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。     

一种基于学习的误匹配特征点剔除算法

基于特征点的匹配方法是图像配准中必不可少的过程。但是,对于经过仿射变化的参考图像而言,得到的特征点匹配结果中常常有很多的误匹配特征点,造成不理想的特征点匹配结果。原因在于目前对于匹配结果的评价只能采用线性结构进行评价而忽略了非线性结构带来的影响。本文提出了一种基于机器学习的比较特征向量方法,用模式分类问题替代现有的匹配方法。实验结果表明,该算法对误匹配点对的剔除有较好的效果。     

角点检测综述

角点是图像的一种重要的局部特征,通过对图像角点的检测与处理,对把握图像的局部及整体特征,特别是在视觉匹配、目标识别和运动估计与追踪等领域都有重要的实际应用。现有的图像角点检测方法可分为基于模阪、亮度变化、边缘特征三种检测方法,对其分别进行了综述,分析了相关的算法,并对算法进行了评价。     

基于Harris-SURF描述符的图像配准方法

图像配准是图像处理技术中重要的一部分,被广泛应用于计算机视觉、遥感测量、三维重建等多领域中。对于SURF而言,其在图像配准中应用广泛,但是该方法在提取特征点时其误匹配率高,造成图像配准精度较低问题。鉴于此,提出一种基于Harris-SURF描述符的图像配准方法。利用Harris算法的优势对图像进行特征点的检测,然后对特征点进行描述符的计算寻找点对之间的对应点对。最后使用RANSAC对不正确的对应点对进行删除并计算出最终的几何转换关系,完成图像配准,实验结果表明,提出的方法能有效提高配准的准确率。     

基于改进SURF的图像匹配算法的研究

图像匹配是当下计算机图像辅助技术的研究热点之一。基于SURF的图像匹配方法为当下常用的算法之一。SURF算法包含了图像特征点的检测,图像特征点的描述以及图像特征点的匹配三个部分。SURF算法中,图像特征点的检测是通过Hessian矩阵行列式而实现的。图像特征点的描述分为求取特征方向以及特征向量两个部分,SURF算法中利用Haar小波来求取特征点的特征方向以及特征向量。SURF算法中利用单方向欧氏距离来完成特征点的匹配。为了使得特征点的匹配具有更好的准确度,本文设计了基于改进SURF的图像匹配算法的研究。在SURF算法的基础上,利用欧氏距离建立双向匹配过程,使得特征点的匹配更加准确,从而提高图像匹配过程中匹配正确度。最后,通过实验结果对本文所设计方法的有效性进行了验证,实验结果表明,本文通过双向匹配过程改进的SURF算法具有更好的匹配正确度。     

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。     

图像特征点匹配的流程和应用发展研究

分析研究了图像特征点匹配在视觉SLAM(visual Simultaneous Localization And Mapping,vSLAM)领域的流程、应用及发展中遇到的问题,并提出了未来图像特征点匹配的研究方向和发展趋势。     

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。     

基于特征点匹配的视频图像实时拼接系统

提出了一种基于尺度不变特征变换算法的视频图像实时拼接方法。首先,用等焦距柱面变换对待拼接的图像进行处理,使相邻摄像机所拍摄的图像帧投影在同一柱面上;然后,优化k-d树的最近邻算法提高了特征点匹配的速度;最后,随机采样一致性算法剔除了错误的匹配点,提高了匹配的准确性,并得到投影变换矩阵进行多摄像机图像帧拼接。实验结果表明,与传统的图像拼接算法相比,该方法极大地提高了视频图像拼接的鲁棒性,实现了视频图像的实时拼接。     

基于点相互关系特征点匹配算法的标志图匹配

图像中标志图匹配问题实际上是图像处理领域的一个分支,多用于图像分析处理等任务的过程中,是图像处理领域的一个研究热点。鉴于当前大多数的特征点匹配算法只考虑了样本特征点与目标特征点的关系,本文首先对特征提取后的特征点集进行预处理,并将同一特征点集中特征点间的相互关系作为约束引入到匹配中,建立了一个匹配代价函数。并将该匹配代价函数转化为一个线性问题,求解该线性问题以达到特征点匹配目的。     

一种双目视觉的精准立体匹配算法

本文在双目立体视觉系统中提出一种精确的立体匹配算法。先用SIFT算法得到两幅图像的匹配点,并用RANSAC得到一些精确的匹配点。用这些匹配点算出两幅图像之间仿射变换关系,然后再将偏差小于阈值的初始匹配点都视为匹配点。再根据对应关系确定左图特征点在右图的潜在匹配点区域,从这一区域利用欧氏距离来查找SURF特征值之差小于设定阈值的点作为最终匹配点。     

一种基于角点特征的图像自动配准方法

针对多幅图像之间的图像配准问题,该文提出了一种新的图像自动配准算法。该算法应用Harris角点检测方法获得角点信息。在匹配过程中,采用圆形区域和双向相关系数法进行相似性度量。采用圆形区域,很好的解决了旋转问题;采用双向相关系数法,更加保证了匹配的精确度,减少误匹配率。初步实验结果表明:该方法可以高效短时地实现图像间的自动配准。     

基于改进SIFT算法的建筑物图像特征点提取

针对SIFT算法对建筑物图像进行匹配时会出现大量误匹配点问题,本文先采用像素方差生成灰度图的方法对图像显著区域进行检测,消除背景区域的干扰。实验结果表明,改进后的算法可提高匹配速度和准确率。     

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。     

肥胖人群运动特征不合理性的视觉图像分割

对肥胖人群运动特征不合理性进行视觉图像分割,排除不合理的运动要素成分,算法的设计是实现人体运动健康监测仪的核心软件。传统方法中对人体运动特征的视觉图像分割采用全局同态分割方法,不适合对肥胖人群运动特征不合理性的提取。提出一种基于局部特征匹配的肥胖人群运动特征不合理性的视觉图像分割算法。对肥胖人群的运动特征图像区域特征进行边缘结构层分析,采用局部特征匹配方法实现对不合理的运动特征部分的分割处理。仿真表明,采用该方法能实现对肥胖人群运动特征不合理性信息要素有效滤除,提高视觉图像分割的准确性,实现运动状态的监测和视觉评估。     

RANSAC在影像匹配中的应用

影像匹配在模式识别、目标跟踪以及人工智能有着相当重要的作用。影像匹配的算法当前已经相当成熟,而消除误匹配,达到很高精度的匹配结果直接影响了算法的效果。本文正是从剔除误匹配方面着眼,引入了计算机视觉中经典的RANSAC算法,选用相对定向作为模型进行剔除误匹配。在航空影像上做了实验,剔除误匹配效果较为满意。     

一种快速角点检测的远程图像快速拼接算法

针对无人机采集图像时因为采集条件的影响,图像拼接延时较大的缺陷,提出图像匹配的快速方法,在匹配过程中引入POS观测值减少搜索时间,采用平均金字塔生成金字塔图像,特征点的匹配开始于分辨率最低的图像层,将上一层的图像匹配结果做为次层匹配的粗集.在初始的图像中得到匹配点后,基于RANSAC算法估计出变换矩阵的稳健值H;最后采用LM非线性优化算法进行优化;概述并研究图像融合的方法,实现快速拼接.实验表明,这种方法大幅提高拼接时间,提高了效率.     

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。     

基于Harris特征点和对比度调制的图像拼接算法

提出了一种基于角点特征Harris和对比度调制的图像拼接算法,以提高室外复杂场景的图像拼接质量。利用Harris算法提取基准图像（带匹配图像）和后续图像的特征点。确定特征的位置、尺度与方向,利用最近临法完成两幅特征点的匹配,确定重合区域,利用基于对比度调制方法完成对图像的拼接。实验结果表明,该方法对亮度差异较大的图像拼接具有良好的效果,适于室外复杂环境的图像拼接。