基于改进ORB算法的VSLAM特征匹配算法研究

针对传统特征匹配算法耗时较长、匹配率不高的问题,提出一种改进ORB的图像特征匹配算法。首先对FAST特征检测算法进行改进,构建非线性尺度空间,采用非线性扩散滤波方法,对金字塔进行构建,通过快速显示扩散形式(FED)进行求解,得到尺度空间上的图像,并采用灰度质心法方法,对特征的角点方向进行计算。然后对FREAK算法采样模式进行优化,采用改进的描述子构建特征向量。最后采用GMS匹配算法剔除伪匹配点对,有效降低误匹配概率。实验证明,相比SIFT、SURF、FREAK、BRISK和ORB算法,本文改进的算法在耗时和匹配率方面均有明显效果,并在旋转、尺度、光照等变换条件下,具有较强的鲁棒性,适用于VSLAM系统。     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

基于SVD和SIFT的宽基线立体影像匹配

提出了一种在核线几何约束下基于自适应归一化互相关（NCC）及奇异值分解（SVD）的尺度不变特征变换（SIFT）特征匹配算法（SVD-NCC）.算法首先利用SIFT特征的尺度和方位信息对特征点邻域进行仿射变形改正,然后基于NCC测度和SVD算法生成特征点间匹配矩阵并获得其对应关系.在具体实现策略上,算法首先基于特征点的空间分布和信息熵选取一定数量的最优SIFT特征点集,并基于SVD-NCC算法获得初始匹配点对用于立体像对的核线几何估计,然后在核线几何约束下对其余特征点进行扩展匹配及误匹配剔除.实际的宽基线序列立体影像匹配试验结果表明该方法可显著提高匹配点的数量和匹配正确率.     

基于余弦相似度的改进ORB匹配算法

针对ORB(oriented FAST and rotated BRIEF)在匹配多相似区域图像时误匹配率高的问题,提出一种基于余弦相似度的改进ORB算法.该算法首先通过汉明距离(Hamming distance)最近邻匹配,计算匹配特征向量的余弦相似度;其次通过梯度计算法计算余弦相似度的最优阈值范围;然后将汉明距离高...     

SURF和RANSAC的特征图像匹配

针对图像匹配过程中存在匹配运行时间长、匹配正确率低的问题,采用随机采样一致性(random sample consensus,RANSAC)算法优化加速鲁棒特征(speed up robust features,SURF)的方法,提出一种适应性强的优化匹配算法。首先使用SURF算子进行特征检测和特征描述,再使用邻近算法对特征点进行预匹配,最后使用随机采样一致性(RANSAC)算法优化匹配结果。在相同的实验环境中通过对尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法和提出的优化算法进行比较,优化算法较SIFT算法和SURF算法分别减少匹配点对数38对和18对,剔除了误匹配点,提高了匹配正确率并减少了算法的运行时间。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于最佳几何约束的遥感影像点匹配算法

针对尺度不变特征变换(SIFT)点匹配算法中几何约束缺失问题,提出了一种基于最佳匹配几何约束的点匹配算法.该算法以SIFT匹配算法为基础,首先构建左右影像特征点集的转换模型,然后采用改进的量子粒子群算法对模型参数进行迭代寻优,每次粒子位置更新后,采用基于搜索圆的特征点匹配算法获取新位置下的特征点,并根据获取的特征点情况计算其适宜度与辅助适宜度来对粒子位置进行评价,经过多次迭代,最终获取匹配影像的最佳几何约束与该约束下相应的匹配点,实现了特征点的匹配.选取多幅遥感影像进行点匹配实验,结果表明:相比其它的点匹配算法,该算法在匹配点的数目与精度上都有显著提高,能够获得更好的点匹配结果.     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

鲁棒的新型特征提取和匹配算法

针对现有图像特征匹配算法高复杂度、耗时长等问题,提出一种基于局部特征点的新型特征匹配算法。首先,构建尺度金字塔,在不同的尺度上进行FAST特征点检测,根据特征点的Harris响应对特征点进行排序选取;然后利用图像的矩和积分图的方法获得特征点方向,再根据同心圆的采样模式构造特征点向量,最后根据特征点向量的汉明距离进行特征匹配。实验研究表明,该算法在图像有一定程度的缩放、旋转和噪声影响的条件下,运行效果仍然稳定可靠。与传统的SIFT算法相比,该算法在保证特征提取与匹配良好性能的前提下,运行速度要比SIFT算法快数倍。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

基于图像力场理论的ORB特征优化方法

针对现有的移动机器人视觉图像ORB特征受图像尺度、光照和旋转影响比较大的问题,提出了一种基于图像力场理论转换的优化ORB算法.通过计算图像熵值确定图像金字塔尺度,构建稳定的ORB特征,以此解决ORB特征点的尺度不变性.采用ORB特征点的引力方向作为特征点描述子的主方向,优化ORB算法的旋转不变性.利用PROSAC算法剔除冗余ORB特征点.结果表明,本文方法在一定程度上提高了ORB特征点描述子的准确度和匹配正确率.     

基于相对位置不变性的SIFT高效匹配算法研究

为了实现全自主机器人立体视觉导航,图像匹配的准确性和快速性成为了研究热点和难点。通过移动机器人工作环境研究,提出图像匹配相对位置不变性的原理,基于这种原理,对最近邻域和次近邻域的SIFT特征点匹配算法进行了改进。先将待匹配图像（前后帧）所有特征点按Y方向像素值大小排序,再从对应位置关系的局部区域搜索SIFT特征点,如果最近邻和次最近邻的比值满足一定阈值T,则该点为匹配点,然后再通过相对位置不变性去除误匹配点。改进算法在最近邻匹配点和次近邻匹配点搜索时避免全局搜索而大大提高实时性,通过相对位置不变性基本去除所有误匹配点。通过实验验证,匹配速度和正确率大大提高,是平面移动工作环境下高效实用的匹配算法,同时,该算法稍加改进对复杂环境也是适用的。