基于改进BRISK算法的单目视觉里程计

在传统的BRISK算法中使用自定义的抽样模式来描述检测到的特征点,使用基于汉明距离的方法进行特征点匹配。BRISK的这种特征点描述与匹配的方法使得其匹配准确率不高。因此本文提出将匹配准确率较高的SURF算法与BRISK算法相结合,在BRISK特征点描述与匹配阶段使用SURF描述符和基于欧氏距离的匹配方法。实验结果表明,该算法在时间消耗下降不大的情况下,特征点匹配准确率有很大提高,且该算法具有较好的鲁棒性。     

基于SIFT特征与区域相结合的双目视觉匹配算法

以SIFT特征对旋转、尺度缩放、亮度变化保持不变性的特点,使用双目视觉系统从两个不同的视觉角度采集立体图像对,提出基于SIFT特征匹配和改进的区域匹配相结合的匹配算法。该方法确定符合SIFT特征的边缘为可靠特征点,并确定其视差;根据视差梯度原理确定其他点的视差,最后生成稠密的视差图。实验结果表明,SIFT特征与区域相结合的匹配算法的引入,提高了特征点视差的准确性,一些弱纹理区的匹配也有所改善。     

机载图像辅助导航实时匹配算法研究

针对机载图像匹配辅助导航系统的实时性和精度高的特点,提出了基于部分Hausdorff距离的粗匹配与基于广义点理论的精匹配相结合的匹配方法;该方法利用多尺度边缘检测提取机载图像的边缘特征,将参考图像和实时图的边缘特征进行粗匹配和精匹配,并做了仿真实验;实验结果表明,该算法优于与灰度相关和SSDA算法对比,并验证算法的有效性.     

基于SURF算法和SC-RANSAC算法的图像配准

提出了一种融合SURF算法和SC-RANSAC算法的图像配准方法。首先利用SURF算法提取待匹配图像的特征, 然后用最近邻方法找出匹配点, 最后运用SC-RANSAC算法剔除错误的匹配点, 实现图像的正确配准。实验结果表明, 该方法在保持较高的特征点正确匹配率的前提下, 配准速度高于SURF和RANSAC相结合的方法和SIFT和RANSAC相结合的方法。     

一种机器人导航中自然路标的匹配与跟踪方法

提出了一种基于SIFT和KLT算法的自然路标匹配与跟踪方法。该方法利用SIFT算子提取图像中自然路标的特征点集作为模板,然后将机器人采集图像中的SIFT特征点集与模板特征点集进行匹配,获取二者之间仿射关系,并解算自然路标在视野中的位置,为机器人自定位提供参考信息。机器人在运行过程中,将KLT算法与SIFT算法相结合对成功匹配的自然路标进行跟踪,较好地解决了SIFT算法效率低下的问题。实验结果表明该方法对自然路标具有较好的匹配和跟踪效果。     

三角网约束下的层次匹配方法

针对数字摄影测量中密集匹配问题,提出一种三角网约束与金字塔策略相结合的影像匹配方法.该方法在每层金字塔影像中提取特征点,利用金字塔上层影像的匹配结果构建Delaunay三角网,约束和指导金字塔下层影像的匹配;金字塔策略本身体现由粗到精的匹配过程,而Delaunay三角网能有效地将上层匹配结果作为约束传递到下层影像.实验结果证明,文中方法生成的密集匹配点云密度大、误匹配少、精度高,能有效地反映地貌特征.     

一种快速名片字符识别算法

针对嵌入式名片识别系统中低质名片字符特征提取困难导致识别速度慢和识别率低的问题,提出使用字符加权模板和基于统计的字符特征提取算法相结合,对提取的特征进行编码匹配.该算法对字符模板进行加权操作和网格化处理,并对每一块网格区域提取特征,并将提取出的特征在特征空间进行多尺度划分并采用二进制编码,这样用一串编码表示特征,最后通过编码匹配实现特征匹配.实验结果表明,该模板加权和特征提取方法与特征编码匹配结合可以较大地提高名片字符识别率.     

基于图像显著区域检测的SIFT特征匹配方法研究

针对目标检测中利用SIFT算法在提取图像特征时提取的背景特征点所占比例较大,提出了一种图像显著区域与SIFT算法相结合的目标匹配方法。为使检测出的极值点与人眼观察到的极值点相似,提出对尺度空间中的图像进行显著区域的检测;为了使特征点具有仿射不变性,对特征点进行椭圆拟合;特征匹配时引入夹角余弦相似度测度方法。实验表明,该算法在实时性以及匹配准确率方面都优于传统的SIFT算法。     

基于四元数视觉注意模型的肇事车辆匹配方法

在交通监控录像中快速准确地检索匹配肇事车辆是智能交通系统的重要任务。与传统的匹配方法相比,视觉注意模型融合了多种底层特征,为肇事车辆匹配提供了新的思路。针对车辆匹配的特点,提出了一种新的颜色信息提取方法,并在四元数数学框架下与亮度、方向特征相结合,将标量显著性转换成四元数显著性,提出了一种四元数视觉注意模型。将四元数显著性作为新的特征用于肇事车辆匹配。实验表明,该匹配方法可以根据肇事车辆信息有效地缩小搜索范围,具有较好的准确性和鲁棒性。     

基于极线几何的改进多约束图像立体匹配

针对计算机视觉和模式识别领域基本而重要的问题--立体匹配,提出了一种基于极线几何、结合特征匹配与区域匹配、视差梯度约束等多约束立体匹配算法,实现图像快速准确匹配.该算法将现有的基于特征和基于窗口匹配两种方法相结合,并加入视差梯度等约束条件,有效弥补了单一匹配算法的不足,同时增强了算法适应性.实验表明,该算法具有更高的求解质量和求解效率,可以满足双目立体视觉系统的需要.     

高效的图模型点模式匹配算法

点模式匹配的概率图模型具有很好的匹配精度,但是计算复杂度较高,当隔离子中包含异常点（outlier）时匹配精度会受到较大的影响。为了提高匹配的速度和精度,提出了一种由粗到精的图模型点模式匹配算法。利用包含特征点的窗口,用标准化互相关方法对特征点进行粗匹配,以减少异常点的数量,提高后续匹配方法的速度和精度。提出了一种新的点模式匹配的概率图模型,这种图模型能综合利用特征点的位置信息和包含特征点的邻域的灰度信息。利用提出的概率图匹配方法对粗匹配所得到的点对进行分段匹配,得到精确的匹配结果。对光学图像和遥感图像的匹配实验显示该方法能显著减少点模式匹配时间,提高匹配的精度。     

基于联合特征匹配的多视角三维重建方法

本研究提出了一种基于角点与直线联合特征的三阶段匹配算法,依次经过相关匹配、松弛迭代匹配和最小平方中值法匹配三个步骤,并与此同时加入限定图像匹配区域、添加手工匹配点对以及局部直线匹配三个人机交互环节,将局部坐标系中得到的数据点进行三维数据融合到一个坐标系中,能较好解决视差不连续区域和遮挡区域的误匹配问题.实验证明该算法具有良好的运行效率和稳定性,能够对非平面物体进行精确三维重建并实现多视角显示.     

特征提取和匹配的图像倾斜校正

针对图像中不包含明显直线的情况,提出一种基于特征点提取的图像倾斜校正算法.该算法建立在与无倾斜的训练图像比对基础上,利用特征点构造直线,不依赖于原图中是否存在直线,具有尺度、平移无关性.首先使用双向最大相关系数匹配,匹配正确率较高;然后利用大数原理对数据进行处理,去除误匹配的影响,该算法最少可以利用两个匹配对,即可检测出图像倾斜角度.结合应用背景,还设计了一种用于特征提取的圆形模板,具有类似于旋转不变的性质.     

基于场强和凸壳的SIFT特征点匹配算法

传统尺度不变特征变换(SIFT)匹配算法的匹配结果易受参数影响。为此,提出一种于场强和凸壳的SIFT特征点匹配算法。在原始SIFT匹配方法基础上,结合特征点群的凸壳,引入引力场强概念刻画特征点群之间的空间特征关系,以进行图像点模式匹配,在匹配中充分利用特征点的几何空间信息。实验结果表明,该算法具有较高的匹配正确率,能找到更多的特征匹配点。     

基于灰度塔评分的匹配模型构建在无人机网络视频拼接中的应用

对于复杂非配合情况下，视频拼接中特征匹配对的数目和特征匹配准确率无法同时达到后续稳像和拼接的要求这一问题，提出一种基于灰度塔对特征点进行评分后构建匹配模型来进行精准特征匹配的方法。首先，利用灰度级压缩后相近灰度级合并这一现象，建立灰度塔来实现对特征点的评分；而后，选取评分高的特征点建立基于位置信息的匹配模型；最后，依据匹配模型的定位进行区域分块匹配来避免全局特征点的干扰和大误差噪点匹配，选择误差最小的特征匹配对作为最终结果匹配对。另外，在运动的视频流中，可通过前后帧信息建立掩模进行区域特征提取，匹配模型也可选择性遗传给后帧以节约算法时间。实验结果表明，在运用了基于灰度塔评分的匹配模型后，特征匹配对准确率在95%左右。相同帧特征匹配对的数目相较于随机采样一致性有近10倍的提升，在兼顾匹配数目和匹配准确率的同时且无大误差匹配结果，对于环境和光照有较好的鲁棒性。     

用于室内环境建模的基于形状一致性的立体视觉匹配算法

本文针对室内环境水平特征丰富的特点，提出借助图象变换，使立体视觉图象对中对应水平特征呈现形状一致性，以利于实现特征匹配，并获取物体三维结构的新颖算法，本文地在标定图象及非标定图象两种条件下如何获取所需变换参数进行了深入的理论分析，并对适用于基于形状一致性匹配算法的图象预处理及匹配算法进行了分析与实验研究。从初步获取的实验结果来看，这是一种对室内环境建模较为有效的方法。     

一种基于最小哈希的二值特征匹配方法

特征匹配是图像识别中一个基本研究问题。常用的匹配方式一般是基于贪婪算法的线性扫描方式,但只适用于低维数据。当数据维数超过一定程度时,这些匹配方法的时间效率将会急剧下降,甚至不强于强力线性扫描方法。本文提出一种基于最小哈希的二值特征匹配方法。通过最小哈希函数映射变换操作,将原始特征集合分成多个子集合,并将一个在超大集合下内查找相邻元素的问题转化为在一个很小的集合内查找相邻元素的问题,计算量有所下降。使用Jaccard距离度量的最小哈希函数能最大限度地保证原始数据中相似的向量对在哈希变换后依然相似。实验表明这种匹配方法应用在二值特征上时,可以获得比KD-Tree更好的匹配效果。      

基于联合图频谱特征分析的异源图像匹配方法

针对光线强度过高或过低情况下的异源图像匹配问题,提出一种基于联合图频谱特征分析的异源图像匹配方 法。首先,采用K 近邻法则计算可见光图像与红外图像中角点的结构关系并构建联合图;接着,基于拉普拉斯分解计算联合图 中邻接矩阵的特征值从而得到邻接矩阵的特征向量,并通过三维重构构建特征函数对;第三,提出一种基于SU SAN -M SER - SU R F最大稳定极值区域检测器,检测特征函数对的极值位置;最后,通过对最大稳定极值区域进行归一化后匹配,可以得到 异源图像的精确匹配结果。实验结果表明,提出的基于联合图频谱特征分析的匹配方法能够解决光强过高或过低情况下的异 源图像匹配问题并取得较优异的匹配率。     

序列图像的目标识别方法

针对灰度差绝对平均值算法匹配次数多,不具有旋转不变性等缺点,提出一种新的序列图像目标识别方法。首先,分别在模板图像和目标图像中进行特征点检测,然后将模板图像中检测到的特征点附近区域作为特征模板。利用特征模板与目标图像中的特征点相应区域进行环形模板匹配操作,从而在目标图像中找到与模板图像相匹配的特征点。对于因遮挡而丢失的特征点,可根据已匹配特征点之间的相对关系来重新确定,从而实现目标识别的功能。仿真实验验证了该算法的有效性。     

图像点模式匹配的一种凸包序列的图谱方法

利用点集的凸包具有仿射不变性和局部可控性,针对图谱方法难以精确匹配旋转角度较大图像的问题,提出了图像点模式匹配的一种凸包序列的图谱方法,使得匹配在图像旋转角度较大的情形下仍具有稳定性。构建图像特征点集新的图模型（凸包）,利用改进的图谱方法对凸包进行匹配,并减小原始特征点集,迭代上述过程,通过构造凸包序列,自特征点集的外围到内部逐步匹配,得到较精确的匹配对。实现基于凸包序列的图谱方法的图像点模式匹配。实验结果表明,该方法不但能精确匹配旋转角度较小的图像,而且对于旋转角度大的图像以及多光谱图像匹配精度也较高。