改进的SIFT邻域投票图像匹配算法

针对传统图像匹配算法在几何差异场景下匹配精度低的问题,提出一种改进SIFT特征描述符和邻域投票相结合的图像匹配算法。使用8个邻域像素的平均值代替原始极值点,通过SIFT提取图像中的特征点,利用Sobel算子计算特征点的梯度幅度和方向,结合8个仿射形式的同心圆邻域生成64维描述符,根据欧氏距离确定初始匹配点,采用邻域投票的方法剔除错误的匹配点,实现图像的精确匹配。实验结果表明,该算法在显著提高匹配精度的同时缩短了匹配时间,对复杂场景的匹配性能明显提升。     

改进ORB算法在图像匹配中的应用

在计算机视觉领域，图像匹配是一个核心问题。为了提高图像特征点匹配算法的准确度，增强算法的抗干扰能力，针对ORB（oriented FAST and rotated BRIEF）算法的不足，提出一种改进的图像特征点匹配算法。该算法通过设置自适应阈值来进行特征点检测，并在算法粗匹配结果的基础上剔除不符合图像几何特性的部分外点。最后，利用仿射不变性约束筛选出精确匹配点。实验表明，该方法可有效提高算法匹配质量且执行时间短，对于不同模糊度和曝光度的图像匹配均具有很好的鲁棒性。     

基于仿射不变闭合区域和SURF的图像匹配算法

针对现有基于自然特征的增强现实系统中图像匹配准确度低、计算量大和鲁棒性差的问题, 提出了一种基于仿射不变闭合区域和SURF(speeded-up robust features)的图像匹配方法。对输入的图像首先利用灰度直方图均衡进行图像增强得到二值化的图像, 提取图像中的闭合区域作为图像的仿射不变区域, 然后运用SURF检测算法提取闭合区域的图像特征描述, 最后使用SURF双向匹配算法实现图像的匹配。实验结果表明, 图像匹配的准确度有很大程度的提升, 同时计算耗时更少; 提出的方法能够满足增强现实系统的要求。     

一种基于特征点的遥感图像匹配算法

以遥感图像为研究对象论述了一种基于特征点的图像匹配算法在遥感图像匹配与拼接中的应用及改进。在提取图像特征点上,尺度不变特征转换SIFT算法能够对缩放、旋转、仿射的图像保持尺度不变特性。对于提取出的SIFT特征点,采用改进的随机抽样一致性RANSAC方法进行提纯,剔除多余的特征点,缩短匹配时间。实验证明,该算法有效提高了遥感图像匹配的效率和准确性。     

基于ORB的快速完全仿射不变图像匹配

ASIFT具有完全仿射不变性,但计算耗时;ORB实时性好,但仿射不变性差。为了在图像匹配中同时兼顾仿射不变性和实时性,利用模拟相机在不同视点下成像的手段使得ORB具备完全仿射不变性,进而提出了一种基于ORB的快速完全仿射不变图像匹配新算法(AORB)。首先通过模拟相机在不同视点下成像以获取模拟的图像,然后用快速的ORB算法对所有模拟的图像对进行匹配,最终取得完全仿射不变性。实验结果表明,该算法能够满足完全仿射不变图像匹配需求,并且相比基于OpenMP的ASIFT计算速度提高了约6倍。     

基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法在进行图像匹配时,主要通过度量特征向量之间的距离来完成图像匹配,导致算法鲁棒性差、误配率较高及效率较低等不足,本文提出了基于三角网下的仿射不变几何约束的图像匹配算法。首先,在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征对SUR机制进行改进,用以生成新的特征描述子,并通过定义阀值评估策略,对图像特征点匹配,从而生成了初始匹配点;然后,引入 三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除。最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,本文算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。     

一种具有仿射不变性的图像匹配算法

针对仿射扭曲图像对之间的匹配问题,传统算法对仿射变换的6个参数都进行归一化,在仿射畸变严重时匹配效果不佳,不具备完全的仿射不变性。为此,提出一种基于参数仿真的图像匹配算法。根据经纬度对摄像机坐标的角度参数进行仿真,利用Harris-Laplace算法提取特征点,使用尺度不变特征变换对其进行描述,由此仿真尺度参数,并归一化平移和旋转参数。实验结果表明,与MSER、Harris-Affine、Hessian-Affine算法相比,该算法的鲁棒性较强,能使所有参数都具有不变性,具有完全的仿射不变性。     

改进的SIFT特征点图像匹配方法研究

图像配准是遥感、计算机视觉、医学等许多领域中的一个基本问题,而图像特征点的提取和匹配是完成图像配准的基础。本文采用SIFT尺度不变特性变换算子进行图像匹配,通过改进该算法,提高算法的效率,通过仿真实验,证明改进的SIFT特征点匹配方法,可以提高特征点匹配的速率,降低匹配计算的耗时。     

基于图像几何特征点的仿射参数估计算法研究

平移、旋转和缩放等仿射变换参数的计算是计算机视觉、目标检测和模式识别领域的关键问题.对3类典型的基于图像特征点的仿射参数计算方案进行了研究与探讨,它们分别是利用SUSAN角检测器、Harris角点检测器和尺度不变特征变换(SIFT)提取图像特征点.针对传统算法对SUSAN和Harris角点进行匹配精度过低的问题,提出了一种新的基于Zernike矩的特征点匹配算法,对匹配的特征点对利用四参数仿射模型进行参数估计和求取.在此基础上对3种方案进行了深入分析和比较,得出SIFT特征点适用范固广、精度高,是较好的仿射参数求取工具.并通过具体的配准实验结果及在图像拼接中的应用证明了算法的有效性.     

基于仿射不变约束与快速EKF滤波的航拍图像稳像

考虑到航拍机载成像平台抖动严重、视频稳像匹配环节精度不一致的特点以及航拍图像稳像技术快速、准确的要求,提出了一种结合仿射不变约束与快速扩展卡尔曼(Extend Kalman Filter,EKF)滤波的图像稳像算法。该算法首先以视频参考帧中的角点量作为特征点,通过Harris检测器选择出稳定角点;然后对待配准点构建Delaunay三角网进行初始匹配,提出利用仿射不变约束方法筛选出精确匹配点;最后利用快速EKF运动滤波方法实时估计和修正噪声的统计特性,从而解决摄像机扫描运动中存在的抖动问题。在对大量分辨率为640×480pixel的航拍图像的仿真实验中,可通过仿射不变约束实现精确的模型估计,采用的快速运动补偿方法在补偿过程中耗时为5.054ms,比传统的运动补偿方法节约了69.5%的时间。实验结果表明,该算法能够实时稳定航拍视频帧间的抖动现象,并能有效跟随场景的真实扫描。     

结合三维几何形状信息和二维纹理的3D目标匹配

为了实现场景中三维目标与模型之间的匹配,提出了一种结合三维几何形状信息和二维纹理的三维目标匹配方法。首先提取场景中深度图像的尺度不变特征变换(SIFT)特征,用SIFT算法与三维模型重建时所用到的一系列2.5维深度图像进行一一匹配,找到与场景中目标姿态最为相似的深度图像,提取此深度图像的三维几何形状特征与模型进行匹配,实现模型的初始化,即将模型重置到与场景目标相接近的姿态。最后用融合二维纹理信息的迭代就近点（ICP）算法实现场景中目标与模型之间的匹配,从而得到场景中三维目标的准确姿态。实验结果验证了方法的可行性与精确性。     

图像特征点匹配的强壮算法

同一场景的不同图像匹配是计算机视觉中的一个基本问题，在诸如三维重度，对象识别和分类、图像对齐和相机自校正等应用中，特征匹配都是一个关键步骤，其中特征点匹配是较为常用的一种方法，特征点匹配的效果受到很多因素的影响，如景物的遮挡，光照和噪声等，变化很大，文中对结指标派算法进行扩以解决全局优化问题，并利用场景深度局部连续的条件作为附加约束，提出一种新的特征点匹配算法，整个算法只用到两次优化，而且几乎全部使用矩阵运算，效率比已有的算法高，实验表明该算法的效果是令人满意的。     

一种基于特征点匹配的图像拼接方法研究

针对图像间因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法;在特征点提取阶段,尺度不变的特征变换方法 (SIFT)具有对图像尺度缩放、旋转、放射变换以及亮度变化保持不变的优点,文章采用了改进的SIFT特征点提取算法;在特征点匹配阶段,采用改进的RANSAC算法对特征点匹配对提纯;最后用加权平均法实现拼接图像的融合;实验证明,该算法有效提高了图像拼接的效率和准确性,拼接精度可以达到亚像素级。     

基于改进SIFT特征的双目图像匹配算法

针对SIFT（尺度不变特征变换）算法无法准确定位物体形状特征的问题,提出了一种结合了Harris角点和SIFT算法的立体匹配方法。在DOG尺度空间提取Harris算子作为图像的特征点并为每个特征点定义主方向,计算出特征点的32维特征向量描述子并用BBF算法检索同名特征点之间的欧式距离进行匹配。在降低SIFT算法的时间复杂度的同时提高了算法提取特征点的形状意义,在双目图像匹配实验中取得了较好的结果。     

图像匹配方法研究综述

目的 图像匹配作为计算机视觉的核心任务,是后续高级图像处理的关键,如目标识别、图像拼接、3维重建、视觉定位、场景深度计算等。本文从局部不变特征点、直线、区域匹配3个方面对图像匹配方法予以综述。方法 局部不变特征点匹配在图像匹配领域发展中最早出现,对这类方法中经典的算法本文仅予以简述,对于近年来新出现的方法予以重点介绍,尤其是基于深度学习的匹配方法,包括时间不变特征检测器（TILDE）、Quad-networks、深度卷积特征点描述符（DeepDesc）、基于学习的不变特征变换（LIFT）等。由于外点剔除类方法常用于提高局部不变点特征匹配的准确率,因此也对这类方法予以介绍,包括用于全局运动建模的双边函数（BF）、基于网格的运动统计（GMS）、向量场一致性估计（VFC）等。与局部不变特征点相比,线包含更多场景和对象的结构信息,更适用于具有重复纹理信息的像对匹配中,线匹配的研究需要克服包括端点位置不准确、线段外观不明显、线段碎片等问题,解决这类问题的方法有线带描述符（LBD）、基于上下文和表面的线匹配（CA）、基于点对应的线匹配（LP）、共面线点投影不变量法等,本文从问题解决过程的角度对这类方法予以介绍。区域匹配从区域特征提取与匹配、模板匹配两个角度对这类算法予以介绍,典型的区域特征提取与匹配方法包括最大稳定极值区域（MSER）、基于树的莫尔斯区域（TBMR）,模板匹配包括快速仿射模板匹配（FAsT-Match）、彩色图像的快速仿射模板匹配（CFAST-Match）、具有变形和多样性的相似性度量（DDIS）、遮挡感知模板匹配（OATM）,以及深度学习类的方法MatchNet、L2-Net、PN-Net、DeepCD等。结果 本文从局部不变特征点、直线、区域3个方面对图像匹配方法进行总结对比,包括特征匹配方法中影响因素的比较、基于深度学习类匹配方法的比较等,给出这类方法对应的论文及代码下载地址,并对未来的研究方向予以展望。结论 图像匹配是计算机视觉领域后续高级处理的基础,目前在宽基线匹配、实时匹配方面仍需进一步深入研究。     

基于尺度不变Harris特征的准稠密匹配算法

准稠密匹配是多视图三维重建的重要技术,其性能对重建结果至关重要。针对常用的Sift算法提取的种子点进行准稠密匹配正确率较低、重建效果不佳的问题,提出了一种基于尺度不变Harris角点特征的准稠密匹配算法。该算法首先在图像多尺度空间构造尺度不变Harris特征,并采用余弦距离测度对不同视图进行双向匹配;然后根据稀疏匹配获取种子点,采用最优最先匹配扩散策略进行准稠密扩散;最后采用局部非极大值抑制策略对匹配结果进行重采样。实验表明,本文算法提取的种子点既能够体现场景结构信息,又具有尺度不变特性,用于准稠密匹配能够提高匹配的效果和精度,是一种有效的用于三维重建的准稠密匹配算法。     

基于SIFT算法的目标特征检测与提取技术研究

验证了一种能够在不同图像之间进行同一个物体相匹配的方法,具有很强的可靠性,称之为SIFT算法(尺度不变特征变换).SIFT算法能够处理图像间发生的尺度变换、旋转、很大范围内的仿射形变、视角变换、噪声以及光照变换.它的功能十分强大,甚至可以仅仅根据一个简单的物体特征,在一个大型数据库中的许多高品质图像中进行相应目标的寻找...     

基于局部不变特征的图像匹配算法

针对计算机视觉领域中的图像匹配问题,提出一种新的基于局部不变特征的匹配算法。使用高斯差分检测特征点,将特征点领域内Haar小波响应投影到四个方向轴上,进而生成一个用来描述特征点的64维向量,采用最近邻距离比进行特征匹配。实验结果表明,该算法不仅快速、稳定,而且匹配准确率比PCA-SIFT、SURF、MSOP高。     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。