一种稀松运动特征匹配的跟踪滞后消除算法

针对在运动目标结构较为复杂,运动速度较快的情况下,采集图像与被跟踪的目标存在较大的速度差异,算法运算较为复杂,运算耗时与跟踪速度不匹配,形成跟踪滞后的问题,提出一种基于稀松运动特征匹配的跟踪滞后消除算法.在运动目标跟踪的进程中,运用稀松特征迭代计算的方法,减少特征数量.在保证跟踪精度的同时,最大程度缩短计算时间.实验表明,提出的算法很好地解决了被跟踪运动目标的滞后性问题,跟踪效果明显改善.     

基于稀松模糊定位算法的网络入侵特征检测

提出了一种基于稀松模糊定位算法的网络入侵特征检测算法。新算法通过采集初始网络入侵特征,组建特征集合。利用稀松运动特征匹配算法最大程度上纠正由于特征模糊带来的弊端。保证跟踪匹配过程中,运用较少的入侵特征点完成后期的多个匹配,大幅降低匹配时间,消除匹配误差问题,通过将全局搜索和局部搜索机制有机地结合,保证检测的准确性。实验结果表明,利用本文算法进行入侵检测,能够有效提高检测的准确性。     

适用航空导航的三维地形匹配算法研究

提出了基于特征的三维地形匹配算法,通过提取山地的山谷线作为地形特征,对基准图和实时图中的特征进行匹配来确定飞行器所在的地理位置。匹配过程阐述了树描述符算法,拓扑粗匹配以及几何量精匹配等概念,该算法具有较大的拉入范围,在一定程度上可以克服因实时图和基准图的差异而产生的误匹配。     

基于特征缺失修复的人脸三维运动形变估计算法

人脸由于其非刚性明显,受到运动背景变化、形变程度复杂、特征丢失等因素的影响,使得在进行三维动态人脸形变估计时,面临着估计不准,误差较大的问题。为了解决这些问题,提出一种基于特征缺失修复的人脸三维运动形变估计算法,将非刚体人脸运动的形变估计过程中,运用特征补偿方法,补偿由于噪声、形变程度复杂带来的特征丢失缺陷,运用较多的人脸形变特征进行形变分析,准确计算人脸的形变程度。实验结果表明,这种方法得到的解误差较小,效果明显。     

基于SIFT特征点改进搜索算法的图像匹配技术研究

本文研究一种改进的近邻搜索算法的图像匹配技术。本文采用基于特征的图像匹配方法,利用SIFT算法提取特征点。在特征点匹配的过程中,为提高搜索样本特征点的最近邻和次近邻特征点的速度,本文采用一种基于二叉检索树算法改进的近邻搜索算法,该算法用最近邻与次近邻比值来进行特征点的匹配。用MATLAB语言实现该算法并运用到图像特征匹配中,实验证明优于原算法并具有较高实时性。     

一种基于随机图像序列的三维人脸识别算法

针对二维图像序列非刚体三维特征恢复识别技术受到背景多样性、运动复杂性、数据的丢失、特征点噪声等问题的影响,识别重建人脸特征面临着形变程度估计不准,识别误差较大的问题,提出一种基于随机图像序列的三维人脸识别算法.该方法通过在三维人脸运动恢复的框架模型中加入一定的物理运动约束,刻画不同非刚体运动形状基的情况下,准确计算人脸运动形变的程度,运用形状基模糊关联技术完成人脸的三维识别.实验结果表明,这种方法得到的解误差较小,识别效果明显.     

应用于室内的双目视觉定位算法

为了实现自主移动机器人在室内的精准定位,提出了一种对运动姿态求解过程进行优化且基于特征点匹配的双目视觉定位算法。首先,利用FAST算子提取左右相机采集图像的特征点,并通过BRIEF算子进行特征点匹配;然后,对前后帧图像中的特征点采用BRIEF算子进行特征跟踪,并通过RANSAC方法过滤掉误匹配的特征点;最后,对帧间运动估计求解位姿的过程进行了优化,通过满足匹配要求的间隔最大的两帧图像求解位姿,以减小帧间运动估计产生的累积误差。实验结果表明,在机器人运动缓慢的情况下,该算法有效地减小了帧间运动估计产生的累积误差,提高了定位精度,并基本实现了在室内的定位。     

引入Hessian矩阵尺度极值检测的图像角度特征匹配

传统的SURF方法对动画图像角度特征匹配准确度较低,计算开销大,稳健性不好。引入Hes.sian矩阵尺度极值检测技术,提出一种改进的基于加速鲁棒特征匹配算法,实现对动画图像的角度特征优化匹配。首先基于摄像机的成像原理利用灰度直方图二进制均衡算法对图像进行增强处理,采用Hessian矩阵检测出图像每个尺度中的极值点,把图像角度极值点聚焦在图像的仿射闭合区域。提取仿射闭合区域的图像角度特征,使用SURF双向匹配算法实现角度特征优化匹配。仿真实验表明,改进方法能使图像的角度特征匹配准确度大幅提升,特征匹配准确率提高显著,有较好的鲁棒性和实时性。     

一种改进的特征点匹配算法

特征点匹配是计算机视觉中的关键步骤,在很多领域中都有着的重要应用。通过对当前图像特征点匹配方法的研究,提取一种基于特征点的灰度量和几何特征量相结合的匹配方法。该方法首先用Harris算法提取特征点;然后用极线约束减少搜索范围;最后用特征点的灰度量实现特征点匹配。该方法利用极线约束,克服了用灰度量进行特征点匹配计算量大的缺点,提高了匹配速度。实验表明,是一种准确快速的特征点匹配方法。     

法向量夹角的点云特征线提取算法研究

文章提出一种基于法向量夹角的点云特征线提取算法，该算法过程主要分为特征点提取和特征点连接两个阶段。在基于法向量夹角的特征点提取的过程中，通过构建最小生成树来实现法向量重定向，一定程度上提高了传统法向量提取特征点的准确性，随后对初选特征点进行细化和删减，得到点云数据的特征点集。在特征点连接阶段通过建立特征点的最小生成树以及相应的最小生成树裁剪算法构建特征曲线。实验证明，该算法原理简单，能很好地提取点云模型尖锐特征与细节特征，是一种有效的三维点云特征线提取算法。