信息时因摄像机抖动造成图像不稳定,将给后期运动目标检测带来严重的误检测问题。针对此问题提出一种融合小波变换及自适应SIFT算法的运动补偿方案。首先引入基于阈值的小波变换对图像进行去噪,然后设计变步长迭代准则自适应地搜索匹配的SIFT特征点,保证了高配准精度的特征点对的获取,通过对比当前帧与参考帧匹配特征点的偏移量估计抖动参数,再利用改进的高斯混合模型对运动补偿后的视频帧进行运动目标检测。实验结果表明,与同类方法相比,能够获取具有更高配准度和稳定性的匹配特征点对以有效地估计抖动参数,具有良好的去抖动效果和较高的运动目标检测精度。     

阈值自适应的SIFT全景图像拼接算法

针对SIFT(Scale Invariant Feature Transform)算法中阈值影响着图像匹配的成功率,提出了一种阈值自适应的匹配算法.该方法首先对SIFT算法中的阈值系统地研究,发现检测局部特征点的阈值α和图像匹配时最近距离与次近距离的比值的阈值 β对图像是否能够成功匹配起着决定性的作用,然后利用控制α的大小来检测特征点,生成特征描述符.再利用广义紧互对原型的基础上,自动调整 β的大小来控制匹配的对数,最后结合RANSAC和最小二乘法求出图像间的映射关系得到拼接后的图像.实验结果表明,该算法通过自动调整阈值和利用RANSAC剔除误匹配点,加快了图像的匹配速率,开发了全景图像拼接软件.     

基于小波变换的多聚焦图像融合

本文提出了一种新的基于小波变换的融合算法。此算法简单易行,既保留了图像的边缘特性和多聚焦图像的对比度特性,又有效地对两幅多聚焦的图像进行了融合。通过实验及结果分析,对这些方法保留图像的边缘特征和对比度特性进行了对比,得出了有益的结果。     

PCL环境搭建与在三维重建中的应用

为了解决PCL(点云库)配置搭建中出现的诸多问题,详细介绍编程库PCL在不同系统平台上的搭建流程,并在配置完成的PCL上调用库函数进行特征点匹配及小范围物体三维重建应用实验,在不同系统平台完成PCL搭建。实验表明,调用库函数并利用SIFT和FLANN算法对图像特征点进行匹配筛选,降低误匹配率,可得到令人满意的初期结果,为后期精确重建打下基础。     

基于SIFT算法的图像配准综述

SIFT图像配准是图像处理领域的一项重要技术,在遥感测绘、目标识别、图像及视频检索、导航制导和场景分类等多个领域应用广泛。在对现有SIFT图像配准文献研究的基础上,介绍了经典SIFT算法,将各种SIFT改进方法划分为基于特征点提取的改进和基于图像匹配的改进两类,对各类型的改进方法进行了系统阐述。介绍了点特征图像配准算法性能评价指标,展望了该算法的研究前景。     

路面裂缝图像局部对比度增强技术研究

为提高路面裂缝图像的对比度,提出了一种形态学多尺度局部对比度增强算法。基于形态学top—hat变换,通过提高亮特征灰度值或降低暗特征灰度值来增强图像对比度。试验表明,该方法可以有效地增强路面裂缝图像的对比度。     

结合自适应Gamma变换和MSRCR算法的低光照图像增强方法

针对低光照图像整体对比度低、细节显示不够清晰的问题,提出一种结合自适应伽马(Gamma)变换和带颜色恢复的多尺度Retinex(multi-scale Retinex with color restoration, MSRCR)算法的低光照图像增强方法。首先,为了动态地拉伸图像灰度值范围和提高图像对比度,进行RGB到HSV的颜色空间转换,采用多尺度融合方法提取图像的光照分量,并结合Gamma校正曲线实现图像自适应Gamma变换,提升图像的对比度;其次,针对自适应Gamma增强后的图像亮度较低的问题,采用MSRCR算法进一步提升图像亮度,并结合小波重构方法融合自适应Gamma变换后的图像和MSRCR增强后的图像;最后,由于小波重构后的图像局部存在过曝、过饱和的缺陷,结合基于模拟退火的自适应融合方法,将自适应Gamma变换后的图像和小波重构后的图像进行融合,得到最终的增强图像。所提方法既提高了低光照图像的对比度,使图像更有质感,又提升了图像的整体亮度,使暗部区域细节更加清晰;同时,弥补了MSRCR算法易出现色偏、颜色失真的缺陷。将所提方法应用于LOL低光照图像数据集,并与经典的图像增强算法...     

基于SIFT与SVM的钉螺数字图像识别

监测与控制钉螺生长区域,对有效控制血吸虫病疫情的传播和蔓延作用十分重要.采用数字图像识别技术,可以高效地实现对钉螺生长区域的监控.面对杂乱、图像部分遮挡、光照变化等复杂背景下的钉螺数字图像识别,提出了解决方案:首先,提取钉螺数字图像的SIFT特征向量集;然后,应用K均值聚类获取更具代表性的特征子集,作为分类器的训练样本集;最后,通过支持向量机方法获得分类器,用于识别钉螺数字图像.实验结果表明,提出的方法能够获得较好的识别效果.     

一种基于PLSA和词袋模型的图像分类新方法

提出一种基于概率潜在语义分析模型(PLSA)和词袋模型(bag-of-words)的图像分类新方法.该方法首先利用尺度无关特征变换(SIFT)提取图像中的关键点,然后采用概率潜在语义分析模型去发现图像中的物体分布的信息,最后利用词袋模型进行图像分类.通过在大规模数据集上的实验表明,新的图像分类算法在分类精度上明显提高.     

一种适用于多视角图像的配准方法

多视角图像的配准一直是国内外数字图像配准领域,研究的热点与难点。本文采用基于仿射不变的理论以及SIFT算法来实现多视角图像的配准。该算法对任意角度拍摄的图像具备较稳定的特征匹配能力。     

基于机器视觉的港口集装箱卡车防吊方法研究

随着全球贸易的发展,集装箱运输增长迅速,集装箱卡车和吊车在集装箱运输中发挥着极其重要的作用。针对集装箱装卸作业中因集卡和集装箱之间固定锁未完全打开而导致集卡被误吊起的危险情况,提出一种基于机器视觉的港口集装箱卡车防吊方法。该方法使用两个摄像头实时采集集卡车身图像,为保证图像检测过程的实时性和准确性,采用ORB特征点检测算法对图像进行特征点提取,利用FLANN特征点匹配算法将检测到的特征点与起吊前基准图像中的特征点进行匹配,通过分析匹配成功特征点之间的坐标变化,判断集卡是否被误吊起。一旦纵坐标变化超出阈值,控制系统则会向主控PLC发送停止起吊指令,从而避免安全事故发生。通过大量现场试验,结果表明,该方案在应对各种复杂环境时都能取得很好的效果,可以满足港口自动化要求。