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。     

基于光流和特征点匹配相融合的低动态载体速度计算方法（英文）

针对光强分布不均匀环境下低动态载体速度计算精度低的问题,提出了一种改进自适应卡尔曼滤波方法应用于光流跟踪与尺度不变特征变换(SIFT)相融合的速度误差估计.该算法引入了一种非线性模糊隶属度函数和滤波残差用于自适应调整过程噪声的协方差矩阵.在计算载体速度过程中,首先利用光流跟踪法和SIFT方法分别进行帧间位移的跟踪和匹配并计算出载体的速度,同时将这2种方法求取的速度做差作为改进的自适应卡尔曼滤波器的观测量,最后使用改进的自适应卡尔曼滤波器输出的速度误差估计值对光流法求取的速度进行校正.半物理实验结果表明,该算法求解的最大速度误差较光流法减小了29%,且运算时间较SIFT方法减少约80%.     

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.     

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。     

基于SIFT特征点改进聚类的图像检索方法研究

由于SIFT特征点能对图像局部特征进行合理、精确描述,有效使用SIFT特征点实现基于内容的图像检索成为当前计算机视觉领域中的热点问题。针对该问题,提出一种基于SIFT特征点的改进聚类的图像检索新方法。该方法包括图像颜色转换、特征点改进聚类算法,以及基于该算法的更有效的灰度直方图构建方法。与现有基于流光法的检索方法相比,该方法能有效解决聚类后特征点分组不确定和依赖特征点颜色信息和空间信息权重的问题。从公共图像库上的实验结果可以看出,该方法与现有方法相比具有较高的检索精度。     

基于改进 SURF 的快速图像匹配算法

SURF 是在 SIFT 基础上提出的一种图像特征点提取算法。针对传统算法误匹配点多和计算量大等问题,提出一种基于改进 SURF 的快速图像匹配算法。该算法通过引入对角降维与角度删减方法,分别对 SURF算法中特征点描述子进行降维和误匹配点剔除,以提升匹配速度和精确度。实验结果表明,与传统算法相比,该算法提高了 1%~10%的匹配正确率,以及 8%~30%的效率。     

改进的BP算法对网站访问量的预测

利用BP神经网络进行预测已经取得了很大的进展,但BP神经网络易形成局部极值,算法收敛的速度相对较慢,将遗传算法结合到BP神经网络中可以改善算法收敛速度较慢的问题,利用改进的BP算法对网站访问量进行预测,结果表明运算效率得到了很大的提高,同事也说明了改进方法的可行性．     

基于分块H-SIFT算法的图像拼接技术研究

针对现有SIFT算法在图像拼接技术应用中存在的不足,提出了改进的分块H-SIFT算法.利用SIFT算法的可扩展性,与Harris算法联合使用,并对图像进行分块配准,在提高配准精度的同时,提高配准效率.在加权平滑的基础上,利用图像特征点处的梯度、散度值寻找最佳拼接线,实现图像的无缝融合.     

基于改进的SIFT图像匹配方法研究

对SIFT(Scale Invariant Feature Transform)算法进行了研究。针对高斯差分金字塔阶数与特征点数关系问题,对算法进行了改进,通过控制金字塔的阶数来控制特征点数。实验数据分析表明：在图像存在不同程度的旋转变形和噪声影响时,改进后的算法鲁棒性更好,实时性更强。     

基于多特征融合的图像匹配算法

为解决SIFT算法在视角变换、对比度变换、尺度变换及旋转变换混合复杂情况下匹配精准度低的问题,提出一种结合SIFT和RILBP（rotationinvariantLBP）的特征匹配算法。首先在图像SIFT特征点集上提取局部图像区域的RILBP特征向量;然后将SIFT的特征向量和RILBP特征向量融合成一个新的特征向量;其次,利用高维可扩展最近邻匹配算法实现两幅图像特征向量集之间的匹配;最后,使用VFC算法的筛选匹配策略对特征向量集进行筛选,找到两个特征向量集中的匹配对。实验结果表明,在视角变换和对比度较大的复杂情况下,该算法匹配精准度比SIFT算法提升了19.83%。     

一种快速的旋转图像匹配算法

文章探讨了一种用极坐标表示和K—L变换来减少匹配运算量、以改进遗传算法作为搜索策略来提高匹配速度和定位精度的快速有效的旋转图像匹配算法.实验结果表明这种算法计算速度快、匹配概率高、匹配误差小、鲁棒性好.     

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。     

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。     

基于改进粒子群算法的图像匹配技术研究

在分析基本粒子群优化算法的基础上,对学习因子进行非线性异步策略调整,改变其固定常数模式,平衡算法在迭代过程中的局部和全局搜索能力;同时引入活力因子,对失活粒子执行变异操作,提高种群多样性。改进算法可以提升对多维空间的全局寻优能力,避免粒子产生早熟收敛现象。将改进粒子群算法引入图像匹配优化问题中,提出了一种基于改进粒子群算法的图像匹配算法,实验结果表明,该算法具有更快的匹配速度以及更高的匹配精度,具有强鲁棒性。     

基于薄板样条的遥感影像非刚性配准方法

提出一种基于薄板样条的遥感影像非刚性配准方法。首先,根据SIFT算法分别在参考影像与待配准影像中提取特征点;然后,对特征点进行匹配,并利用RANSAC一致性分级检验方法,由粗至精分级排除错误匹配点;最后,利用同名匹配点构建薄板样条配准模型,并完成图像配准结果。实验结果表明,文中方法能有效解决遥感影像在时相变化、几何变形等条件下的配准,具有较高的实用性。     

基于四元数矩阵奇异值分解的彩色图像匹配方法

提出了一种基于四元数的彩色图像匹配算法.该算法将彩色图像用四元数矩阵模型描述,抽取四元数矩阵的奇异值作为匹配特征.对奇异值进行去噪处理,增+了匹配算法的抗噪能力.采用分层搜索策略,减少运算量,提高了匹配速度.实验结果验证了方法的有效性.     

一种新颖的数字图像篡改检测方法

检测数字图像复制—粘贴型篡改是目前研究热点之一。多数复制—粘贴篡改检测方案只对刚性平移篡改具有较好的检测精度,无法有效应对更复杂的几何变换和常规信号攻击。为优化数字图像复制—粘贴篡改检测效率和精度,首次提出一种使用极坐标复指数变换（PCET）与一致性敏感哈希（CSH）的高效检测算法。首先,计算滑动窗口 PCET 系数,将其作为不变的图像局部特征|然后,根据这些特征,利用 CSH 算法快速、精确地匹配大量密集分块|最后,使用基于密集线性滤波的后处理算法消除匹配结果中的错误匹配并定位重复区域,得到最终检测结果。根据实验结果可知,该算法不仅检测精度平均提高 12.06%,而且处理时间平均缩短315.64s。因此利用对几何变换和常规信号攻击鲁棒的 PCET 系数刻画图像局部特征,并采用基于图像一致性的快速高精度匹配算法 CSH,可有效优化复制—粘贴篡改检测精度和效率。