基于信息熵的改进SIFT图像快速匹配算法

针对传统的尺度不变特征变换(SIFT)算法计算相对复杂、匹配耗时较长无法满足工程上实时计算要求的问题,提出一种基于信息熵的改进SIFT图像快速匹配算法.首先,根据局部熵自适应选择分割阈值把测试图像和参照图像分割成不均匀的两个区域,采用高熵区域做特征点检测,提高特征点的检测效率;然后利用每个子区域的梯度方向信息熵和梯度幅值信息熵把描述符向量的维度从128维降低到50维,降低欧氏距离的计算复杂度;最后,用最近邻距离比值法完成特征点匹配.通过实验对比发现改进的匹配算法在降低算法复杂度和提高正确匹配率的同时,显著地缩短了匹配时间.     

基于改进SIFT算法的图像配准方法

针对SIFT(Scale Invariant Feature Transform)复杂算法, 提出一种改进的SIFT算法。首先, 该方法利用Canny边缘检测算法去除部分影响匹配结果的边缘点。然后, 对于原算法中128维描述子提出64维圆形邻域描述子, 提高了运算速度。最后, 采用最近邻与次近邻之比进行双向匹配增强了匹配结果的精确度。实验结果表明, 该改进算法可以有效提高运算速度, 而且提高了匹配准确率, 增强了算法的鲁棒性。     

基于改进SIFT算法的单目SLAM图像匹配方法

基于单目视觉的机器人同步定位与地图创建(SLAM)方法是实现机器人自主行走的重要研究方向之一,而图像特征匹配技术是该方法中的关键技术。基于尺度不变特征变换(SIFT)算法的SLAM匹配方法具有提取特征点数量丰富、稳定等优点,然而在速度以及正确率方面仍存在一些不足。因此针对SIFT算法描述子维数高、匹配时间长等问题,提出了一种改进的SIFT算法,将原128维的特征描述子降至内部矩形外部圆形的24维特征描述子,匹配过程中应用了三线性插值、RANSAC算法等对匹配结果去除误匹配。实验结果最终表明,改进后的SIFT算法不仅对角度变化、光照变化等情况均具有良好的鲁棒性,匹配速度和正确率也有显著提升,可满足实时SLAM同步地图构建的需要。     

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。     

基于改进SIFT算法的汉字图像匹配

根据汉字图像的特点,提出一种改进的SIFT算法。该算法将特征点算子的维数进行降低以减少计算量,并且增加描述子的像素范围以增加匹配精度,由于汉字结构的特点,旋转会产生错误的匹配,所以取消SIFT的旋转不变性。实验结果表明,与标准SIFT算法相比,改进的SIFT算法在时间上及提高文字图像匹配的准确率上都有所提高。     

基于sobel边缘检测与K-L变换的高效SIFT算法

针对SIFT经典算法提出了一种基于Sobel边缘检测与K-L变换的高效SIFT算法.首先,采用Sobel算子边缘检测,通过设置阈值T,忽略部分冗余特征点,减少冗余的特征向量生成;其次,通过K-L变换,把128维的空间特征描述符降低到60维,降低了时间的复杂度.通过实验表明,阈值设置得越高,获取的关键点越少,匹配的效率越高,可见该算法从整体上实现了匹配的高效性和实时性.     

变环加权SIFT算法的图像拼接

针对传统SIFT匹配算法数据量大、时间复杂度高的问题,提出基于尺度不变特征变换(SIFT)特征提取方法获得特征点,并采用变换步长的圆形区域选区对特征点进行描述,改进了SIFT特征的64维描述符和88维描述符的不足。将改进后的算法应用到图像拼接过程中,通过实验验证了改进后的方法在时间复杂度方面有所改善。     

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

一种基于改进SIFT算法的图像配准方法

给出一种改进的SIFT算法,并将该算法应用到图像配准中.首先,该改进算法结合Canny算子,去除影响匹配的边缘点.然后采用最近邻与次近邻之比来对96维描述子进行匹配.最后,采用随机抽样一致性(RANSAC)方法消除误匹配.实验结果表明,与原SIFT算法相比,该算法能够有效提高图像配准确度,并减少了10%左右的运算时间.     

基于视觉模糊的LBP鲁棒特征提取与匹配

目的针对目前模糊图像特征提取与匹配方面, 存在特征提取困难、匹配率低、抗噪以及抗尺度变 化能力弱的缺陷。方法提出一种基于SIFT算法与改进的中心对称局部二值模式相结合的精准 、特征识别 率高的匹配算法。首先采用SIFT进行特征的提取,生成多维的描述子,其次采用本文改进的 中心对称局 部二值模式对高维特征描述子进行降维处理,并采用局部特征区域对降维后的描述子进行特 征检测,并生 成纹理特征图像以及信息分布直方图,对特征区域的特征点进行信息量统计,并设置检测阈 值。提取符合 特征信息要求的特征点,并依据Hausdorff距离算法实现图像粗匹配,最后采用RANSAC算法 进行误差匹 配的剔除来改善匹配的精度和鲁棒性。结果测试结果表明,本文所建议的算法是有效的,它 不仅具有良 好的模糊图像分辨能力和抗尺度变化特性,而且具有较强的噪声抑制能力和抗光照变化能力 。结论本文 提出的基于视觉模糊的鲁棒特征匹配算法,不仅考虑到传统特征匹配算法的优缺点,也提出 了算法改进的 新思路,而且较SIFT算法以及LBP算法稳定性和准确度有了明显的提高。     

采用简化SIFT算法实现快速图像匹配

SIFT(Scale Invariant Feature Transform)算子因其良好的尺度、旋转、光照等不变特性而广泛应用于图像匹配中,但用128维向量来表征每个特征点降低了算法的实时性。为了提高匹配速度,介绍了一种基于SIFT的简化算法(SSIFT),采用基于圆形窗口的12维向量有效地表示一个特征点。实验结果显示,算法在保持较好匹配率的同时能降低时间复杂度,适合运用在对实时性要求较高的场合。     

基于SIFT算法在遥感图像匹配中的应用研究

针对遥感图像在光照和几何差异等复杂因素上引起的匹配误差,深入研究了SIFT特征描述符的改进方法.利用特征点圆形区域来构造特征描述符,采用自适应量化策略用来局部区域的划分和梯度直方图的计算,并对每个描述子采用一种插值法重新确立主方向,改进SWT算法的描述符.降低特征点维数的同时,又保证特征点描述符的独特性和鲁棒性.研究结果表明,改进的SIFT描述符在遥感图像几种复杂环境下都取得了预期的结果,证实了改进算法的可行性.     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法。首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。     

融合几何特征的压缩感知SIFT描述子

为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中,易造成误匹配,并且维数较高、匹配耗时的问题,提出了一种融合相对几何位置的压缩感知描述子.首先,以特征点为中心,将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子,其次,对SIFT描述子利用压缩感知(CS)理论进行降维,形成CS-SIFT描述子,最后将两者融合形成RGL-CS-SIFT描述子.实验结果表明:与SIFT和PCA-SIFT描述子相比,匹配速度有所提升,匹准确率明显提高.     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。