图像匹配中特征提取算法研究

图像匹配是图像处理技术领域中最重要的环节之一,基于特征的匹配方法涉及特征的选定和提取,以及相似性准则的确定及实现.图像特征主要分为点特征,线特征以及面特征.本文以角点为点特征作为研究重点,对当前一些主要的角点特征提取算子,包括Morava算子,Forstner算子,Harris算子,MIC算子,SUSAN算子和SIFT算子进行研究.本文主要介绍了实现Moravec算子的编程思想及实现流程.     

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。     

基于角点匹配的遥感图像镶嵌方法研究

遥感成像的过程可能导致图像倾斜或畸变,针对传统图像镶嵌方法存在的精度和效率低等问题,采用Harris算子进行角点提取,建立图像特征点的对应关系,将两幅图像的角点对相互匹配,计算图像间的变换关系,实现遥感图像的平滑镶嵌。实验结果证明,基于角点匹配的遥感图像镶嵌方法具有较高的镶嵌精度。     

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。     

基于改进SIFT算子的影像匹配

影像匹配在人工智能和计算机视觉等领域有着极为广泛的应用,其决定了影像目标识别跟踪、图像配准的质量。其中的基于SIFT特征的影像匹配算法,针对场景不同、尺度缩放、分辨率差异、光照亮度变化、影像模糊以及压缩等有很强的适应性,故而应用在当前很多匹配算法中。当由于其算法的特性,在一些应用中其匹配速度对硬件要求较高。本文从这一点出发,对SIFT算子予以改进,以保障匹配精度为前提,实现了算法效率的提高,并实验验证。     

混合Forstner算法和SIFT灰度图像特征点提取

提出了一种混合Forstner算子和SIFT相结合的图像特征点提取算法.本文首先介绍了灰度图像特征点提取的原理,接着针对传统的Forstner算子需要对图像中所有的像素点进行扫描导致速度比较慢等问题,采用SIFT算法快速准确地去除一些无关的点,然后在剩下的点中进行提取.实验结果证明了本文提出的方法能够有效地提取图像关键点信息.     

一种获取脑部MR影像标记点的新方法

本文提出了一种获取脑部MRI影像标记点的新方法,该方法基于脑部影像的灰度介于非脑组织灰度与背景灰度之间这一先验知识,依据图像的灰度分布特性获取图像的两个阈值,通过对图像进行平滑减少了噪声引入的极小值点的数目.针对三种梯度算子分别进行了试验,采用Roberts算子来计算图像的梯度,然后荻取梯度图像的极小值点.并选取位于阈值值之间的极小值点作为标记点.根据这些标记点,对脑部影像应用分水岭算法,实现了脑部轮廓的提取.     

基于改进Harris算法与改进的SIFT算法相结合的图像匹配方法

文章针对图像自相似或具有对称性SIFT匹配稳定性不高的问题,提出了改进的SIFT算法与改进的Harris算法相结合的图像匹配方法,对SIFT特征在纹理丰富的图像中提取较多的伪点和不稳定的点而影响图像匹配问题,提出了一种基于Harris阈值准则的局部不变特征图像匹配算法。该算法在提取SIFT不变特征的基础上,利用Harris闽值准则对所提取到的不变特征进行选择,剔除了图像区域中大量可区分性较差的特征点,从而得到了相对稳定和可区分性较好的特征点。其次,结合不变特征矢量与图转换匹配(GTM)的方法对提取到的稳定特征点进行了精确匹配。实验对比结果表明,用取得稳定的特征点,进而结合一种好的匹配策略,能够更加增强图像匹配的高效性和鲁棒性。     

可变增益控制的遥测影像激光扫描匹配算法

对遥测影像采用激光扫描匹配和配准,提高遥感对地探测的精度,传统的遥测影像匹配算法采用高分辨率SAR图像处理算法,实现对地遥测目标的特征融合检测,算法存在计算复杂,检测精度不高的问题。提出一种基于可变增益控制的遥测影像激光扫描匹配算法。构建遥测影响的三维影像数据提取模型,设计遥测影像对地探测的激光散射模型,采用激光扫描方法进行地理信息遥感标定,在尺度空间进行插值运算,进行遥测影像标定可变增益控制,准确实现对地理信息特征的激光扫描遥感标定。仿真结果表明,采用该算法进行遥测影像激光扫描匹配的准确率最高,提高对地遥感探测的目标识别能力。     

一种基于SIFT和点集不变性的图像匹配算法

图像中的特征点可以用来匹配图像.本文给出了一个基于SIFT特征点集之间距离的图像匹配算法.首先提取出图像中的所有SIFT特征点,然后根据奇异值分解再选出特征点集,根据点集不变性计算出距离,最后根据距离值匹配图像,实验结果显示,该算法具有可行性.     

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。     

多尺度分割的高分辨率GIS影像建筑物提取模型

高分辨率GIS影像在建筑物提取时由于高分图像细节丰富也增加了一定的噪声,使得提取精度下降。本文提出了一种基于多尺度分割的高分辨率GIS影像建筑物提取模型。首先结合图像的纹理特征分别对形状信息的权重值和光谱信息的权重值进行设置,并以此进行多尺度分割,然后将纹理、形状、空间特征引入到最近邻监督分类的特征空间中进行分类,接着采用知识规则将分割图像进行细分类,最后采用Sobel算子对建筑物轮廓进行边缘检测。通过仿真实验表明,本文提出的改进算法相比较目前常用的算法具有更高的建筑物提取精度。     

基于边缘检测的视差图获取

一种基于边缘检测视差图提取算法。通过sobel算子边缘检测得到图像的边缘,再进行边缘的视差图匹配,从而得到边缘的视差图。最后以边缘特征为条件约束使用基于彩色的SAD得到水平视差图。     

一种基于松弛特征关联的3D人脸多特征匹配算法

针对人脸特征表情变化极为复杂,3D模型形变中的程度较为细微.一些特征点的位置会出现一定程度的飘逸,给准确的三维特征匹配带来了难度.提出基于松弛特征关联的3D人脸多特征匹配算法.通过提取特征点,计算三维特征的松弛特征对应程度,最大程度的完成在误差较大程度下的三维特征匹配.避免传统算法中用直线距离特征匹配带来的弊端.实验仿真程序表明:该方法在误差较大的匹配环境下,优化效果较为明显.     

基于特征点图像匹配的面部识别方法

面部识别被认为是生物特征识别领域甚至人工智能领域最困难的研究课题之一,如何进行好面部识别工作对于生活、生产都有着十分重要的意义。本文提出一种基于特征点提取的面部识别方法,在得到已知图像和待识别图像以后,先对其进行边缘提取和点特征提取,然后基于提取的特征点进行灰度模板匹配,通过图像匹配的结果对图像进行识别。     

基于立体视觉的CAD模型重建

本文利用SUSAN检测算子提取出模块的特征角点,利用立体视觉原理计算出这些特征角点的三维坐标,并利用OpenGL.技术重建模块的三维模型,生成d×f文件.实验结果表明,该方法能较好的恢复模块的三维模型.     

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。     

基于尺度研究的SIFT特征匹配改进算法

图像特征提取与匹配是计算机视觉、图形图像领域的一个重要问题,具有仿射不变性、光照不变性、部分遮挡不变性的特征,提取和匹配是这个问题的核心内容。尺度空间技术是具备了多尺度分析技术众多优点的新兴技术,SIFT（Scale Invariant Feature Transform）算法是线性尺度空间技术的一个成功应用。对于如何在一帧图像中运用尺度空间技术手段寻找更多的特征点、以及如何对特征点进行准确的描述与正确的匹配是该领域的难点,尤其前者在近年内进展缓慢。文章通过论述尺度空间的构造过程,证明了尺度选择与可找到特征点数目和位置的关系,通过调整尺度选择与最优点选择策略,在图像上寻找到更多的特征点,并根据判据量化判定了特征点的稳定性;通过限制匹配点的尺度关系减小了错配概率,通过改进原始匹配策略提高了匹配算法的准确率。实验表明,改进后的SIFT能够比传统的SIFT找到更多的特征点,提高了匹配的准确率,算法的鲁棒性得到了进一步提高。     

年龄跨度较大的人脸识别

本文采用了一种基于主动外观模型(AAM)与尺度不变特征变换(SIFT)相结合的特征提取方法,采用AAM方法提取初级特征点,然后通过SIFT算法得到二次特征点,最后采用基于蛙跳混合算法的特征匹配分析同一个人的不同年龄段的面貌特征。     

大数据分析下提取激光点云边界数据

激光点云边界包含丰富的特征信息,传统边界数据提取方法获取的数据集合存在完整度低、精度差的不足。提出一种基于大数据分析的激光点云边界数据提取方法研究,首先在大数据框架下构建一种用于激光点云边界数据提取的云模型,利用模型对激光点云边界进行数据分类和配准;最后利用边缘检测算子对激光点云边界各点的曲率和法向矢量进行识别和分析,实现对点云边界数据的精确提取。仿真实验数据表明,提出的激光点云边界数据提取方法,具有更高数据分类和提取精度和更优边界曲线拟合效果。