一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief, ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform, SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。     

一种基于改进ORB算法的图像特征匹配算法

针对ORB算法不具备尺度不变性的缺陷,结合SURF算法思想,提出一种改进的图像特征匹配算法,首先构建图像Hessian矩阵及高斯金字塔尺度空间;然后利用非极大值抑制提取特征点;最后通过Hamming距离完成对特征点的匹配.实验结果表明,本文提出的算法在保留ORB算法实时性的同时很好地实现了图像特征匹配的尺度不变性.     

融合四叉树分布策略的改进ORB算法研究

在视觉同时定位与地图构建（visual-simultaneous localization and mapping）中,当前常见的特征提取与匹配算法存在特征分布不均匀以及错误匹配等问题,严重影响SLAM的性能。首先,在ORB特征提取的基础上,提出一种融合四叉树分布策略的改进特征提取与匹配算法,对上述问题的解决给出了新思路。然后,在特征提取阶段,使用四叉树分布筛选高质量特征点,将图像划分成多个非重叠的方形网格,利用基于图像窗格划分的误匹配剔除方法提高匹配正确率。最后,选取TUM室内图像数据,将所提出的算法与原始ORB算法、BRISK算法进行比较,验证了算法的实时性和有效性。同时针对视觉SLAM过程中可能存在的图像尺度及旋转变换问题,选用Mikolajczyk图像数据集中,不同场景序列图像的第一幅与第二幅图像进行特征提取与匹配实验。结果表明,所提出的算法在应对尺度及旋转变换场景具有一定适用性。     

一种用于图像拼接的改进ORB算法

针对Oriented FAST and Rotated BRIEF(ORB)算法缺少尺度不变特性,误匹配率高,易造成图像拼接质量差等问题,本文提出一种用于图像拼接的改进ORB算法。首先使用一种基于尺度不变的特征检测算法对图像进行特征点检测,然后用ORB描述算法对特征点进行特征描述,用ORB匹配算法进行粗匹配,再用双向匹配和Random Sampling Coherence(RANSAC)算法对匹配点进行精匹配和提纯,进一步提高其正确率,最后使用渐入渐出加权融合完成图像拼接。实验结果表明,本文方法在图像的缩放和旋转、模糊、光照强度、拍摄视角等情况下都具有优秀的鲁棒性和稳定性,是一种实时性强、准确度高、拼接质量优秀的图像拼接方法。     

基于局部特征的图像匹配算法研究

传统图像匹配算法存在精准度低、效率不高等问题。文章在传统图像匹配算法的基础上提出一种新的ORB算法方式,将非线性扩散滤波的标度空间进行算法的重新构建。该方法比高斯标度空间更能有效地保持图像的细节,可提高匹配算法的稳健性。在此基础上,文章利用Fast算法获取特征点,并以特征点为中心选取适当的窗口进行特征点提取;然后采用栅格移动统计方法对内部节点进行选择。ORB试验结果显示,与传统ORB相比,文章研究算法的匹配精度提高了5%,匹配效率提高了65%,说明文章研究算法在航空影像的匹配精度和效率上都有很大的提升,可以很好地用于航空影像的匹配。     

基于改进Hausdorff距离的图像匹配快速算法

针对Hausdorff距离的特性及其在图像匹配中的应用,提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔,然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明,该方法能在保证匹配精度的同时,有效加快匹配速度。     

三维激光扫描图像快速实时匹配方法改进研究

为提高三维激光扫描图像匹配效率,研究基于特征提取的三维激光扫描图像快速实时匹配改进方法。采用基于改进动态直方图均衡的三维激光扫描图像增强方法,在保证图像高频区域灰度与低频区域灰度一致的条件下,均衡地增强三维激光扫描图像,通过基于SIFT算法的三维激光扫描图像特征提取方法,提取增强后图像中的核心特征向量后,使用基于改进BRISK算法的三维激光扫描图像快速实时匹配方法,通过特征点匹配的方式完成三维激光扫描图像匹配。实验结果验证:所提方法对彩色、灰度两种三维激光扫描图特征点匹配图像具有较好的增强效果,可实现彩色、灰度两种三维激光扫描图像的快速实时匹配。     

SIFT与形状上下文结合的异源图像匹配算法

针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。     

基于相位相关法改进的ORB图像匹配算法

为了提高图像平移后ORB特征点匹配的准确率,提出了一种基于相位相关法改进的ORB图像匹配算法。该算法首先采用相位相关法求取左右两幅图像间的像素偏移量,以确定图像的重合部分;其次,提取图像FAST特征点并计算BRIEF描述子;接着,对要匹配的点增加窗口约束,以缩小匹配范围;然后,采用快速近似最近邻（FLANN）特征点匹配算法完成图像重合部分特征点的匹配;最后,将匹配错误的特征点采用随机采样一致性（RANSAC）算法进行删除。经实验验证,该算法将ORB特征点匹配的精确度有效的地89.7%提升至93.1%。     

一种改进的RANSAC图像匹配算法

图像匹配（Image registration）是将不同时间、不同成像设备在不同条件下（气候、光照、方位等）获取的两幅或多幅图像进行匹配的过程。图像匹配是图像分析和处理的基本问题,在计算机视觉、模式识别、医学图像处理、遥感融合、影像分析等领域都有重要应用。采用最广泛的是基于特征点的图像匹配算法,其中用得最多的是采用SIFT（scale invariant feature transform）算子来描述一幅图像的特征,进而采用RANSAC算法来剔除误匹配点。然而传统RANSAC算法在图像不同尺度上去掉误匹配点的精度不高。因此,本文提出一种改进RANSAC算法的图像匹配算法,可以大大提高特征点的寻找和匹配精度,得到较好的匹配结果。