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。     

基于ASIFT的图像拼接技术在监控系统中的应用

提出了一种基于改进仿射-尺度不变特征转换(ASIFT)特征的监控图像拼接算法,ASIFT特征比传统的尺度不变特征变换(SIFT)算法具有完全的仿射不变性,在低重叠图像匹配上,ASIFT算法能够检测到更多准确的特征点,满足拼接要求。实验结果表明,该算法在视频监控系统中具有很强的实用性。     

基于SIFT特征点和交比值的水印图像抗攻击算法

为提高数字水印图像对常规信号和复杂几何攻击的抵抗能力,利用SIFT(scale invariant feature transform)特征点的稳健性和交比值不变特性,提出了一种数字图像顽健水印算法。首先,在原图像经过NSCT(nonsubsampled contourlet transform)变换后的低频子带系数中提取SIFT特征点并对其进行优化筛选,从中确定满足“近凸正四边形” 的系数区域作为水印嵌入的局部区域,然后利用事先设定好的一些交比值在各局部区域中确定要嵌入水印的具体系数,最后利用奇偶量化调制方法嵌入水印信息。与传统算法相比,在提取水印信息时无需对含水印图像进行几何逆变换。实验结果表明,该算法对常规信号处理及多种几何攻击具有较强的抵抗能力和顽健性。     

一种基于改进SIFT算法的图像配准方法

给出一种改进的SIFT算法,并将该算法应用到图像配准中.首先,该改进算法结合Canny算子,去除影响匹配的边缘点.然后采用最近邻与次近邻之比来对96维描述子进行匹配.最后,采用随机抽样一致性(RANSAC)方法消除误匹配.实验结果表明,与原SIFT算法相比,该算法能够有效提高图像配准确度,并减少了10%左右的运算时间.     

三线阵云立体探测技术

根据三线阵立体测绘原理,给出了探测云顶高的三线阵卫星影像模拟方法.提出了改进的SIFT匹配算法,并利用该算法结合前方交会法,获得云顶高度信息.通过实验验证了三线阵卫星影像模拟的正确性,探索了一种获取夜间低照度条件下云顶高参数的新途径.最后,针对测高误差来源,详细分析了三线阵立体探测云顶高的测高误差,并针对云移动给出了一种误差纠正方法.     

RANSAC算法在剔除图像配准中误匹配点的应用

在遥感图像中存在很多相似地物、地貌,SIFT算法本身只利用了特征点的局部邻域梯度信息,通过SIFT算法提取到的特征点存在很多误匹配点,通过RANSAC算法剔除误匹配点,可以提高配准的精度。     

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。     

结合归一化差分高斯特征的图像匹配技术研究

图像匹配技术是目前国际上航空摄影测量、光学和雷达跟踪、飞行器巡航制导、导弹投射系统的末制导寻的等领域发展迅速前沿、尖端技术之一。近年来,SIFT算法以其优秀的匹配性能在图像匹配领域受到广泛的关注。鉴于传统SIFT及改进算法计算复杂,难于实际应用的问题,提出结合归一化差分高斯特征的图像自动匹配技术,提取对于复杂影响鲁棒的归一化差分高斯特征,通过在特征点处建立主方向趋势特征向量,减少传统特征向量的冗余,解决不同条件下获取的目标或场景的图像匹配问题.大量实验表明,本匹配算法能够适应图像的旋转、缩放、平移等变化,并且对于噪声、光照变化影响鲁棒;同时计算速度快,具有较好的工程实用价值。     

SIFT特征匹配算法的研究

当前,SIFT算法在特征匹配研究中是比较成功的一种特征算法,因为它不仅对图像的旋转、平移、缩放能保持不变,对部分遮挡和对比度的变化也可维持稳定而被应用于图像立体匹配中。旨在介绍SIFT算法的基本原理,比较一些SIFT改进算法的优缺点,并指出今后发展方向。