一种基于图像特征点提取及匹配的方法

针对图像特征提取与匹配的适应性和准确性的问题,将尺度不变特征变换(SIFT, Scale Invariant Feature Transform)算法应用到图像匹配领域.首先从原理上对SIFT算法的特性进行了分析,并以visual studio 2005为开发平台对SIFT算法分步骤进行了实现;最后以基于欧氏距离的最近邻准则作为特征的相似度量将SIFT算法提取的特征应用于图像特征匹配,并对不同的近邻比进行比较,给出了建议值.通过3组实验图像的匹配结果表明,SIFT算法提取的特征对图像缩放、旋转、亮度变化的匹配正确率都等于或接近100%,证明了SIFT算法提取的特征点有很好的适应性和准确性,可以进一步应用到图像识别以及图像重建等领域.      

基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

一种基于区域划分的改进ORB算法

针对传统ORB算法所提取的特征点分布不均匀、存在冗杂，且不具有尺度不变性的问题，提出了一种基于区域划分的改进ORB算法。算法根据需要提取的特征点总数和所划分的区域个数计算每个小区域需要提取的特征点个数，解决了在特征点提取过程中特征点重叠和特征点冗余的问题；通过构建图像金字塔，在每一层图像金字塔上提取特征点，解决了ORB算法提取的特征点不具有尺度不变性的问题。实验结果表明:在不损失图像匹配精度的同时，所提算法提取的特征点更加均匀合理，在提取速度上也较传统ORB算法提升了16%左右。      

基于ASIFT的离线签名认证方法

通过分析现有局部不变特征方法及含伪装签名数据集的特点,提出了一种基于具有仿射不变性的尺度不变特征变换(ASIFT)的离线签名认证方法.该方法对签名图像进行预处理(包括灰度化和放缩),对处理后的图像进行ASIFT关键点检测和特征描述符提取,对从查询签名图像和参考签名图像中提取到的描述符进行匹配,对匹配的结果采用随机采样一致性(RANSAC)方法去掉错误匹配,并计算正确匹配点的描述符之间的平均距离;通过比较平均距离及正确匹配点的个数与给定阈值的大小来判断认证是否成功.使用了含伪装签名的数据库对提出的方法进行测试,实验结果表明该方法与现有方法相比等误率降低了5%.      

基于支撑描述的SIFT匹配方法

为减少局部结构相似等因素导致的图像匹配错误,提出一种基于支持描述的匹配判定方法.利用尺度不变特征变换（SIFT,Scale Invariant Feature Transform）算法获得初始匹配集,选取其中稳定性较高的特征点对建立支撑特征集;根据支撑特征点的分布,对初始匹配集的剩余特征点对进行支撑描述,并根据所生成支撑描述符的相似程度,判定剩余特征点对是否为正确匹配.经判定正确的匹配特征点对被加入支撑特征集,使支撑特征集动态扩展,保证了支撑特征点的分布密度及支撑描述的准确性.实验结果表明,该方法能够在保留正确匹配的同时,消除90%以上的错误匹配,有效提高正确匹配率.      

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

一种改进的ORB特征匹配算法

针对现有的ORB特征匹配算法在图像模糊、光照变化、图像压缩、噪声条件下，匹配准确率下降问题，提出了一种改进的ORB特征匹配算法。首先，在提取特征点过程中，对图像进行网格化处理，并引入四叉树结构，使提取的特征点在图像中均匀分布，解决传统的特征提取方法遇到的特征点集中问题。然后，利用暴力匹配进行初步匹配，并采用交叉验证的方式，剔除部分误匹配，改善暴力匹配的结果。最后，利用高斯核对网格运动统计的结果做加权处理，优化统计结果，进一步剔除误匹配，得到准确率更高的匹配集合。实验结果表明:改进后的算法在图像模糊、光照变化、图像压缩和噪声条件下，平均准确率分别提高了3.5%、4.2%、2.2%和6%。      

探月飞行器软着陆光学自主导航的特征图形匹配方法研究

对基于特征图形匹配的月面精确着陆光学导航方法进行了研究, 包括图像特征点提取、特征图形构建以及特征图形匹配. 利用特征点间相对距离不变的特性, 确立特征点的连通规则, 解决存在平移、旋转和放缩等情况下的图形匹配问题. 利用多幅月面真实图片对算法进行仿真测试, 仿真结果验证了其有效性. 以所提出的特征图形匹配方法为基础, 设计仿真算例对导航方法进行验证, 结果表明, 基于特征图形匹配的光学导航方法可实时确定飞行器的位置和速度信息且精度较高, 是适用于探月飞行器精确着陆导航的有效途径.      

一种地外天体路标图像的稀疏化表征方法

摘要： 针对用于地外天体着陆视觉导航的路标图像信息存在的计算量大和占用存储空间大等问题,提出一种路标图像的稀疏化表征方法.引入着陆路标图像的尺度估计和尺度变换,采用Harris 算法提取路标特征点,改进了FREAK特征描述子用以稀疏化表征天体路标信息;并针对图像旋转、尺度变化、图像噪声和尺度估计误差4种外界干扰,仿真对比改进算法与原FREAK算法、SURF算法的性能.仿真结果表明：提出的算法大幅减少计算量和特征描述子所占用的存储空间,同时能够正确匹配到更多的路标特征,鲁棒性更好,更适合地外天体着陆任务应用.     

基于全景子空间的尺度不变特征跟踪方法

提出一种基于全景子空间尺度不变特征跟踪方法,包括离线阶段建立全景图像与原始图像序列特征集对应关系和在线阶段基于关键图像识别的特征匹配等过程.首先利用全景图充分覆盖局部场景信息特性,通过扩展Kd树组织全景图特征并建立其与原始图像序列特征对应关系,不但解决了图像间特征对应,而且能够有效减少全景图冗余特征量,提高首次特征匹配速度.然后给出一种基于投票策略的关键图像识别方法以进一步完成二次特征匹配,从而将多图像大数据量特征匹配转换为单图像小数据量特征匹配目标,较好实现了特征匹配速度与稳定性的平衡.试验结果表明本方法能够有效增强特征跟踪的稳定性.      

视觉导航中陀螺仪辅助特征点匹配算法

为了解决视觉导航中无摄像平台条件下特征点匹配不准确的问题,提出了一种利用导航系统中陀螺仪输出辅助进行特征点匹配的方法.构建了陀螺仪角速度输出与特征点坐标变化之间的关系,分别采用相关系数匹配和双向匹配进行特征点匹配和匹配检验,通过插值计算得到亚像素精度的匹配结果;分析了该方法的各种误差来源,并对陀螺仪输出误差和摄像机焦距误差的影响大小进行了分析.实验表明:相对于SIFT(Scale Invariant Feature Transform)方法,此处提出的匹配方法准确性有了较大提高,并且在原系统基础上不需要增加额外设备,具有较好的实用性.     

复杂背景下单个运动物体的实时视觉追踪算法

介绍了一种完全基于图像信息的运动检测视觉追踪算法.该算法综合了已有的一些算法,并在他们的基础上进行改进,可以实现在摄像机运动不剧烈的情况下,对单个运动物体的追踪.由人工选取目标,计算机开始在第1帧和第2帧图像中提取特征点,并在两帧图像中对特征点进行匹配.利用匹配的特征点建立仿射运动模型,以估计背景的运动和预测目标位置.假设运动目标所占的像素面积很小,在预测点附近的一块小邻域内进行光流分割得到运动目标.该算法在640×480大小的两帧连续图片上验证,取得了较好的效果.在PC上的实验证明,设置适当的参数,本算法可以应用于12.5Hz或25Hz的图像采集频率.      

遥感图像的快速配准方法

针对多传感器遥感图像的配准,提出了一种快速有效的图像配准方法.该基于分级候选点集匹配的配准算法充分利用了分级匹配和候选点集匹配方法的优点,减少了特征提取空间和搜索空间.并在同名控制点对的确定中引入距离计算,能更有效地确定同名控制点对,减少了误匹配率,增加的距离计算时间代价很小,而且不随图像大小发生变换,只与最终匹配点对数目有关.采用主观与客观判断相结合的方法进行配准评价,实验结果表明,该算法在图像存在一定背景噪声,同时具有平移、旋转的情况下,可以准确地进行配准,提高了配准速度和精度.      

单目SLAM直线匹配增强平面发现方法

针对微小型机器人及无人机系统日益迫切的轻量化视觉导航需求,提出了一种多维几何特征单目视觉三维环境建模方法。单一点特征单目SLAM制图方法地图描述效率相对较低,噪声容忍性能需要进一步提高。将线和面特征引入单目SLAM的三维地图构建过程,提高系统三维空间建模的搜索速度和稳定性。利用快速直线搜索算法,并基于二维直线匹配生成三维空间直线。现有基于三维空间特征点生成最小采样集的J-Linkage算法需要的倾向向量维数较高,完成单目SLAM常见场景三维平面聚类所需的计算量大。通过点线特征结合以及直线增强的J-Linkage算法可以提高特征平面聚类速度和稳定性,减少系统三维空间表达的冗余信息。