视频拼接技术下斗轮机无人值守的可行性研究

由于斗轮机无人值守视频监控画面经常出现遮挡性重叠问题,导致特征点过度累积,影响监控效果。为此,提出一种基于视频拼接技术的斗轮机无人值守的可行性研究方法。通过拼接视频俯视投影变换,获取基于地面完整的全景鸟瞰图。利用SIFT算法确定特征点的候选点,通过图像金字塔形式构建尺度空间,提取拼接视频特征点,避免出现过度累积问题。利用加权平均法配准重叠区域接缝位置,融合图像各点像素值,避免重叠区域灰度值直接叠加,实现斗轮机无人值守下的视频有效拼接。由验证结果可知,该方法特征点匹配正确率均高于95%,整体拼接效果理想,能够为斗轮机无人值守提供清晰的监控画面。     

基于3D-SIFT与4PCS融合的大数据量点云快速配准方法

测量点云与模型点云的配准是视觉定位的关键。针对测量点云数据量大且与CAD模型点云重叠率低造成视觉定位精度差、算法效率低的问题,提出一种基于三维尺度不变特征变换（3D-SIFT）与4点快速鲁棒匹配算法（4PCS）融合的测量点云与模型点云配准方法。首先利用深度相机对零件进行点云提取并对提取到的测量点云进行降噪和滤波处理;接着利用3D-SIFT特征点提取算法对测量点云和CAD模型点云进行特征点提取;最后把提取的特征点作为4PCS算法的初始值进行2种点云数据的配准。与常用的4PCS算法、Super-4PCS算法相比,在算法仿真与实际应用实验结果表明,本文算法在保证配准精度的前提下将配准速度提高30%以上。     

双目立体视觉中的图像匹配方法研究

对目前匹配能力很强的基于SIFT特征的图像匹配方法进行研究,并在该方法中加入极线约束,有效去除了大部分虚假匹配。提出以特征匹配与区域匹配相结合、边缘特征与角点特征相结合的立体匹配方法。实验证明该方法不仅能够有效地缩短匹配时间,还能达到较高的匹配精度。     

改进SIFT特征在图像匹配中的应用

对SIFT算法进行研究,针对SIFT特征描述符的高维数和高复杂度问题,进行了改进。通过对大量的不同类型的图像进行特征匹配实验,实验结果表明,当图像存在不同程度的几何变形、辐射畸变和噪声影响时,改进后的算法更稳定、更快速。     

采用SIFT特征和增强型高斯混合模型的目标识别

文中采用SIFT特征描述子进行关键点的提取，将其获取的特征进行降维处理，然后采用经由辨识训练调整的高斯混合模型进行分类，并将获得的结果与其他几种被认可的方法的试验结果进行比较。证明该方法对图像分类和目标辨识的准确性有很大的提高。     

三维构件的古建筑过程式建模技术

本文研究基于建筑学知识与计算机视觉相关理论,建立佛光寺古建筑构件库,对库中构件进行特征描述与提取,并存储到相应的特征库。以过程式建模的方式进行构件的自动化匹配。在节约人力资源的基础上,对古建筑碎片进行自动识别与匹配,从而提高建筑重建的效率,增加可行性。     

基于图像匹配的目标定位技术研究

本文通过对图像匹配过程的描述,使用SIFT算法完成对基准图像以及待匹配图像的精准匹配,从而实现对目标的定位。SIFT算法在图像匹配过程中具有很好的鲁棒性。通过实验验证其适合应用于目标定位领域。     

基于SIFT算法与RANSAC算法的X射线图像匹配研究

为了提高图像匹配的精确度,提出一种基于SIFT算法与RANSAC算法相结合的方法对X射线图像进行匹配。通过最近邻次近邻比值法对特征点进行粗匹配,利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现精确匹配。实验结果表明了该方法的准确性和有效性。     

基于SIFT特征和卡尔曼滤波的运动目标跟踪方法

针对运动目标发生旋转、尺度变化时跟踪难的问题,提出一种基于SIFT和卡尔曼滤波的跟踪方法。首先用卡尔曼滤波进行目标位置初定位,其次对运动目标SIFT特征进行分析计算,得到目标的运动方向,中心位置移动量,以及尺度变化量,最后以矩形框出运动目标。仿真结果表明：提出的方法对旋转、尺度变化的目标有较好的跟踪效果,而且计算量小,能保证跟踪的实时性。     

基于SIFT和Affinity Propagation的遥感图像配准算法

随着传感器和光学影像测量等各种技术的快速发展,航空遥感技术已经在电力巡检、森林防火、地理测绘等领域中发挥着越来越重要的作用,而图像配准作为遥感图像的预处理步骤为图像融合等后续处理提供了参考和依据,目前已经成为遥感图像处理领域的研究热点。文中提出了一种基于尺度不变特征变换（Scale-invariant Feature Transform,SIFT）和仿射传播聚类（Affinity Propagation,AP）的图像配准算法。该算法与原有算法相比优势在于无需预先设定参数,并且实验仿真表明该算法能有效地对多源图像进行高精度的配准,与随机抽样一致算法（Random Sample Consensus,RANSAC）相比提高了正确匹配点的数目。