基于多视图像序列的建筑物三维模型构建

随着虚拟现实、智慧城市等领域对三维重建技术的需求,如何快速、便捷、精确地进行三维模型构建成为当前研究的热点。文章提出基于运动恢复结构方法对建筑物进行三维模型构建,由相机参数得到本征矩阵,借助尺度不变特征转换算法匹配图像特征点,计算变换矩阵,实现基于多视图像序列的建筑物三维重建技术。通过实验验证了本文方法的有效性,并且具有较好的鲁棒性及准确度。本文方法对计算机视觉、摄影测量学、地理信息系统等学科的研究具有一定的理论意义和应用价值。     

基于二维投影点集的三维模型检索算法研究

本文给出一种基于二维投影点集的三维模型检索算法.该算法利用二维投影点集边界点,给出一种结合夹角信息的二维投影轮廓特征提取算法,简单有效地刻画三维模型外围轮廓;同时还利用二维投影点集内部点,给出一种剖面特征提取算法,反映三维模型空域信息.实验结果表明该算法在保证检索效率的同时,显著提高三维模型的检索准确性.     

基于SIFT特征的哈希快速检索与图像匹配

针对SIFT算法在应用于图像匹配时,存在准确率低下和耗时等问题,提出一种SIFT特征的哈希快速检索与图像匹配方法。文中提出以二值化SIFT关键点描述子和哈希表相结合的方法对图像进行匹配。针对实验过程中出现的冲突项,通过在哈希表中添加标志位并记录冲突相个数和地址,完美地解决了高维描述子转化到低维冲突项的问题,加快了匹配速度。实验结果表明,该方法图像匹配速度优于传统SIFT匹配方法,加快了相似特征检索速度、提高了查询效率,并能够满足实时应用。所提出的采用SIFT关键点描述子的二值化与哈希检索相结合的方法,通过对比实验,证明了该方法在保证准确率的同时,提高了效率,实现了图像的实时快速匹配。     

基于卷积神经网络的高效三维模型检索方法

目前基于视图的三维模型检索已经成为一个研究热点.该方法首先将三维模型表示为二维视图的集合,然后采用深度学习技术进行分类和检索.但是现有的方法在精度和效率方面都有待提升.本文提出了一种新的三维模型检索方法,该方法包括索引建立和模型检索.在索引建立阶段,选择代表性视图输入到训练好的卷积神经网络(Convolutional ...     

多视图三维人脸重建方法研究

人脸信息包含每个人的外貌、表情信息。对人脸进行三维重建,重建后的人脸信息能够广泛地应用于人脸识别门禁系统、人脸动画角色以及医美整形等行业,具有重要的研究价值。目前,三维人脸重建存在一些遮挡和大姿态等问题,其中大部分人脸重建方法是从单张图片入手,模型效果较差,而多张图片的信息综合利用更有助于人脸信息的重建。为此,本文围绕基于传统方法的多视图人脸重建和基于深度学习方法的多视图人脸重建展开详细阐述,并对多视图人脸重建领域进行总结与展望。     

基于Zernike矩与SIFT特征的商标检索算法

为降低商标检索算法的误检率,提出一种结合Zernike矩(ZM)和尺度不变特征变换(SIFT)的商标检索算法,该算法由离线数据库构建和在线检索组成。分别从查询图像中提取ZM和SIFT特征;根据查询图像的特征集与数据库中存储的图像的特征集之间的ZM特征进行相似度度量,形成候选商标集;最后,利用SIFT特征对查询图像与候选图像精准检测,对相似距离进行排序,将结果返回给用户。实验结果表明：与当前流行的商标检索算法相比,该算法具备更好的检索性能,在缩放、平移、模糊、透视、斜切、扭曲等变换干扰下,仍呈现出更理想的Precision- Recall曲线以及F值。     

基于SIFT的多焦距图像特征点提取算法

将尺度不变特征变换（SIFT）算法应用到图像的特征点提取与匹配中,SIFT算法可在尺度空间寻找极值点,提取对图像焦距变化具有稳定性的特征点及其特征描述符。在采用SIFT算法提取图像的特征点及其特征描述符后,提出了一种特征点精匹配算法进行特征点的匹配,并通过仿真证明该算法具有很好的效果。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题,提出了一种融合多特征的图像检索算法.首先,提取查询图像和图像库中样本图像的GIST(Generalized Search Tree)特征,用欧氏距离衡量图像间的GIST相似度值,根据查询图像的GIST特征在图像库中进行检索,将结果按相似度进行排序;然后,提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征,使用BBF(Best Bin First)算法进行特征匹配;最后,通过特征点匹配点对数排序并返回检索结果.实验在改进的Corel1000数据集上进行,与传统的单特征图像检索算法对比,提出的图像检索算法不仅提高了检索准确率,而且获得了较好的检索效率.     

基于非线性模型的多视图摄像机自标定

摄像机标定是从二维图像获取三维信息必不可少的步骤.被广泛用于三维重建、导航、视觉监控等领域.由于线性模型一般不能准确地描述摄像机的几何成像关系,因此对非线性模型摄像机自标定的研究具有十分重要的实际意义.主要探索非线性模型摄像机的自标定方法.     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于非线性SIFT框架SAR图像匹配

针对基于尺度不变特征变换（SIFT）的图像匹配算法性能受到SAR图像中严重斑点噪声而性能降低的问题，提出了一种改进的非线性尺度构建的SIFT算法，主要改进在于：在尺度空间构建阶段，该算法通过将滚动引导滤波器嵌入到尺度空间构造的过程中来生成多尺度图像金字塔，在去除斑噪的同时并保持边缘的方面表现出了较其他尺度空间构建算法更好的效果；在特征检测阶段，提出了一种使用ROEWA算子和Harris-Laplace检测算子相结合的特征点检测算法，有效地抑制SAR图像中的虚假特征点，并准确地提取具有高位置精度和低误差率的不变特征点。3种不同类型的仿真和真实SAR图像对该算法进行了检验，并与其他2种基于SIFT的方法相比较，实验结果表明，该算法在匹配精度和内联点比率方面可以实现更好的性能。     

基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

基于Kalman与SIFT的车辆跟踪算法

车辆跟踪是智能交通系统中的一项关键技术。文章在研究现有的车辆跟踪算法基础上,提出了一种基于卡尔曼（Kalman）与尺度不变特征变换（Scale invariant feature transform,SIFT）的车辆跟踪算法。通过将车辆的外接矩形信息转化为Kalman滤波参数,对车辆运动进行建模,结合SIFT特征匹配能够有效地解决车辆遮挡问题。实验结果表明,该方法能够对运动车辆实现稳定的跟踪,并且能够有效地解决车辆遮挡问题。     

基于FPGA并行处理SIFT算法特征点检测

由于SIFT算法计算量大,以至于不能够应用于实时性要求高的领域。为了使SIFT算法满足实时性的需求,详细阐述了SIFT算法中特征点检测与梯度计算硬件实现过程和系统架构,并且对SIFT算法进行相应的改进,使其适合FPGA并行处理特性。最后利用Altera公司Cyclone III系列芯片的硬件平台测试SIFT算法硬件部分的计算时间和匹配性能,并且与DSP实现的SIFT算法进行性能上的比较。结果表明,FPGA实现SIFT算法具有实时性高,匹配性能好的特点。     

一种缩放情况下区分原始区域和篡改的方法

为了在检测结果中区分出原始区域和粘贴区域,提出一种基于尺度不变特征转换(SIFT)和重采样痕迹的图像盲检测算法。该算法首先将图像分成互不重叠块,利用SIFT算法找出每个块中的关键点,对关键点匹配;然后在每个块中以匹配关键点的中心为种子进行区域生长得到篡改区域;最后分析每个图像块的频谱图,计算出缩放因子,区分原始区域和复制区域。实验结果表明,该算法简便快捷,在能够对篡改区域进行准确定位的同时,并能区分原始区域和复制区域。     

基于SIFT特征点的抗几何攻击水印算法

提出了一种基于尺度不变特征变换(SIFT)和伪Zernike矩的抗几何攻击的鲁棒水印算法。首先,利用SIFT算法从载体图像中提取稳定的特征点;然后,根据特征尺度和方向自适应地确定每个局部特征区域大小和方向;最后,从中选择具有较大特征尺度互不重叠的特征区域,并利用量化调制伪Zernike矩幅值方法将水印嵌入到每个局部特征区域内。仿真实验结果表明,该算法不仅具有良好的透明性,而且具有较强的抵抗常规信号处理和几何攻击的能力。     

基于兴趣目标的图像检索

当前图像检索算法通常针对整体图像提取特征以完成检索任务.然而,在很多情况下用户只会关注图像的一部分,即他们的兴趣目标.此时,从整体图像提取的特征一部分是有效的,另一部分则是无效的且会对检索过程带来消极影响.为此,本文提出基于兴趣目标的图像检索方案,并借助于现有的显著性检测、图像分割、特征提取等技术实现一款有效的图像检索算法.首先采用HS （Hierarchical Saliency,分层显著性）检测算法分析用户的兴趣目标并应用SC （Saliency-based Image Cut,基于显著性的图像分割）算法将其分割,然后针对兴趣目标提取HSV （Hue、Saturation、Value,色调、饱和度、明度）颜色特征、SIFT （Scale Invariant Feature Transform,尺度不变特征变换）局部特征和CNN （Convolutional Neural Network,卷积神经网络）语义特征,最后计算其与数据库图像的相似度并根据相似度排序返回检索结果.仿真实验结果表明,本文算法在解决"这是什么东西"这类图像检索任务时明显优于现有的图像检索算法.     

Face Recognition Using Dense SIFT Feature Alignment

This paper addresses face recognition problem in a more challenging scenario where the training and test samples are both subject to the visual variations of poses,expressions and misalignments.We employ dense Scale-invariant feature transform (SIFT) feature matching as a generic transformation to roughly align training sampies;and then identify input facial images via an improved sparse representation model based on the aligned training samples.Compared with previous methods,the extensive experimental results demonstrate the effectiveness of our method for the task of face recognition on three benchmark datasets.     

一种适用于行星表面特征提取的实时SIFT算法

在行星探测任务中,针对尺度不变特征变换(SIFT)算法计算量大,无法同时满足对导航算法准确性和实时性要求的问题,提出了一种基于快速高斯模糊的并行化SIFT算法,即FG-SIFT算法.首先,将算法中构建高斯金字塔的二维高斯核函数分离成两个一维高斯函数,降低算法的计算复杂度.然后,对于每一维高斯函数,使用两个无限脉冲响应滤...     

一种基于2D和3DSIFT特征级融合的一般物体识别算法

如何选择合适的特征表示一般物体类间差异和类内共性至关重要,因此,本文在2D SIFT(Scale Invariant Feature Transform,SIFT)的基础上,提出了基于点云模型的3D SIFT特征描述子,进而提出一种基于2D和3D SIFT特征级融合的一般物体识别算法.分别提取物体2维图像和3维点云的2D和3D SIFT特征描述子,利用"词袋"(Bag of Words,BoW)模型得到物体特征向量,根据特征级融合将两个特征向量进行融合实现物体描述,运用有监督分类器支持向量机(Support Vector Machine,SVM)实现分类识别,给出最终识别结果.最后,实验验证了本文提出算法的好处.