基于视觉的目标识别中改进SIFT算法研究

为解决SIFT特征匹配算法计算量大、运算速度慢等问题,在详细分析了原有经典算法的基础上,对其进行改进:一方面从降低运算复杂度的角度考虑,通过对每个像素的梯度模值和梯度方向进行高斯加权,将原有128维的特征描述符降低至24维;另一方面对特征向量的搜索方法进行改进,在原有BBF搜索方法的基础上,引入每一维度的数据与节点之间的关系来限定搜索范围,减少搜索次数,提高算法的搜索速度,进而减少算法整体的运行时间。最后,通过实验验证算法在运算速度上的提升,同时对匹配的准确度进行分析,在保证算法准确度的基础上提升运算速度。     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

基于自适应阈值SIFT算法的TOFD图像配准

文中运用超声TOFD的方法对焊缝进行检测,通过对同一缺陷进行检测,获取多组数据,产生一系列TOFD图像,将其中一幅图像作为参考图像,其他的作为待配准图像,运用SIFT的方法进行配准。对SIFT算法中距离比阈值参数进行分析,采用自适应距离比阈值的方法,寻找到最优的距离比阈值参数,对图像进行特征匹配,提高配准精度。同时,将配准后的图像,通过迭代相加的方式,使检测图像的检测误差和噪声进一步降低。实验表明,该方法能显著地改善TOFD图像的质量,信噪比达到24d B。     

一种改进的SIFT的图像检测匹配研究

针对SIFT算子进行图像匹配存在匹配特征点数少容易出现误匹配的缺点,将分数阶微分处理和SIFT算子结合起来,提出一种改进的SIFT的图像检测匹配算法。首先采用分数阶微分方法对图像的细节纹理部分进行加强从而提高图像的分辨率,之后采用SIFT算子对旋转缩放后的图像进行特征关键点提取和匹配,从而提高图像识别的准确率。实验结果表明,改进的SIFT算法提取图像的关键点和提高图像匹配的准确率达到94.59%,优于未改进的SIFT算法。     

一种改进的SIFT篡改检测算法

本文针对数字图像的复制粘贴盲检测进行了研究,传统的筛选特征描述部分不充分检测图像信息,基于统计分布特征和一致性约束理论提出了一种改进的SIFT篡改检测算法。首先,建立DOG尺度空间特征点检测方法以提取关键点。然后; 在主要方向生成的过程中基于最大色散方法选择,此外,该方法基于统计特征生成特征描述的精确坐标、尺度值、像素区域尺寸值、边界标记、边界角和曲率。最后,基于一致性约束新的匹配方法将介绍。实验结果为TPR值为98.03%,FPR值为7.99%,验证了本文提出的方法的可行性和有效性。该算法对篡改区域的平移、缩放和旋转有较强的鲁棒性。     

一种改进的基于特征匹配的图像融合算法

对经典的灰度值加权的图像融合算法加以改进,提出了基于SIFT特征匹配的图像融合算法,与以往的图像融合算法相比,文章算法不局限于传统的两幅图像左右或上下拼接,可在不同焦距尺度下实现"内嵌式"拼接,同时分别选取晴天与夜间不同光照环境下的机场图像进行图像融合实验,结果较为充分地验证了本文算法的鲁棒性。     

改进SIFT算法在气象站图像拼接技术上的应用

利用基于特征点的sift算法与几何不变矩结合实现气象站全景图像的拼接,Sift算法和不变矩结合计算出特征匹配点后,利用RANSAC算法进行特征点剔除误配,从而进一步计算出拼接图像之间的变换关系矩阵H。最终使用加权平滑算法完成了气象站图像的融合,从而得到最后的气象站拼接图像。实验证明,该算法一定程度上提高了图像拼接的效率。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于SIFT特征的复杂环境下目标跟踪算法研究

为有效地解决复杂背景情况下运动物体有效跟踪问题,利用SIFT特征匹配算法的尺度不变、旋度不变的特性优越性,提出了一种优选的匹配方案.运动目标采用背景减除法分割提取,通过优化的SIFT算法快速地检测特征点,计算出其相应的坐标,并有选择性的更新相应特征点的坐标,然后重复提取运动目标,刷新背景区域,融合多特征信息,更准确地匹配图像中特征点.实验表明,本算法有效改善了光线变化,运动物体发生尺度变换等复杂环境下的目标跟踪效果,具有较强的鲁棒性.     

基于鲁棒特征匹配的热成像全景图生成方法

热成像技术能够探测不可见的长波红外辐射并以图像的形式显示,在科学研究、安防刑侦及国防军事中有着举足轻重的地位。如果可以用全景图的方式显示所观测场景的大视场热成像则能够极大地扩大观测者的视野、提升场景感知能力。然而,由于热辐射成像模糊、信噪比低,图像特征提取往往存在着较大误差,进而导致特征点匹配不稳定,图像拼接失败。针对这一问题,改进了匹配过程,提出了一种基于鲁棒特征匹配的热成像全景图像生成算法。在增加特征匹配鲁棒性方面的改进主要包括2方面:第一,利用PCA(主成分分析)对SIFT算子进行降维以降低算子相关性,提高特征向量的鉴别能力;第二,利用快速搜索密度峰聚类算法预先筛选匹配点集以剔除错误匹配点,提高特征点的匹配准确度。实验结果表明,本文提出的算法可有效且稳定地生成热成像全景图,具有实用价值。