移动机器人目标识别算法

针对移动机器人在目标识别过程中对视觉图像特征点提取慢,匹配不准确等特点,提出了一种基于SIFT算法的改进目标识别算法。通过采用组合匹配策略,将特征关键点间的距离和内积同时进行考察,根据其自身值的大小,决定对匹配相似度的贡献。组合策略的引入有效地解决了机器人在目标识别中对相同特征图像不能匹配和不同特征图像能够匹配的问题。为克服目标匹配时实性差的弱点,以关键点为根据构建K维树结构,采用最近邻点搜索,快速找出正确匹配的特征点。为实现移动机器人目标识别过程中的自主性,在特征点匹配过程中引入自适应阈值进行判断。实验表明,该方法对移动机器人目标识别准确率有较大提升,能够满足移动机器人在目标识别和跟踪过程中对视频图像处理的实时性和准确性的要求。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。     

基于改进SURF算法的人脸点云配准

精准的三维人脸重建是三维人脸识别、三维人脸表情仿真等技术实现的重要前提。基于以往图像特征点和点云数据的三维配准算法研究,提出了一种计算量小、实时性较高的人脸配准算法。提取人脸图像特征点,计算64维的SURF描述符;利用RANSAC算法剔除不稳定匹配点;利用奇异值分解SVD求解粗配准变换矩阵;利用改进的最近点迭代算法求解最终变换矩阵。实验结果显示配准误差只有8.71895×10~(-5)m~2,总耗时为6.61s,相比较SIFT算法和手动寻找匹配点,速度快、精度高。     

基于稀疏光流法的ORB特征匹配优化

针对图像特征误匹配数量大的问题，提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集，利用稀疏光流法计算特征点运动向量，估计出特征点在待匹配图像中的二维坐标位置，剔除偏离估计位置较远的特征点匹配对，最后利用随机抽样一致算法进行几何校验进一步优化匹配结果，达到剔除误匹配的效果。实验结果表明:该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%，较RANSAC-ORB算法准确率平均提升了2%，且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。     

结合Levenberg-Marquardt算法的垂直视差消减方法

垂直视差的存在是影响立体视频观视舒适度的主要因素。为了在不影响水平视差的条件下实现对垂直视差的消减,本文引入Levenberg-Marquardt(L-M)非线性算法实现变换矩阵的精确求解。首先用抗缩放、旋转及仿射变换的SIFT(Scale-invariant feature transform)特征匹配算法检测出双目图像对的特征匹配点,然后根据匹配点的坐标位置运用L-M算法计算可消减垂直视差的变换矩阵,将变换矩阵作用于目标图像,计算出该视图每个像素点的新坐标位置。实验结果表明:与利用线性算法求解二维射影变换矩阵的垂直视差消减方法相比,本文提出的求解方法在垂直视差消减上比该算法提高了约0.029 1~0.323 2个像素,对水平视差的影响比该算法降低了约0.118 7~1.139 1个像素。因此本文提出的方法对垂直视差的消减起到了优化作用。     

基于局部不变特征的目标自动识别

为快速、准确地识别图像中的目标,提出一种结合图像熵和加速鲁棒特征算法的目标自动识别方法.首先,分块计算图像的信息熵,根据阈值筛选出纹理丰富区域.然后,结合Hessian矩阵和Harris算法提取纹理丰富区域的局部特征点.接着,计算特征向量并用主成分分析降低向量维数.最后,采用双向最近距离比例匹配算法进行分类,并用随机抽样一致算法剔除误匹配点.实验结果表明:对仿真数据库中带有视角、光照和尺度变化的图像,识别率分别为87.12%、75.31%和84.98%,平均识别时间分别为70.35ms、71.27ms、220.63ms;对含8956×6708像素的航空大面阵图像,正确匹配率为78.13%,识别时间为68.09s.本方法识别率和时间性能均优于加速鲁棒特征算法.     

水下环境中基于曲线约束的SIFT特征匹配算法研究

针对水下双目图像匹配时不再满足空气中极线约束条件以及尺度不变特征变换(SIFT)特征匹配算法处理水下图像误匹配率较高等问题,提出一种基于曲线约束的水下特征匹配算法。对双目摄像机进行标定获取相关参数,再获取参考图和待匹配图;利用SIFT算法对两幅图像进行匹配,同时利用由参考图提取的特征点推导出其在待匹配图上对应的曲线,将该曲线作为约束条件判定待匹配图上对应特征点是否在曲线上,从而剔除误匹配点,以达到提高精度的目的。实验结果表明,该算法优于SIFT算法,可以有效地剔除误匹配点,比SIFT算法匹配精度提高约12%,解决了SIFT算法在水下双目立体匹配中误匹配率高的问题。     

基于SURF特征匹配的数字图像相关变形初值可靠估计EI北大核心CSCD

鉴于Newton-Raphson(N-R)迭代法的数字图像相关方法(DIC)对初值敏感等问题,提出了一种使用SURF(speeded up robust features)特征匹配的数字图像相关方法。SURF算法能匹配出变形前后图像的特征点对,并获得点对的坐标值,使用与匹配点对所在的子区相对应的仿射变换来初始估计子区的变形参数,获得兴趣点的估计值。根据估算的初值进行迭代优化,得到使归一化最小平方距离相关函数(ZNSSD)最小化的兴趣点位移值。实验中,分别用该法及传统的基于尺度不变特征变换(SIFT)的初值估计方法对鲤鱼鳞片拉伸变形图样进行处理,结果表明所提的初值估计方法更加精确有效,并能够使后续的N-R迭代优化快速收敛。     

一种基于特征不变描述的图像无缝拼接算法

针对尺度变化不明显场景的拼接,提出一种基于特征不变描述的图像无缝拼接算法.利用Harris特征检测算子进行特征点提取,在此基础上对提取出的特征点采用SIFT描述子进行处理,使其具备旋转不变性,然后利用k-d树算法进行遍历搜索定位,并用RANSAC算法进行图像间单应性变换矩阵计算,最后利用加权平均的融合方法进行图像无缝平滑,得到无缝拼接图像.实验结果表明:该算法在图像任意角度旋转的情况下,能有效地实现图像无缝拼接,并具有较强的鲁棒性.     

基于新型描述符的SIFT大尺寸精密测量

在图像配准和图像识别领域中,SIFT算法得到广泛应用。大量的噪声或是复杂的图像往往会导致匹配点的误判,从而降低了图像匹配效率。提出一个新的比较邻域,建立了一个新的"十字形"描述符并运用主成分分析法降低描述符计算时间,利用双向匹配方式来减少伪匹配点,以节省匹配时间。实验结果表明,改进SIFT算法能够成功匹配图像,应用于大型工业刀具的测量,为大型物体测量提供了一种新的方法。     

A non-rigid cardiac image registration method based on an optical flow model

According to non-rigid medical image registration, new method of classification registration is proposed. First, Feature points are extracted based on SIFT (Scale Invariant Feature Transform) from reference images and floating images to match feature points. And the coarse registration is performed using the least square method. Then the precise registration is achieved using the optical flow model algorithm. SIFT algorithm is based on local image features that are with good scale, rotation and illumination invariance. Optical flow algorithm does not extract features and use the image gray information directly, and its registration speed is faster. The both algorithms are complementary. SIFT algorithm is used for improving the convergence speed of optical flow algorithm, and optical flow algorithm makes the registration result more accurate. The experimental results prove that the algorithm can improve the accuracy of the non-rigid medical image registration and enhance the convergence speed. Therefore, the algorithm has some advantages in the image registration.     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙。该算法的可行性和有效性通过实验结果可以得到证明。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

Adaptive optics retinal image registration from scale-invariant feature transform

With the use of adaptive optics(AO), high-resolution microscopic imaging of the living human retina in the single cell level has been achieved. In an AO retinal imaging system, with a small field size (about 1°, 300 μm) the motion of the eye severely affects the stabilization of the real-time video images results in significant distortions of the retina images. Scale-invariant feature transform (SIFT) algorithm is applied to automatically abstract corner points with subpixel resolution and match the points in two frames. With the matched corner points, we estimate and remove the motions of 20 frames of photoreceptor cells and capillary blood vessels, respectively. The maximal translational motion is about 30 and 44 pixels in the 20 frames whose size is 416 × 416 pixels. More general motions can be considered by the SIFT algorithm, but only simple translational motion can be considered by cross-correlation algorithm.     

基于曲面分割的三维点云物体识别

提出了一种基于局部描述符的三维点云物体识别算法.算法首先得到点云的邻域、法线矢量等相关信息,通过邻域进一步得到形状索引值.特征点的提取以形状索引值为依据,以每个特征点为基点对曲面根据欧式距离和矢量夹角分割.分割的曲面片进行等间距划分为多个欧氏距离同心圆,以特征点切平面为基平面投影,并进行等角度抽样,通过抽样点相对特征点的法线矢量及测地距离变化曲线,建立曲面片的二维描述,从而把三维识别转化为二维.根据算法建立模型数据库,给定一个物体,通过和模型数据库中的曲面描述进行比对,得到潜在的识别结果,再通过迭代最近点算法,得到最终的识别结果.最后,通过大量具体实验验证了算法的有效性,并给出了算法的计算复杂度及耗时对比分析,说明了算法的高效性.     

基于X射线断层成像的逆向工程中轮廓序列分割算法的原理及实现

为了实现基于X射线断层成像(CT)的逆向工程中具有参数识别的三维图像重构, 提出了一种分割轮廓序列的新算法. 首先通过一定角度的射线法来得到轮廓间的嵌套关系,然后采用扫描一次关系矩阵生成轮廓树的方法实现层内轮廓定位, 最后运用轮廓间定量、定性的属性判定来完成层间的轮廓匹配. 通过实例, 本文提供的算法可以准确、快速地分割CT零件中的轮廓序列.