基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

基于ORB特征的快速目标检测算法

在动态场景运动目标检测下提出了一种新颖的快速目标检测算法,针对SURF算法不能满足实时性的需要,提出基于ORB(oriented FAST and rotated BRIEF)特征的特征点匹配算法,接着采用八参数旋转模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法来获得运动目标。在此过程中采用PROSAC(progressive sample consensus)算法来去除外点。实验结果表明,该算法不仅保持了SURF本身的优越性,而且提高了检测速度,可以实时准确的检测出运动目标。     

基于改进SURF算法的单目视觉里程计

针对传统单目视觉里程计在特征提取过程中误匹配点过多,匹配精度低、运算量大、提出了一种基于改进SURF算法的单目视觉里程计模型,首先使用SURF算法对单目摄像头采集的图像的相邻两帧进行特征点的检测与匹配,然后用RANSAC算法对误匹配点进行剔除,提高匹配的精度,减少运算量,最终求出相邻两帧图像特征点匹配的旋转矩阵R和平移向量T,完成运动估计.实验结果表明,该模型在预估曲线运动和直线运动时的运算速度分别提高了11.2％和10.38％.     

融合特征点与环状域检测的水下声呐目标匹配

由于水下环境复杂,声呐成像背景噪声大,水下目标匹配存在一定难度,提出了一种SURF算法结合恒虚警算法来提取目标区域特征点对,其次通过环状域检测来进一步寻找最优匹配点对,最后计算最优特征点对之间的几何关系确定尺度变换,旋转变换的大小,对待匹配图像进行旋转校正后可以更精确匹配地目标区域。实验与分析结果表明,计算模板图像与待匹配的目标区域之间的匹配重叠率,可以通过受试者工作曲线直观的看出该算法相比于BBS算法和改进的BBS算法的鲁棒性和抗噪性能更好,平均匹配准确率分别提高了32.59%和16.57%。     

结合SURF与Kalman滤波的CAMShift跟踪算法

针对传统的CAMShift目标跟踪算法,在出现颜色干扰,遮挡等复杂背景中容易跟丢的问题,提出了一种结合SURF特征匹配与Kalman滤波的CAMShift跟踪算法。该算法利用CAMShift算法跟踪得到的候选目标与模板目标的色度和梯度方向的综合直方图比较计算得到的Bhattacharyya系数作为判定依据,当系数大于给定阈值时,采用SURF算法对搜索窗口和上一帧跟踪结果进行特征匹配,重新计算目标的大小和位置。同时为了避免目标快速运动时跟踪失败和减少SURF匹配的计算量,利用Kalman滤波对运动目标窗口进行预测更新以确定下一帧搜索窗口的中心位置。实验表明,该算法在图像背景复杂,出现颜色干扰以及部分遮挡时能够稳定跟踪,其跟踪速度与结合SURF的CAMShift算法相比有显著提高。     

基于改进ORB的图像特征点匹配研究

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法,将ORB算法改进为SURB(SURF-ORB)算法。首先提取具有尺度不变性的SURF特征点,然后构建ORB算法描述子,特征匹配时,先对待处理图像进行区域分块,缩减原始搜索范围,节约了无效区域的特征点匹配时间,采用汉明距离完成初步匹配,然后结合PROSAC算法对初步筛选的点去伪,获得较为精准的匹配点对。实验结果表明,图像尺度变化时,SURB算法的平均匹配准确度为93.4%,约为ORB算法的3倍;SURB算法的平均耗时约为SURF算法的80%,具有较强的实时性和可行性。     

动态场景下的快速目标检测算法

提出了一种动态场景下的目标快速检测算法,基于特征点SURF算法,采用旋转参数模型,结合最小二乘法求解全局运动参数进行运动补偿,最后使用帧差法获得运动目标.采用ORSA的方法去除外点的影响;SURF算法不能满足实时性的需要,针对这一点,提出基于运动预测的特征点匹配算法,提高了匹配的速度和准确率;采用基于残差图像块的更新策...     

一致性特征点匹配在目标跟踪中的应用

为了解决运动目标快速跟踪过程的实时性与稳定跟踪问题,提出了一种新的基于局部特征点匹配的KPM(key points matching) 算法,对图像的局部多尺度特征提取与匹配进行研究。首先,应用SURF(speeded up robust features) 算法在跟踪窗口内提取特征点,生成并匹配特征矢量。然后,结合最近邻提纯法与一致提纯法剔除目标区域以外的特征点对,减少误匹配以提高跟踪精度。最后,生成目标仿射变换矩阵,更新目标运动参数。实验结果表明,本文所提出的KPM算法当目标发生大角度旋转和快速缩放,同时发生光照变化时,仍能够实现稳定的跟踪,且满足运动目标实时跟踪稳定可靠、精确度高、抗干扰能力强等指标要求。     

基于小波变换的新型SURF图像拼接方法

针对传统图像拼接算法特征点计算量大、耗时较长等问题,提出了一种基于小波变换的新型加速鲁棒特征算法(SURF)图像拼接方法。首先通过Haar小波函数对图像进行二阶分解以获取图像低频成分,并利用小波梯度矢量对低频图像重合区域进行特征点提取,从而实现低频图像下快速获得特征点的变换参数以指导高频图像下的特征点提取;在此基础上,提出一种SURF图像匹配改进算法,利用特征点约束的单向匹配和方向一致等性质,有效剔除误匹配点对,以提高特征点匹配精度和实时性。最后,通过两组实验验证了所提出方法的有效性和可行性。     

一种变电站智能巡检机器人的仪表图像空间变换算法

针对变电站智能巡检机器人的仪表识别问题,提出了一种基于SURF的图像空间变换算法。首先,对建模图像仪表区域和待识别图像进行SURF特征提取;其次,采用KNN算法和双向匹配对所提取的特征进行筛选,提取优质匹配点对;最后,利用随机采样一致性算法(RANSAC)计算得到投影矩阵,从而能将待识别图像转换到建模图像空间,为后续识别提供便利。变电站实际测试结果表明了该算法的有效性。     

SURF和RANSAC在图像拼接中的应用

图像特征检测在计算机视觉带动下得到了快速发展.SURF特征描述能够非常稳定快速地对图像特征进行检测和描述.RANSAC能够在inliers大于50％的条件下很好地估计出模型参数,在特征点匹配上起到了关键作用.本文利用SURF特征描述子对图像特征点进行检测和描述,然后运用交叉匹配的策略有效地消除一些错误匹配点对,然后运用RANSAC算法进行模型估计,最后使用线性加权的方式对图像进行融合.该方法利用了SURF快速检测和稳定性的特点和RANSAC算法时间复杂度小的特点进行特征点快速准确匹配,最终能够实现快速的图像拼接.     

一种基于曲线拟合的柱面图像匹配算法

传统的RANSAC误匹配剔除算法对柱面图像误匹配剔除效果较差,为了解决这一问题,提出一种基于曲线拟合的误匹配剔除算法.首先对两幅图像进行SURF特征提取并采用最近邻匹配法进行粗匹配,然后将匹配点对集合按照所在列数的大小进行排序,最后将每个匹配点对两个特征点所确定的直线的斜率集合、欧式距离集合分别进行曲线拟合从而剔除误匹配.实验证明,提出的基于曲线拟合的图像匹配算法明显增加了剔除误匹配后靠近柱面图像边缘部分的匹配点数量,提高了柱面图像匹配的精度.     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

高效高精度光照自适应的 ORB 特征匹配算法

针对非均匀光照下ORB图像特征检测算法存在特征点过于聚集、匹配准确率不高等问题,提出了一种高效高精度光照自适应的ORB图像特征匹配算法。利用自适应阈值提取待测图像的oFAST特征点,通过优化的四叉树分解法均匀分配,进一步提高了低照度或高曝光区域特征点的数量,随后,根据汉明距离进行特征匹配,使用改进的RANSAC算法剔除误匹配,提高ORB算法中特征点的匹配准确率。实验结果表明,针对具有明显光照变化的数据集,相较于ORB、MA、Y-ORB及S-ORB算法,本文算法的平均特征分布均匀度提高13.1%,特征提取时间节省26.3%,综合评价指标提升18.5%,可高效完成复杂场景变化下的特征匹配,对目标识别和三维重建等领域具有较强的应用价值。     

一种优化的图像配准算法

为了降低传统尺度不变特征变换(SIFT)算法的特征点检测与匹配的时间复杂度,提出一种优化的图像配准算法,即采用Trajkovic算法检测特征点,并采用SIFT算法的分配描述符方法分配特征点描述符参数,再用稀疏降维原理对特征点描述符参数进行降维处理,最后,采用基于双向匹配的相似性度量算法进行特征点匹配。模拟实验选择检测图像的特征点数、匹配对数、正确匹配对数、匹配正确率、配准时间与配准时间下降率6个指标作为评估标准,结果表明,优化算法在特征点配准正确率方面与传统SIFT算法相当,但在特征点配准速度方面有明显提升。