仿射形变条件下形状匹配的矩阵投影方法

提出了一种仿射形变条件下形状匹配的矩阵投影方法。首先利用二维点集描述具有仿射形变关系的两个形状,提出了形状点集的标准化形式,并证明了标准化形式之间仅存在旋转变换;其次通过矩阵投影的方法找到标准化形状之间的匹配关系,从而通过重构的方法确定初始形状的匹配关系;最后通过匹配关系确定仿射变换参数,并进行形状配准。试验结果表明本文提出方法对仿射形变具有不变性,并且对形状点集的数目不相等的情况具有较高的精度。     

基于形状描述算子的仿射点匹配算法

针对仿射点匹配问题,首先通过建立点模式之间仿射映射关系,运用虚拟对应点估计待匹配点集的仿射参量,然后运用形状描述算子进行点集间匹配关系的求解,通过上述步骤的反复迭代最终求得点匹配问题的最优解集。算法较好地解决了仿射变换下的点集匹配问题,即使在较强的噪声和出格点干扰情况下,仍能获得较高的正确匹配率。实验证明了算法的有效性和鲁棒性。     

融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

一种应用于图像配准中的点特征匹配算法

点特征匹配在机器视觉、图像配准等领域中有着重要的应用.针对空间存在较大仿射几何差异的图像中的点特征匹配问题,提出了一种利用马氏距离仿射不变性进行约束的松弛匹配算法,并将该算法应用于遥感图像配准中.实验结果表明,算法可以很好的完成点特征匹配,匹配点对数量充足且具备很高的正确率,从而可以保证图像配准的精度.     

一种新的仿射不变特征及其在平面曲线匹配中的应用

构造了一种新的仿射变换不变特征,提出了一种适合于仿射变换的曲线匹配算法。首先将整个轮廓区域进行仿射区域划分,得到一系列子区域质心点;然后将质心和子区域的质心点按规则构成三角形,计算三角形的面积比序列,并将其规范化,构造新的仿射不变特征。在该不变特征的基础上设计新的识别向量和差异度度量函数,通过计算待识别目标与模型曲线之...     

一种仿射不变的直线描述子与直线匹配

从图像中提取的直线常出现不完整、端点位置不准确等问题,针对这些问题造成的直线匹配难点,本文提出了一种仿射不变的直线描述子.首先将待匹配直线离散为对应点的集合,将直线描述转化为点的描述,避免了直线不完整造成的支撑区域大小不一致的问题;然后结合直线的方向和长度,定义点描述子的主方向和尺度,通过统计离散点集的局部邻域的梯度信息使描述子具有仿射不变性.为了提高直线匹配速度,在进行直线描述之前,本文采用了极线约束精简了待匹配直线集合,再利用最近邻距离比准则对直线精确匹配.实验结果表明本文提出的直线描述子在仿射、亮度、视点、遮挡等变化条件下具有精确的匹配性能.     

一种基于特征点匹配的目标跟踪方法

针对精确制导系统图像跟踪的特点,在研究图像特征点匹配的基础上提出了一种应用于地面固定目标跟踪的新方法.首先在高斯差分尺度空间提取特征点;然后用邻域梯度描述特征点,用最近邻与次近邻的比值作为特征点的匹配准则;接着建立仿射模型解算跟踪点;最后设计了一种有效的参考图更新方法.大量的仿真实验表明该方法对地面固定目标具有较好的跟踪性能,能有效抑制跟踪漂移现象,展示了很好的鲁棒性.     

多模态异构大数据混合属性特征匹配筛选算法

多模态异构大数据混合了多种属性数据,具有数据类型繁杂、数据维度较高的特点,在数据挖掘过程中容易降低多模态异构大数据利用率。为了提高特征匹配紧密度,提出多模态异构大数据混合属性特征匹配筛选算法。建立距离矩阵对多模态异构大数据实施混合属性降维;采用主成分分析法提取降维后的数据主成分,将提取到的主成分作为数据混合属性备选特征;计算主成分互信息,筛选互信息值大于1的数据特征,聚集同属性相似特征,实现特征匹配。在4个多模态异构大数据集中进行应用测试,测试结果表明所提算法匹配紧密度均高于0.8,由此证明,该算法具有较高的混合属性特征匹配质量。     

基于稀疏特征匹配和形变传播的无缝图像拼接

该文给出了一种基于稀疏特征匹配和形变传播的无缝图像拼接方法。首先,在配准图像的重叠区域中寻找一条结构误差最小的最佳接缝,从一边的图像中选取目标区域;接着,沿着接缝在两边的图像区域中检测出显著的结构特征,并进行特征匹配,获得目标区域中接缝上的匹配特征点及与之关联的边缘特征点的结构形变矢量;然后,通过求解泊松方程,将这些稀疏的形变矢量稳定和平滑地传播到目标区域内部,得到目标区域中各点的形变矢量;最后,由形变矢量通过内插获得目标区域的梯度场,并由梯度场重构出最终结果。该方法执行方便快速,不需要复杂的特征检测,能够统一地纠正图像拼接中较大的结构错位和颜色过渡不自然,在全局上消除结构接缝和颜色接缝。与其它方法比较,该方法获得较明显的改进。     

自适应局部邻域特征点提取和匹配的点云配准

点云配准是三维重建的关键技术之一。针对点云匹配中迭代最近点算法(ICP)速率低、对初始位置要求高的问题,提出了一种基于自适应局部邻域特征点提取和匹配的点云配准方法。首先根据局部表面变化因子与平均变化因子的大小关系,自适应地提取特征点;其次利用快速点特征直方图（FPFH）综合描述每个特征点的局部信息,结合随机抽样一致性（RANSAC）算法实现粗配准;最后根据得到的初始变换矩阵和基于特征点的ICP算法实现精配准。对斯坦福数据集、含噪声的点云以及场景点云进行配准实验,实验结果表明:所提出的特征点提取算法能高效地提取点云的特征;相比于其他特征点检测方法,所提方法在粗配准中的配准精度和配准速度更高,且抗噪性能更好;与ICP算法相比,基于文中特征点的ICP算法在斯坦福数据集和场景点云中的配准速度提升了约10倍,在含噪声的点云中,能根据所提取的特征点高效地进行配准。该研究为提高三维重建和目标识别的匹配效率提供了一种高效的方法。     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

一种优化的特征点匹配算法

为提高三维重建的性能,提出一种优化特征点匹配算法.首先,通过组合算法对特征点进行初匹配;其次,通过随机抽样一致算法剔除误匹配获得目标的精确匹配点,并将精确匹配点通过区域生长算法,经多次迭代实现稠密匹配;最后,经过二次剔除误匹配点得到精确稠密匹配结果.同时,搜索窗的大小通过局部二值模式来自适应调整,提高区域生长后新增种子点的精度,从而更有利于三维重建.实验证明该方法能提高匹配效率和精度.     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

Gradient of reference difference based matching algorithm for image feature point

During matching on feature point, gray correlation matching technology is utilized to extract multi-peaks as a coarse matching set. A pair of given corresponding reference points within the left and right images is used to calculate gradients of reference difference between the reference points and each feature point within the multi-peaks set. The unique correspondence is determined by criterion of minimal gradients of reference difference. The obtained correspondence is taken as a new pair of reference points to update the reference points continuously until all feature points in the left (or right) image being matched with the right (or left) image. The gradients of reference difference can be calculated easily by means of pre-setting a pair of obvious feature points in the left and right images as a pair of corresponding reference points. Besides,the efficiency of matching can be improved greatly by taking the obtained matching point as a new pair of reference points, and by updating the reference point continuously. It is proved that the proposed algorithm is valid and reliable by 3D reconstruction on two pairs of actual natural images with abundant and weak texture, respectively.     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于注意力机制的特征点匹配网络的SLAM方法

已有的实时定位与地图构建(simultaneous localization and mapping,SLAM)方案采用的特征点匹配方法普遍会受视角变化的影响使得特征点的匹配比较困 难,进而 干扰到特征点匹配的精度,最终影响到三维(three-dimensional, 3D) 点云地图构建以及相机运动位姿估计的精度。为 此,本文提出 一种基于注意力机制的特征点匹配网络的SLAM方法。相比于现有的SLA M方法,本 文将SLAM中视觉里程计模块的特征点匹配的方法替换成了一个全新的、基于注意力机制的 特征点匹配网 络的特征点匹配方法,并和传统的特征点提取方法做了一个全新的特征点提取与匹配的组合 ,形成了一个 新的视觉里程计,进而形成了一个新的SLAM方法。首先,通过传统的特征点提取算法进行 特征点的提取, 对提取的特征点及描述子向量进行编码,通过图注意力神经网络进行学习得到匹配描述子, 根据匹配描述 子创建得分矩阵,采用最优传输算法求解最优得分矩阵,计算得到最优匹配点对,到这里就 完成了特征点 提取与匹配的整个过程;基于匹配点对完成相机的定位、建图和回环检测。本文采用KITT I公开数据集 进行实验,实验结果表明采用基于注意力机制特征点匹配网络的SLAM方案,在视角变化不 稳定的情况下,相机运动轨迹误差和相机位姿估计误差的精度明显有所提升。     

CB形态金字塔及其在图像匹配中的应用

提出了一种基于轮廓结构元素(CB)形态学的多尺度平形态开闭混合金字塔算法,该金字塔的图像分析算子为依次进行最大CB开滤波、最小CB闭滤波和上采样,而图像合成算子则直接采用下采样,这样使得该算法在分析时能较好保持图像的细节,且在合成时具有精确的信号重构能力。文中将其应用于图像匹配中作为搜索策略并进行了仿真实验,结果表明基于该算法的搜索策略可以使匹配速度有较大提高。