一种基于SIFT的改进特征点匹配算法

为了提高特征点匹配的准确率,本文提出了一种基于改进混合滤波、特征描述符降维、SIFT特征匹配、RANSAC剔除误匹配点以及PSO算法的特征点匹配。首先将场景图像进行滤波处理达到去噪效果,然后通过特征描述符降维以减少计算量,再通过RANSAC对基于SIFT的特征点匹配进行误匹配的剔除,最后使用PSO算法进行优化以寻找到最佳的Ratio值。通过在模糊、较暗、较亮和遮挡4种以机械手为背景的场景下的图像,进行4种算法的对比实验,最后表明本文算法的误匹配率最小,精确度最高。     

基于分块和仿射不变性的SIFT图像匹配算法

针对传统SIFT算法在匹配时出现实时性差、匹配量低以及RANSANC算法在剔除SIFT误匹配对时误匹配率高的问题,提出一种基于距离相对性的分块匹配算法和基于仿射不变性的误匹配对剔除算法。首先利用传统SIFT算法提取图像中的特征点;然后采用基于距离相对性的分块匹配算法进行特征匹配得到初始匹配对;由于初始匹配对中存在误匹配,接下来运用基于仿射不变性的误匹配对剔除算法来剔除误匹配对;最后,在不同图像变换下进行仿真实验。实验结果表明,算法在保持SIFT算法鲁棒性的基础上,能够得到更多匹配对,正确匹配率提高了10%左右,并且实时性也得到很大改善。     

改进的双向SIFT特征匹配算法

以基于图像序列摄像机自标定为基础,针对尺度不变特征转换SIFT算法误匹配率高且运行效率低的问题,提出一种改进的双向SIFT特征匹配算法。在去除误匹配方面,首先采用双向匹配消除部分误匹配点对,然后结合视差梯度约束算法和随机抽样一致性RANSAC算法提纯匹配点对;在提高运行速度方面,首先在初匹配中采用K邻近算法,其次调整视差梯度约束迭代条件,都通过减少迭代次数来降低算法耗时。实验表明,改进后的算法在去除了大部分误匹配的基础上,保留了足够的匹配点对以用于摄像机空间位置和姿态的自动标定,且相较SIFT算法在运行速度上有了较大的改进。     

基于改进SIFT算法的山谷地形影像匹配

针对山谷地形的低空影像中地貌单一且特征不易提取的问题,本文对SIFT算法改进,融合Harris特征提取算法优势,得到一种可用于山谷地形下低空无人机影像特征提取与匹配的算法。算法首先利用Harris算法和SIFT算法分别提取特征点,对两种算法提取的特征点进行合并,然后运用SIFT算法对合并后的特征点进行描述,再利用特征点特征向量的欧氏距离进行粗匹配,最后利用RANSAC算法进行精匹配来提高匹配精度。为了验证该算法的有效性,选用一组山地影像数据进行实验并与SIFT算法进行比较,结果表明:算法有效地提升了山谷地形影像上特征点匹配精度。     

基于SIFT特征匹配的图像拼接算法

基于SIFT特征匹配思想 ,提出一种快速、准确的图像拼接算法.SIFT特征匹配算法是目前国内外特征点匹配研究领域的热点与难点,其匹配能力较强,可以处理两幅图像之间发生平移、旋转、仿射变换情况下的匹配问题,甚至在某种程度上对任意角度拍摄的图像也具备较为稳定的特征匹配能力.在这一匹配思想的基础上结合多分辨率样条提出一种新的图像拼接算法,它采用多分辨率样条来确定拼接区域宽度和加权函数,使图像在不同分辨率下分别拼合,这样使拼合出的图像既清晰又光滑无缝.算法在大多数情况下能自动完成,实验结果证明该方法提高了拼接速度,降低了图像亮度差异的影响,使结果图像自然逼真.     

基于RANSAC的SIFT匹配阈值自适应估计

针对基于欧氏距离比值作为图像尺度不变特征变换(SIFT)特征匹配相似性度量时,距离比阈值难以设置最优,且固定距离比阈值易引起误匹配或漏匹配等问题,引入随机抽样一致性(RANSAC)算法。该算法对SIFT匹配算法中的距离比阈值进行自适应优化,确定最佳的阈值,再利用双向匹配的方法剔除误匹配点。实验结果表明,针对不同的实验图像,所提算法都能自适应地求解出一个最优的比例阈值,使得匹配点数最多,同时具有较高的匹配正确率,经过双向匹配的策略优化后效果更好。     

一种基于Cox算法的分块DCT图像水印算法研究

介绍了DCT域图像水印技术,详细分析了经典的Cox算法和一种基于块分类的自适应图像水印算法;通过分析图像在流通中可能经常遇到的一些信号处理、几何变换以及可能性攻击,对水印算法进行了分析、实验和测试.Cox算法是一种基于DCT变换的扩频水印技术,它将高斯随机序列加入到图像的DCT变换后视觉最重要的系数中.基于块分类的自适...     

基于SIFT特征匹配的图像无缝拼接算法

基于尺度不变(SIFT)的特征匹配思想和像素加权平滑的图像融合思想,提出了1种鲁棒、精确的图像拼接算法,从而解决尺度、视角及光照变化较大情况下图像拼接问题。SIFT特征匹配算法利用128维向量对特征点进行描述,利用最近邻法完成2幅图像特征点的匹配。对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,同时估计模型参数,并借鉴加权平滑算法消除拼接图像之间的缝隙,进一步提升拼接效果。实验结果表明,该算法在继承了SIFT算法鲁棒性的同时,进一步提升了拼接精度,降低了图像亮度等差异的影响,使拼接图像自然逼真。     

基于改进SIFT的图像拼接算法

针对基于SIFT算法的图像拼接中算法复杂度过大和特征点匹配不准的问题,提出了用CS-LBP算子结合SIFT特征点生成特征描述符以及特征双向匹配的图像拼接算法。首先提取SIFT关键点,对每个关键点生成81维的CS-LBP特征描述子,然后利用特征向量双向匹配策略寻找符合特征匹配关系的匹配点对完成粗匹配,最后再利用RANSAC算法计算待拼接图像之间的变换矩阵,从而实现图像的拼接。实验结果表明,该方法能够有效地减少运算量,加快运算速度,拼接效果也较为理想。     

基于SIFT的阈值匹配的人脸识别算法

SIFT算法优点是在对特征点的个数和有效点的比例没有要求的前提下对视角变化、尺度缩放、亮度变化、噪声等都能保持相对的稳定性。但是该算法原有的对关键点非匹配策略在图像纹理复杂情况下存在缺陷。本文提出了一种关键点阈值匹配算法可避免使用常规错的关键点人脸图像网格。在各种转换中得到较稳定的鲁棒性。     

基于SIFT特征匹配的视频稳像算法研究

为了解决运动情况下的视频图像去抖问题,本文提出了一种新型的去抖算法。首先利用SIFT算法提取出特征点,并利用RANSAC算法进行优化处理,进行图像的全局运动估计和全局运运补偿,实现视频图像的去抖功能。本文实现了以该方法为基本算法的原型系统,能够有效地增加视频图像的平滑度。     

基于井下环境的SIFT算法研究

针对煤矿环境中现有图像特征匹配算法不适用的问题,提出了新的特征匹配算法。该算法首先对图像进行Curvelet去噪预处理,然后采用SIFT进行特征向量的构建和匹配,通过RANSAC方法的优化改进去除误匹配点,通过建立投影变换模型实现图像的拼接。实验表明,该算法在噪声大、光照不均、模糊的复杂环境中有较好的鲁棒性,解决了煤矿环境中图像容易误匹配的现象,拼接效果平滑自然。     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

基于扩散距离的SIFT特征匹配算法

SIFT(Scale Invariant Feature Transform)是目前最流行的局部特征提取及匹配算法.但传统SIFT算法采用欧氏距离来度量特征之间的SSD(Sum of Square Differences)并进行匹配,而传统的欧氏距离不能使高维特征向量恢复到具有低维的几何结构,导致错误匹配.为了克服这缺点,利用扩散距离代替欧氏距离进行匹配,然后使用随机抽样一致从候选匹配中排除错误的匹配.实验表明:该方法在图像形变、光照变化和图像噪声方面优于原方法.     

基于SIFT匹配算法的PCB板缺陷检测

图像匹配是PCB板缺陷检测中的一个重要环节,匹配效果的好坏直接影响着系统的检测结果和检测精度;为了取得良好的匹配效果和降低对系统硬件的精度要求,文章采用了SIFT匹配算法来进行图像匹配;首先应用SIFT算法获取匹配结果,然后计算出精确变换矩阵进行像素异或运算,最后运用数学形态学的方法消除边缘噪声;实验结果表明SIFT算法能够对存在畸变的图像取得良好的匹配效果,准确检测出缺陷.     

基于GPU的SIFT特征匹配算法并行处理研究

SIFT算法因具有旋转、缩放以及平移不变性而在影像配准和基于影像的三维重建领域得到广泛应用。但该算法复杂度较高,在CPU上执行的效率不高,难以满足对实时性要求较高的应用。在深入分析SIFT算法原理的基础上,针对该算法提取特征的多量性和特征向量的高维性,将该算法进行了并行化改造以利用GPU强大的并行计算能力,并与CPU上实现的SIFT算法进行了比较。实验证明,基于GPU的SIFT算法执行效率大幅提升,平均可以达到10倍以上的加速比。     

基于Ncut的SIFT特征匹配算法

经典尺度不变特征变换(SIFT)特征匹配算法存在实时性差、纹理相似区域易发生误匹配的问题。为此,提出一种基于归一化分割(Ncut)的SIFT特征匹配算法。针对相同背景的运动视频,将归一化分割算法的图论聚类思想融入SIFT特征匹配中,根据运动趋势相似度对特征点进行Ncut运动聚类,再逐类分别匹配,通过缩小各特征点匹配过程中的搜索范围,减少匹配时间及不同特征类之间的误匹配。实验结果表明,该算法能提高匹配效率,对纹理相似区域的误匹配现象有较好的抑制作用,实现了相邻图像帧的特征稳定匹配。