基于RVCF的大视角差异图像匹配方法

文章针对 SIFT算法对大视角变化图像匹配效果差的问题,提出一种改进的 SIFT算法——抗视角变化特征 提摘取算法(Resistance to Viewpoint Change Feature,RVCF)。首先,利用最大稳定极值区域(MSER)算法提取图像中 的仿射不变特征区域；然后,利用协方差矩阵将 MSER检测出的椭圆区域转化成符合尺度空间条件的圆形区域；最 后,利用 SIFT算法对获得的圆形区域进行仿射不变特征的提取与匹配。实验结果表明:RVCF算法能够在大的视 角和尺度变化下成功实现图像间的匹配。     

基于SIFT的鲁棒的宽基线特征点匹配计算(英文)

本文提出了一种鲁棒的宽基线特征点自动匹配算法,该算法基于Scott邻近矩阵,可以在多种宽基线图像中找到更多的正确匹配点对,并且具有较高的准确率。针对宽基线条件下Scott邻近矩阵存在的缺陷,首先在特征检测中引入具有尺度旋转不变性的SIFT描述子,用其距离来度量特征之间的相似程度;然后再使用尺度和方向自适应的归一化互相关(ASO-NCC)以增强对应矩阵的匹配测度。因为SIFT仅对线性光照变化具有不变性,所以使用ASO-NCC不但具有尺度旋转不变性,而且使得对应矩阵对于一般光照变化具有更好的鲁棒性。新算法同时避免了Scott邻近矩阵中使用的点对间的空间位置距离度量,该度量是宽基线匹配中产生错误匹配的主要原因。通过实验表明,该算法对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,相比其他方法,能够自动获得更多的正确匹配点对和较高的准确性,该算法对视角和仿射变换也有一定的鲁棒性。     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

基于仿射不变矩特征的舰船图像识别方法

获取舰船图像会受到视角影响,产生仿射变换。文章研究了矩特征的平移、旋转、尺度不变性和仿射变换的性质,进一步构造了仿射不变矩。首先,提取舰船图像的封闭轮廓;然后,计算仿射不变矩作为识别的特征库。通过计算待识别图像仿射不变矩与特征库特征的相关系数进行舰船类型识别,通过仿真数据证明仿射不变矩具有良好的识别性,最大相对误差小于...     

面向未知区域深度测量的序列图像稠密点特征生成算法

对未知着降区平坦度测量是无人机在复杂地形下安全着陆的关键问题。首先,根据小孔成像原理推导出基于单目序列图像的未知区域深度计算方程;其次,针对稀疏匹配存在深度信息重构误差大而稠密匹配在平滑区域误匹配率高的问题,提出一种基于Delaunay三角剖分的稠密点特征生成算法;然后,分别对序列图像中的2帧图像提取亚像素级Harris角点和尺度不变特征变换(SIFT)特征点,并分别进行特征点匹配;再以2种特征点间的欧氏距离作为约束条件将2种特征点进行融合,生成准稠密特征点;最后,将准稠密特征点进行Delaunay三角剖分,并根据每个剖分三角形上3个顶点像素偏差的方差值制定稠密特征点的生成策略,并结合所提出的深度计算方程计算整个未知区域各点的深度信息。通过Vega Prime(VP)搭建仿真演示验证系统,实验结果表明在机载相机距地面400m处计算高度分别为90m和55m的物体深度信息时,其深度测量相对误差不超过0.89%,具有较高的精度。     

基于SIFT特征的无人机航拍图像拼接

无人机在飞行过程中由于机体的倾斜和抖动,造成航拍图像出现大的仿射变形.因此,传统的图像拼接算法很难得到好的效果.基于SIFT(Scale Invariant Feature Transform)特征的图像拼接算法,首先通过提取图像的尺度不变特征点,解决了待拼接图像间大的平移、旋转、尺度变化的干扰.然后,通过欧式距离判断...     

基于SIFT和仿射变换的航空器起飞图像跟踪方法

针对机场监视的需要,结合航空器起飞特征,研究了尺度不变特征变换( SIFT)算法和仿射变换模型,在对图像进行灰度图像序列处理的基础上,提出了将SIFT特征点跟踪与仿射变换相结合对航空器起飞信息识别、跟踪的方法。以滨海国际机场的一个起飞过程为例,对图像序列进行了运动目标识别和帧间特征点的匹配,验证了方法的可行性,为机场航空器的起飞跟踪方法提供参考。     

基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

三维地形不变性特征描述及其在地形匹配中的应用

 针对实时地形图与基准地形图之间存在旋转、缩放和平移等相似变换的地形匹配问题,提出一种基于地形不变性特征描述的匹配方法。分析了地形的凹凸特征,根据三维地形表面的局部极值点相对位置分布稳定的特点,采用极值点相对位置归一化表示的方法构造了地形的不变性特征向量,基于二维地形特征向量间的距离比较,实现了适应相似变换的地形匹配。该地形描述与匹配方法不依赖于地形的绝对尺度值,仿真实验表明了方法具有较好的实用性,是解决导航定位中存在缩放变换的地形匹配的有效方法。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

基于点特征的干涉合成孔径雷达(InSAR)复图像自动配准算法

 在基于点特征的遥感图像配准过程中，特征点的自动提取和准确匹配是影响配准精度的关键。本文提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法，利用特征点的高曲率结构设计了模板，完成了特征点检测；根据匹配点对之间距离相近的结论设计了匹配算法，进行了特征点对的匹配。文章首先通过边缘检测和模板相关提取特征点；其次根据提出的匹配算法建立点的对应关系；最后利用两步法完成复图像的亚像元级配准。实验结果表明，该算法具有较高的配准精度。     

一种基于边缘特征的改进ORB算法

ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差（Otsu）的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。     

基于不变特征和映射抑制的航拍视频图像配准

针对航拍视频图像在光学变换和几何变换下特征匹配容易产生误匹配,以及匹配精度不一致等问题,提出一种结合不变特征和映射抑制的航拍视频配准算法。首先,利用Harris检测器在尺度变化下的局部区域内选择出最稳定角点,并利用分区检测方法提取出分布均匀的角点作为待配准点。然后,计算以特征点为中心邻域窗口的描述符,通过比较两幅待配准图像特征点邻域描述符的欧式距离,提取出初始匹配点对。对匹配对点集建立D-三角网图,利用映射抑制方法提取出精确度最高的少数匹配点,并对模型参数进行估计,完成视频帧间的配准。大量实验表明,所提方法对航拍视频图像配准具有较强的适应性且配准精度高。     

航拍视频拼图中基于特征匹配的全局运动估计方法

 主要研究了航拍视频拼图中的全局运动估计问题。根据航拍视频成像过程的特点,得出相邻帧之间全局运动的4参数近似变换模型,该模型参数较少,鲁棒性好且计算简单,任意帧之间的变换模型通过“帧到帧”的方式递归获得。提出了一种双向最近邻距离比的尺度不变特征(SIFT)的匹配方法,提取出有效的匹配点,并采用随机采样一致性(RANSAC)方法去除外点和估计全局运动参数。从试验结果可以看出,该方法估计出的全局运动参数精度高,鲁棒性好。     

基于组合不变矩与神经网络的卫星目标识别

首先介绍了Hu提出的不变矩和Jan Flusser提出的仿射不变矩,在不增加特征向量维数的前提下,将不变矩的部分分量与仿射不变矩组合成新的特征向量——组合不变矩。利用组合不变矩提取图像中的不变特征向量,并结合基于人工神经网络的分类器,较好的实现了对卫星目标的分类识别。