对数极坐标系下尺度不变特征点的检测与描述

目的 当前国际流行的SIFT算法及其改进算法在检测与描述特征点时基于高斯差分函数,存在损失图像高频信息的缺陷,从而导致图像匹配时其性能随着图像变形的增加而出现急剧下降。针对SIFT算法及其改进算法的这一缺陷,本研究提出了一种新的无图像信息损失的、在对数极坐标系下的尺度不变特征点检测与描述算法。方法 本研究提出的尺度不变特征点检测与描述算法首先将直角坐标系下以采样点为中心的圆形图块转换为对数极坐标系下的矩形图块,并以此矩形图块为基础对采样点进行特征点检测与描述符提取;该算法使用固定宽度的窗口在采样点的对数极坐标径向梯度图像的log_t^r轴上进行移动以判断该点是否为特征点并计算该点的特征尺度,并在具有局部极大窗口响应的特征尺度位置处提取特征点的描述符。该算法的描述符基于对数极坐标系下的矩形图块的灰度梯度的幅值与角度,是一个192维向量,并具有对于尺度、旋转、光照等变化的不变性。结果 本研究采用INRIA数据组和Mikolajczyk提出的匹配性能指标对SIFT算法、SURF算法和提出的尺度不变特征点检测与描述算法进行比较。与SIFT算法和SURF算法相比,提出的尺度不变特征点检测与描述算法在对应点数、重复率、正确匹配点数和匹配率等方面均具有一定优势。结论 提出了一种基于对数极坐标系的图像匹配算法,即将直角坐标系下以采样点为中心的圆形图块转换为对数极坐标系下的矩形图块,这样在特征点的检测过程中,可以有效规避SIFT算法因为采用DoG函数而造成的高频信息损失;在描述符提取过程中,对数极坐标系可以有效地减少图像的变化量,从而提高了匹配性能。     

尺度不变特征变换算子综述

随着计算机软件与硬件技术的发展,计算机视觉算法逐渐成为图像处理领域的研究热点.其中SIFT(scale invariant feature transform)算法是目前机器视觉领域应用最成功的算法之一.由于在尺度不变、旋转不变、光照不变等方面的独特优势,SIFT被广大视觉领域的研究者借鉴与学习.但是SIFT算法本身也存在一些问题,如仿射性能不太理想,计算复杂度过高等,因此针对它的多种改进算法不断出现.本文对SIFT的发展历史、SIFT算法的演变以及它不同领域的典型应用给出了一个比较全面的综述,比较了各类算法的优缺点.最后给出了该算法未来可能的发展方向,为视觉研究者提供参考.     

尺度不变特征转换算法在图像特征提取中的应用

针对尺度不变特征转换(SIFT)算法复杂度高、计算时间长,难以满足立体匹配的实时性要求以及当图像中存在多个相似区域时误匹配率较高的问题,提出了一种改进的立体匹配算法。该算法从两个方面对SIFT算法进行了改进:首先,由于圆形具有天然的旋转不变性,该算法以特征点为中心,采用近似大小的两个同心圆区域代替原算法的矩形区域,在内圆和外圆环区域内分别统计12个方向的梯度累加值,把局部特征描述符的维数从128维降低到24维,降低了算法复杂度;其次加入了12维的全局向量,使生成的特征描述符包含了基于局部信息的SIFT向量和基于全局信息的全局向量,提高了算法对图像中相似区域的分辨能力。仿真结果表明,改进后的算法实时性比原算法提高了59.5%,当图像存在多个相似区域时,误匹配率下降了9个百分点。所提算法在图像处理的实时性要求较高的场合下适用性较好。     

基于CUDA的尺度不变特征变换快速算法

针对尺度不变特征变换(SIFT)算法耗时多限制其应用范围的缺点,提出一种基于统一计算设备架构(CUDA)的尺度不变特征变换快速算法,分析其并行特性,在图像处理单元(GPU)的线程和内存模型方面对算法进行优化。实验证明,相对于CPU,算法速度提升了30~50倍,对640×480图像的处理速度达到每秒24帧,满足实时应用的需求。     

基于尺度不变特征的从纹理回复形状

提出一种估计纹理平面方向特征,按特征将模式分类。假定图像的方法。该方法提取纹理图像中具有尺度不变特征的关键点,求出以这些关键点为中心的局部模式尺度和方向正规化中同类局部模式的尺度变化仅由成像时的透视效果产生,利用纹理图像中局部模式尺度变化与射影变换的关系估计纹理平面的方向。实验结果证明,此方法简单有效。     

尺度不变局部特征检测算法研究

尺度不变局部特征以其良好的尺度、旋转和光照不变性,在计算机视觉、目标识别、三维图像重构等领域中得到了广泛的应用.本文在大量试验数据的基础上,总结了目前常用的几种尺度不变特征匹配算法的性能,比较得出各种算法的优缺点及其适用领域,并指出尺度不变局部特征检测算法的研究和发展趋势.     

局部不变特征点的精度指标

目的 作为计算机视觉的热门研究方向,局部不变特征算法的发展已趋于成熟、稳定,然而目前几乎所有特征点提取算法都没有给出特征点的精度指标.针对这一缺陷,提出一种特征点精度指标-特征点波动区间.方法 性质稳定的点在干扰条件下仍具有较好的精度,即小范围的波动区间,因此,以当前最热门的SIFT(scale-invariant feature transform)特征点为例,在图像加入噪声,发生光照变换,发生模糊变换以及同时进行噪声、光照及模糊处理这四种情况下分别分析同一算法提取的不同特征点的波动情况,进而得到不同特征点的波动区间.结果 实验得到16个稳定检出特征点,其中点2,3,4,11,13这5个点可以在不同干扰条件下的波动范围都较小,而点2则只在模糊条件下波动较小,在其余干扰下波动较大.特征点虽然已经过特征提取,但仍具有不同的波动区间,其优劣也不尽相同.不同的特征点的波动区间并不相同,但仍有一部分特征点在不同干扰条件下均保持较高的提取精度.结论 波动区间能很好地表征每个特征点的提取精度.由于此前只有针对特征点算法的评价指标,而没有针对特征点自身性质的评价方法,因此本文提出的特征点波动区间将为诸如设备标定、视觉测量、精简特征库等相关后续工作打下良好基础.     

基于改进尺度不变特征的图像局域几何配准研究

针对图像配准容易产生误配准、漏配准的问题,提出了基于改进尺度不变特征的图像局域几何配准。该方法改进了尺度不变特征,通过构建边缘尺度空间设计了尺度不变边缘特征变换,融合了尺度不变特征点和尺度不变边缘。以尺度不变特征为基础,搜寻图像间的局域图像变换,实现图像局域几何配准。实验表明,SIFT特征点和边缘信息互补能够提供更多的配准信息并减少错误配准;该方法对尺度、噪声、形变、光照等不敏感,能够配准移动目标,真实地反映图像的配准状况。     

基于尺度不变特征的视频镜头检测

通过分析帧间的尺度不变特征点匹配数目随时间变化的性质来检测镜头边界,并提出2种帧间匹配机制--两两匹配机制和连续匹配机制.一个视频镜头内的特征点匹配数目具有平滑变化的特性,而在镜头边界处则表现出陡然变化的特性.通过将各类型的镜头切换统一于一种检测模式,可清晰地分割出镜头,避免模型选择和参数调整.     

尺度不变特征变换算子综述（"计算机视觉前沿论坛"专栏征文）

随着计算机软件与硬件技术的发展,计算机视觉算法逐渐成为图像处理领域的研究热点。其中SIFT（scale invariant feature transform）算法是目前机器视觉领域应用最成功的算法之一。由于在尺度不变、旋转不变、光照不变等方面的独特优势,SIFT被广大视觉领域的研究者借鉴与学习。但是SIFT算法本身也存在一些问题,如仿射性能不太理想、计算复杂度过高等,因此针对它的多种改进算法不断出现。本文对SIFT的发展历史、SIFT算法的演变以及它不同领域的典型应用给出了一个比较全面的综述,并比较了各类算法的优缺点。最后给出了该算法未来可能的发展方向,为视觉研究者提供参考。     

一种基于扇形区域分割的SIFT特征描述符

提出了一种在圆形区域内基于扇形区域分割的特征描述符构建方法. 首先, 针对SIFT描述符维数过高, 导致匹配速度慢的弱点, 提出在半径为9像素的圆形特征区域内划分为8个扇区, 在这些扇形特征邻域内统计8个方向的灰度梯度直方图, 形成64维描述符的方法,降低了描述符的维数. 同时, 针对SIFT构建描述符的运算复杂性较高的事实, 提出在圆形区域内计算像素灰度梯度主方向, 以主方向为基准点把该区域划分为8个等面积扇区的方法, 取消了对特征区域的旋转变换, 降低了构建描述符的运算复杂性. 通过与OpenCV SIFT和Lowe SIFT进行多方面对比实验, 结果表明该方法的综合匹配速度具有显著提升, 在两幅图像存在一定程度的视点、模糊、旋转、比例、光照变化等情形下, 匹配性能有所增强.     

基于离散余弦变换的图像局部特征描述子

针对尺度不变特征变换(SIFT)描述子受光照变化影响较大的缺点,提出一种基于离散余弦变换(DCT)的图像局部不变特征描述子。在DCT变换的基础上,忽略高频系数,使用少数中低频系数组成特征矩阵,以降低描述子的维数。利用DCT频率系数正负性对光照变化不敏感的特点,在计算描述子间距离时设置惩罚因子,以提高描述子的可区分性。测试结果表明,与SIFT描述子相比,该描述子具有较好的显著性,且查全率和查准率较高。     

结合CSS与傅里叶描述子的手势特征提取

目前常用的基于视觉的静态手势特征提取方法只从单一方面进行描述,缺乏全局信息和局部信息的有效结合。为此,提出一种结合CSS形状描述子与傅里叶描述子的手势特征提取方法。将CSS形状描述子与傅里叶描述子相结合,以此作为一种融合手势局部特征和全局特征的新的静态手势特征。实验结果表明,与传统方法相比,该方法的正确率更高,达到98.3%。     

Intrinsic Light Field Images

We present a method to automatically decompose a light field into its intrinsic shading and albedo components. Contrary to previous work targeted to two‐dimensional (2D) single images and videos, a light field is a 4D structure that captures non‐integrated incoming radiance over a discrete angular domain. This higher dimensionality of the problem renders previous state‐of‐the‐art algorithms impractical either due to their cost of processing a single 2D slice, or their inability to enforce proper coherence in additional dimensions. We propose a new decomposition algorithm that jointly optimizes the whole light field data for proper angular coherence. For efficiency, we extend Retinex theory, working on the gradient domain, where new albedo and occlusion terms are introduced. Results show that our method provides 4D intrinsic decompositions difficult to achieve with previous state‐of‐the‐art algorithms. We further provide a comprehensive analysis and comparisons with existing intrinsic image/video decomposition methods on light field images.     

一种基于SIFT算子的人脸识别方法

高独特性特征的选择以及合适匹配策略的选用是人脸识别技术的关键。讨论了基于仿射不变的几何特征SIFT算子进行人脸识别的方法。SIFT算子的计算复杂度较高,并且不同的人脸表情和图像模糊会加大特征匹配的难度。为克服上述缺点,提出了一种新的算法,将选择6个人脸上感兴趣子区域进行描述,并根据各自的独特性赋予不同的权值,最后在匹配过程中使用相似度的平方来减小偏差数据造成的影响。实验结果表明,该方法能有效减轻表情变化对于身份识别率急剧下降的影响,并可显著减少计算复杂度和特征匹配时间。     

基于纹理谱描述子的图像检索

提出一种新的纹理谱描述子应用于基于内容的图像检索中.讨论了小波变换的思想和纹理谱概念的联系,根据纹理的视觉特性,提出纹理模式等价类的概念,设计出更合理的纹理谱描述子来描述图像的纹理特征.该纹理模式刻画了领域内像素灰度变化模式,以纹理谱直方图方式表示图像纹理内容.分析了纹理谱的对称不变性和旋转鲁棒性的特点.应用于图像检索,与G曲or纹理特征相比较,该纹理谱描述子特征提取速度快,检索准确率高.     

基于注意力机制的增强特征描述子

传统手工获取特征描述子的方式不能保证特征点在非线性形变状态下进行正确匹配,无法有效解决图像存在较大形变时的特征描述问题.针对柔性生物组织MR影像特征点匹配问题,提出一种结合注意力机制的增强描述子.采用多层感知机对特征点位置信息进行编码并与特征点的初始描述子相结合,将图注意力神经网络中的自我注意与交叉注意的方法相结合,并...     

一种基于稳定区域的图像特征描述子

当不同成像条件下图像局部内容的特征存在明显差异时,会导致特征描述子难以正确匹配。为此,提出一种基于稳定区域的图像特征描述子。利用最大稳定极值区域检测算法提取图像的稳定区域,结合图像特征点的位置和尺度信息,根据稳定区域计算特征主方向,在适应于特征点所属稳定区域尺度的较大邻域内,生成基于对数-极坐标系的特征描述子。应用结果表明,该描述子在图像局部内容变化较大时仍具有旋转不变性和稳定的匹配性能,能有效解决印刷电路板CT图像的配准问题。     

多尺度最稳定极限区域仿射不变特征

基于局部区域的仿射不变特征被广泛应用于目标识别、场景分类和图像检索.在已经提出的仿射不变局部特征中,最稳定极限区域特征MSER(maximally stable extremal region)在多个方面具有优越的性能.但是由于最稳定极限区域特征MSER是从单一尺度图像中提取的,当图像尺度发生较大变化时,图像的模糊会使最稳定极限区域特征的边界发生变化,从而影响特征的稳定性.针对这一问题,通过定义多尺度空间中极限区域的稳定性指标,提出一种在图像空间和尺度空间都最稳定的极限区域特征,并设计了在尺度空间进行极限区域提取的快速算法.同时,针对极限区域可以较好地描述特征轮廓的特点,将局部灰度梯度信息和形状信息相结合设计了一种新的特征描述器.这种特征被称为多尺度最稳定极限区域MMSER(multi-scale maximally stable extremal region)特征.实验结果表明,在不同仿射变化条件下,MMSER的稳定性和可识别性均优于MSER,而且其描述器的创建时间约为SIFT描述器的45%.