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SIFT特征的图像匹配算法实现

由于SIFT（Scale Invariant Feature Transform）特征具有尺度不变等特性,成为图像匹配领域的研究热点。SIFT特征首先通过高斯尺度空间及差分尺度空间确定并精确定位特征点,然后根据特征点及邻域的像素点计算梯度方向直方图,从而获得特征点的描述子,最后以欧式距离作为相似性度量获得图像匹配的特征点。实验证明,SIFT算子在不同视觉、尺度变换、遮挡等情况均具有鲁棒性,能够获得较好的图像匹配结果。     

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特征点精确匹配的图像拼接技术研究

为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。     

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。     

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.     

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SIFT与K-means聚类的多源图像匹配算法

为进一步提升图像特征点定位准确性,提高图像特征匹配的精度与算法效率,并保持良好的旋转与尺度不变性,文章提出了一种基于SIFT特征点和K-means聚类的图像匹配优化算法,在SIFT特征点基础上,利用亚像素插值和辐射聚类模型对传统算法进行优化,提取更精确的特征点,进一步根据辐射模型中距聚类中心距离比率,计算对象点与聚类中心的相似性,避免了特异点对聚类中心计算产生的突变影响,提高了聚类计算的正确性及特征点正确率.实验证明,在保证旋转不变性与尺度不变性的前提下,本算法实现了在同等距离比率下较原算法的图像匹配精度有较明显提高.     

纹理特征和SIFT特征的茶叶品质分级

当前的茶叶分级研究主要基于纹理特征构造分类器,但易受采样过程中的光照、噪声影响.本文提出了结合经典的SIFT(Scale-invariant feature transform)特征描述子在自然光条件下的茶叶分级问题,并使用多类AdaBoost算法对样本进行分类.单幅图像的提取结果显示,SIFT特征对带瑕疵的图片仍具有很好的描述能力.在采集的90幅3级茶叶样本上的实验结果显示,纹理特征+SIFT特征取得了比单组特征更好的分类性能.     

一种基于遗传算法的改进图像匹配方法

研究了基于遗传算法的图像匹配方法。针对传统的遗传算法运行速度不高且容易产生早熟现象这一局限性,提出一种改进的遗传算法。该算法利用伪并行遗传算法(PPGA)的思想,提出了新的遗传策略,减小了算法陷于局部极值的可能性并同时提高了搜索速度。     

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%。     

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。     

基于演化算法的图像匹配方法研究

图像匹配问题是数字图像处理的一个重要领域,它广泛应用在卫星与导弹的制导与导航和机器识别等诸多领域中。图像处理的大量运算量对计算机的计算速度和智能性提出了很大的挑战,演化算法正好能够解决这些复杂问题。主要讨论了演化算法在图像匹配中的应用研究。     

基于快速SIFT算子违禁品特征提取研究

由于传统SIFT(scale invariant feature transform)特征提取算法每个特征描述子形成128维的特征向量,计算量比较大,严重影响实时性,而被动毫米波(PMMW)安检成像系统对实时性要求比较高,因此提出将改进后的快速SIFT算子运用于违禁品特征提取。改进后的快速SIFT算法主要分为2个方面,一是用绝对距离取代了欧式距离,改进了特征描述符相似性度量的测量形式,相似性度量公式的时间复杂度有所降低;二是提出了假设匹配算法,减小了算法中相似特征点比较的次数,降低了算法的计算量。仿真实验证明,快速SIFT算法在尺度缩放、旋转和视角变化等情况下匹配效果较好,耗时仅为传统SIFT算法的三分之一左右。     

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.     

浅谈SIFT算法对HJ-1 B影像自动配准研究

实现影像间自动配准的关键在于快速提取足够数量且精度高的匹配点。提取特征点的方法主要有基于特征和基于灰度两种。经过大量的实验证明,sift算法提取特征点,从粗略的提取特征点,再通过四步对已提取的特征点进行提纯,最后利用精度较高的匹配点进行计算影像间的变换参数,实现配准的自动化。     

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。     

基于特征匹配与 CNN 的浮动验证码识别研究

为有效识别浮动验证码,提出一种基于特征匹配与卷积神经网络的识别方法。首先使用特征匹配的方法得到匹配特征点,结合交叉匹配算法与 K 近邻匹配算法滤除错误匹配;然后对特征点进行聚类及投票分析,得到待识别字符区域,将其分割得到单个字符;最后在 mnist 手写数字数据集的基础上加入英文字符,构建卷积神经网络模型,将数据集送入模型进行训练。对 10 000 张浮动验证码进行测试,结果表明,该方法对浮动验证码的识别准确率达 95%,且构建的训练集具有可扩展性,可进一步应用到其它类型的字符识别中。