基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

视频流中人体肘关节检测算法研究

在对视频流中运动员肘关节进行检测算法的研究之前,由于背景信息会对算法的实现产生干扰,所以首先对视频图像进行了感兴趣区域的提取,本文分别比较了帧差法和自适应阈值选取法,得出自适应阈值法有它的优势,能保留大量的前景信息。并对得到二值图像进行了形态学处理,去除了前景中的空洞和离散噪声。对于运动员肘关节的检测,由于运动员的胳膊上无标记,所以需要找到肘关节区别于其它地方特有的特征,发现运动员在进行拉弓过程中,胳膊会弯曲,突出肘部关节,利用肘关节此时曲率最大的特征,选用基于特征点的检测和跟踪算法,根据肘关节曲率最大的特征,首先利用Harris算子对运动员肘关节进行特征提取。     

基于边缘轮廓的特征匹配跟踪

介绍了目标轮廓LCS描述,并对其进行改进,建立了基于目标轮廓的特征匹配跟踪方 法。     

基于局部特征匹配的目标跟踪研究

针对目标跟踪中的特征提取和匹配问题进行分析,提出了一种基于局部特征匹配的目标跟踪方法,该算法基于Shape Context进行特征提取。首先,对现有特征提取算法进行简单介绍,并详细介绍Shape Context的基本思想,基于此提出基于局部特征的跟踪算法。其次,详细阐述了目标跟踪算法：采用目标点的χ2-test直方图距...     

较大尺度运动下的人体特征点跟踪算法研究

利用光流法可以对视频中运动目标进行特征点跟踪,当目标存在较大尺度运动时,光流法图像一致性假设难以满足,导致特征点跟踪丢失。针对此问题,提出了一种基于Lucas-Kanade(L-K)金字塔光流算法的运动人体特征点跟踪方法。首先,利用帧间差分法得到帧差图像序列,获取行人的运动区域;然后用尺度不变特征变换（SIFT）算法检测选定初始帧中的特征点;最后运用L-K金字塔光流算法跟踪这些特征点在后续帧中的位置。实验结果表明,该算法对较大尺度运动的特征点跟踪有很好的效果,提高了跟踪的准确性。      

融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

基于关键区域特征匹配的视觉跟踪算法

针对视觉跟踪中目标表观的复杂变化问题,提出了一种基于关键区域特征匹配的鲁棒跟踪算法.首先对目标模板进行初始化并通过滤波预测得到目标候选;然后采用自适应标记分水岭算法对目标模板和目标候选进行分割以提取关键区域,并利用像素的空间和频率分布特性对关键区域进行多重特征描述;最后通过关键区域的特征匹配得到目标模板与目标候选的匹配关系,由此确定最终跟踪结果并进行模板更新.对目标发生尺度、遮挡、旋转、光照、姿态、复杂背景以及运动模糊等变化的视频序列进行了仿真测试.实验结果表明,所提算法能够有效处理目标表观的复杂变化问题,尤其对目标的部分遮挡、光照变化以及复杂背景等具有较强的鲁棒性.     

一种基于特征点匹配的目标跟踪方法

针对精确制导系统图像跟踪的特点,在研究图像特征点匹配的基础上提出了一种应用于地面固定目标跟踪的新方法.首先在高斯差分尺度空间提取特征点;然后用邻域梯度描述特征点,用最近邻与次近邻的比值作为特征点的匹配准则;接着建立仿射模型解算跟踪点;最后设计了一种有效的参考图更新方法.大量的仿真实验表明该方法对地面固定目标具有较好的跟踪性能,能有效抑制跟踪漂移现象,展示了很好的鲁棒性.     

基于无人机影像的特征匹配算法技术研究

低空无人机航空摄影测量技术,目前已经在相关行业的各个领域得到了广泛应用.但是低空无人机获取的影像数据有下面特点:像幅小、覆盖范围小、像片数量多、影像地物类型多.这些特点导致影像易出现纹理结构相似的问题,会为影像特征的匹配带来很大的难度.针对低空无人机摄影测量影像的特点,本文主要研究了无人机影像匹配的算法,探讨了人工智能...     

基于Mean Shift的变尺度快速运动目标自适应跟踪算法

为了实现对变尺度快速运动目标的良好跟踪,在对传统Mean Shift跟踪算法改进的基础上,提出了一种运动目标自适应跟踪算法。该算法首先采用目标区域的像素点空域加权后的彩色图像作为初始帧目标模板,目标的真实位置利用Mean Shift算法迭代求得,从而实现对快速运动目标的空间定位,然后将相邻帧的目标采用尺度不变特征变换(SIFT)算子进行特征匹配,根据目标的缩放因子实时更新下一帧的核带宽,修正算法跟踪窗口的尺寸,以适应目标尺度的变化,从而实现对快速运动目标的尺度定位。最后,通过实验表明,与传统的Mean Shift跟踪算法相比,该算法的跟踪准确率达到97%以上,能够实现对变尺度快速运动目标的精确跟踪。     

基于特征匹配质量的GMS改进算法研究

针对特征点较少时网格运动统计(GMS)算法存在误匹配集中、鲁棒性差等问题,提出一种基于特征匹配质量评价的GMS特征匹配改进算法.该算法不依赖于增加特征点数量,而是通过引入特征匹配质量因子,依据高质量匹配对计算单应矩阵,剔除误匹配提高匹配准确性,因此具有更好的实用性.实验表明,该算法不仅有效地解决了GMS算法中特征点较少...     

复杂场景中战斗机的鲁棒跟踪算法研究

为进一步适应复杂环境及战斗机自身状态的变化,提高目标跟踪算法的跟踪性能,在TLD算法框架下对其进行改进.首先,将改进了的SIFT特征匹配算法与TLD算法中的光流法相结合,根据战斗机的不同状态及周围环境自适应地选择相应算法,提高算法的鲁棒性和对复杂环境的自适应能力;其次,引入粒子滤波进行优化,实时预测战斗机状态并缩小检测范围,在降低计算难度的同时提高跟踪速度和持续性;最后,设置置信度检测以有效解决误判问题,提高跟踪精度.实验结果表明,当战斗机处于复杂场景或自身状态变化较大时,改进算法取得了优于参考算法的跟踪性能,可以满足长时间鲁棒跟踪的要求.     

利用SUSAN算子的特征复合相关跟踪算法

文中提出了一种新的相关跟踪算法,该算法利用ＳＵＳＡＮ算子提取特征、选取灰度子模板进行相关匹配,再由特征匹配作精确定位和置信度分析,并利用特征信息对相关运算进行加权以降低小尺子模板对相关匹配定位精确度的影响。实验结果证明了该算法的有效性。     

目标跟踪中目标匹配的特征融合算法研究

基于特征融合的目标跟踪中,目标的特征由于某些干扰导致准确度较低。基于贝叶斯框架的特征融合算法进行目标跟踪时,不能达到最佳的跟踪效果。为了更好地融合目标的不同特征来实现不同场景的视频中的目标匹配,提出了一种新的特征融合算法。该算法在特征融合过程中引入特征匹配的置信水平信息作为正确目标选择的依据,然后采用不同于粒子滤波的迭代算法确定匹配的正确目标。实验结果表明,对于参与融合的特征之间有相对高的性能和特征间差异性较大的情况,新的融合算法比基于贝叶斯框架的融合算法在大部分情况下具备更高的匹配准确性。     

基于理论弹道速度匹配的飞行器测控记忆跟踪算法

针对遥测设备现有记忆跟踪存在速度跳变和外推误差大的问题,提出了一种基于理论弹道速度匹配的记忆跟踪算法。分析了遥测设备记忆跟踪算法原理与不足,对原记忆跟踪算法进行改进,同时将Neville算法用于记忆跟踪数据插值。仿真结果表明新算法外推10 s、5 s和3 s的均方根误差比原算法平均减小44.9％。新算法在设备应用的测试结果同样证明了其优越性。     

基于局部相似性的特征匹配筛选算法

针对传统ORB算法匹配效率低、误匹配率高的问题,提出一种基于局部相似性的特征匹配筛选算法。对传统的非极大值抑制算法进行优化,优化后算法在效率上有明显的提升并且可以保留更多能准确匹配的特征像素点,从源头减少了误匹配的产生。针对传统RANSAC筛选算法迭代慢、对视角变化图像的鲁棒性不足的缺陷,提出一种基于局部相似性的筛选算法,通过特征像素点局部范围内其他特征像素点的相似分布进行筛选。实验结果表明,提出的筛选算法具有更高的效率,同时对视角变化的图像鲁棒性更强。     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

基于激光跟踪定位的多视觉动画特征点匹配方法研究

多视觉动画特征点检测过程中受到视觉扰动影响导致特征匹配性能不好,为了提高多视觉动画特征点匹配能力,提出基于激光跟踪定位的多视觉动画特征点匹配方法。采用空域滤波和频域滤波相结合的方法进行多视觉动画图像滤波处理,采用激光点跟踪识别方法进行多视觉动画图像的帧点扫描,提取多视觉动画图像的边缘轮廓特征量,根据边缘轮廓分布的邻域特性进行多视觉动画信息增强处理,利用锚点邻域回归分析方法进行多视觉动画特征点检测,通过激光跟踪定位结果,实现多视觉动画特征点的自动匹配。仿真结果表明,采用该方法进行多视觉动画特征点匹配的配准率较高,激光跟踪定位精度较高,提高了多视觉动画的特征检测和识别能力。