一种改进的SIFT图像立体匹配算法

针对SIFT算法复杂度高、计算时间长、影响立体匹配的实时性等问题,提出了一种改进的立体视觉特征点匹配算法该算法从两个方面对SIFT算法进行改进:首先利用24维特征描述符代替128维特征描述符,以降低计算复杂度;其次在图像对匹配过程中采用改进的BBF搜索算法,通过引入最小优先级队列的限制条件和匹配精度更高的马氏距离判断两幅图像特征点的匹配性.采用经典图像和未知的室外环境下拍摄的图像对本文算法进行实验验证,结果表明,本文提出的算法每100个特征点检测时间为0.01 s,正确匹配率平均为89.65%,相对于原算法,提高了匹配的准确度,并降低了匹配时间.      

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低。提出了一种SEC(SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择。实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率。     

基于边缘角点的SIFT图像配准算法

SIFT由特征提取,特征描述符描述和特征匹配3部分构成,该算子特征提取数目庞大,建立特征描述符运算量高,导致算法效率低.提出了一种SEC (SIFT-Edge-Corner)算法,在图像尺度空间提取角点代替SIFT特征点,并根据角点是边缘曲率极值理论,预先采用Canny算子得到高斯边缘图像金字塔,再提取角点并进行尺度选择.实验结果表明:该算法在保障高准确率的前提下大幅度提高特征提取效率.     

基于SIFT的图像匹配算法

基于SIFT的图像匹配算法通过尺度空间检测特征点,计算特征点邻域的梯度方向直方图生成SIFT特征向量,然后采用SIFT特征向量的欧式距离来作为两幅图像中关键点的相似性度量.从不同阈值设置、视角变化及遮挡、添加噪声等几个方面对基于SIFT的图像匹配进行了研究和探讨.实验结果证明,本算法对图像尺度、视角变化、目标遮挡、噪声影响等方面有较好的鲁棒性,适用于在海量特征数据库中进行快速、准确的匹配.     

基于遥感图像信息特征的单调递增SSDA算法

图像配准就是将不同时间、不同传感器或不同条件下对同一景物获取的两幅或多幅图像,进行比较找到该组图像中的共有景物,或是根据已知模式到另一幅图中寻找相应的模式。利用遥感图像进行目标监测需要进行图像配准处理。匹配算法如何达到高精度、高匹配正确率和实时性成为人们追求的目标。文章在传统匹配算法的基础上,提出两点改进:一是通过PCA-圆形SIFT算法提取图像特征角点,降低维数,优化计算;二是利用图像角点作为单调递增阈值序列SSDA算法匹配的基本像素点,利用遥感图像信息特征降低匹配计算量。最后进行实验仿真,结果表明,改进后的算法使得配准速度进一步提高,能够满足遥感图像配准实时性的要求。     

基于Harris的改进SIFT算法

SIFT算法是一种具有尺度不变性的特征提取算法,能够有效地提取图像中的局部特征.为了在提高SIFT算法实时性的同时兼顾算法鲁棒性,利用Harris算法思想中使用图像灰度一阶偏导数的局部自相关函数的方法对SIFT算法进行改进,消除SIFT算法中因使用Hessian矩阵出现的边界效应.这种改进方法可以有效去除SIFT算法中因使用Hessian矩阵消除边界效应时提取出的处于边界位置或亮度不够的特征点,提高图像拼接的质量.实验证明改进的算法提高了算法的检测时间和鲁棒性,将改进的算法应用于制作虚拟漫游系统,取得了良好的效果.     

基于几何约束的倾斜影像特征匹配方法

针对倾斜影像视角变换较大、重复纹理导致匹配数量少、匹配精度不高的问题,提出一种适用于倾斜影像的特征点、线分级匹配方法.首先,用直线提取（检测）算法（LSD）获取影像直线特征,并将直线特征以一定约束进行直线组对,构建直线对区域与改进的SIFT (scale-invariant feature transform)特征描述符进行匹配,使用RANSAC算法剔除误匹配,获得初始匹配结果后再进行核线约束;然后,利用已获得直线对区域进行影像局部纠正,在纠正后的局部影像上采用SIFT匹配并反算回原始影像,利用得到的同名点全局纠正倾斜影像,并进行特征点匹配与采用基于方格的运动统计算法（GMS）剔除误匹配,仍将匹配结果反算回原始影像上;最后,将仿射尺度不变特征变化结果与点拓展匹配结果进行合并,得到最终匹配结果.试验结果表明：本文方法匹配正确率与经典的仿射不变匹算法（ASIFT）的正确率相差不大,但匹配数量却是ASIFT算法的1倍～3倍.     

基于压缩感知的道路交通图像处理及重构算法研究

在现代道路交通图像处理的研究中,由于传统图像数据压缩采样受到带宽限制,导致重构图像数据含的有用信息量偏少.为此,提出一种压缩感知的道路交通图像处理方法,提高了重要信息含量且大大减少了交通图像数据存储空间.首先,在采样率为0.6的情况下,在dbN系列小波基变换下以分段正交匹配追踪(StOMP)算法对原图像进行重构仿真,研究了不同阶数消失矩的小波稀疏表示与重构图像性能的关系.其次,研究了不同采样率对图像重构性能的影响,包括重构时间、重构误差、峰值信噪比.最后,用BP,OMP,StOMP算法对图像重构进行研究,为道路交通图像数据存储和图像重构提供了理论基础.     

一种基于盲运算的1比特压缩感知重建算法

为了解决1比特压缩感知中符号匹配追踪算法(matching sign pursuit)在稀疏度未知的情况下不能自适应重构信号的问题,提出了向前/向后迭代符号匹配追踪算法(forward-backward matching sign pursuit, FBMSP).该算法以逐步逼近理论为核心,通过逐步扩大支撑集来扩大搜索范围,把相邻两次迭代的差值作为终止条件,在MSP算法模型下进行盲运算,以实现信号的重构.数值试验表明:在控制迭代系数=8,=1的情况下,FBMSP算法比传统的符号匹配追踪算法重构精度提高了3 dB,运算时间减少了40%.      

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像，提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法，算法首先利用特征提取与边缘检测产像进行预处理，并且将特征匹配与最小二乘算法相结合，从而实现了图像与模板之间精确的子像素定位与匹配，实验表明，该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷，图像矫正效果良好，是一种有效的畸变图像矫正算法。     

基于压缩感知理论的时变信号压缩技术

机械设备在线状态监测与故障诊断系统中,为实现采集数据的远程传输和实时处理,需对数据进行压缩和滤波处理.通过分析机械振动信号时变性的特点,以压缩感知理论为基础,构造了满足受限等距性质(restricted isometric property, RIP)的稀疏变换矩阵和压缩感知矩阵;提出了基于压缩感知的时变信号压缩算法,并利用Lasso算法对压缩信号进行稀疏重构,恢复原始信号.采用不同类型的时变仿真信号和实测信号进行实验,对比了提出算法与现有算法的压缩与去噪效果.实验结果表明,新算法有更好的压缩去噪效果,当压缩比为40%时,能量保持率达到了95%以上,能满足工程实际需求.      

交通监控中基于压缩感知的WMSN视频编解码

在交通监控中,利用WMSN节点获取路况视频,适用于复杂多变的地理环境,但视频图像数据量大,而WMSN节点资源受限。基于压缩感知技术和传统视频编码理论,提出了一种新的WMSN视频编解码方法。在编码端,依据视频图像的相关性对视频流进行分帧,再根据其特点分别进行压缩感知处理。在解码端,运用OMP算法重构关键帧和残差帧视频图像,进而恢复视频流。仿真实验表明,在保证视频图像重构质量的前提下,可以减少监控网中视频传输的数据量。     

���ڴʰ�ģ�͵����������֤�㷨

随着火车票实名制的不断推广,人工核实身份的验票方式已不能满足实际需求,鉴于此本文提出一种基于词包模型的人脸身份认证算法,通过人脸比对自动完成身份核实.首先提取每幅图像的尺度不变特征变换(SIFT)描述子;其次利用词包模型(BOVW)构建人脸的典型特征;随后训练SVM分类器,将同一人不同年龄段的图像作为同一类,针对同一人的类内相似性和不同人的类间差异性进行建模;最后通过SVM分类器分别对旅客图像和其身份证图像进行分类,根据所属类别的一致性判断是否属于同一人.实验结果表明,本算法能有效地进行身份认证,并且针对图像质量较低、光照情况不可控的情况仍可达到比较高的准确率.     

基于时序融合的自动驾驶多任务感知算法

采用连续图像帧作为输入,挖掘连续图像帧之间的时序关联信息,构建一种融合时序信息的多任务联合驾驶环境视觉感知算法,通过多任务监督联合优化,实现交通参与目标的快速检测,同时获取可通行区域信息;采用ResNet50作为骨干网络,在骨干网络中构建级联特征融合模块,捕捉不同图像帧之间的非局部远程依赖关系,将高分辨率图像通过卷积下采样处理,加速不同图像帧的特征提取过程,平衡算法的精度和速度;在不同的图像帧中,为了消除由于物体运动产生的空间位移对特征融合的影响,且考虑不同图像帧的非局部关联信息,构建时序特征融合模块分别对不同图像帧对应的特征图进行时序对齐与匹配,形成融合全局特征;基于共享参数的骨干网络,利用生成关键点热图的方法对道路中的行人、车辆和交通信号灯的位置进行检测,并利用语义分割子网络为自动驾驶汽车提供道路可行驶区域信息。研究结果表明:提出的感知算法以多帧图像代替单一帧图像作为输入,利用了多帧图像的序列特性,级联特征融合模块通过下采样使得计算复杂度降低为原来的1/16,与CornerNet、ICNet等其他主流模型相比,算法检测精确率平均提升了6%,分割性能平均提升了5%,并保持了每秒12帧图像的处理速度,在检测与分割速度和精度上具有明显优势。      

基于图像变形的全景平滑漫游算法研究

针对目前全景漫游系统在切换视点时产生跳跃感的问题,提出了一种基于图像变形的平滑漫游算法.首先采用SIFT特征提取方法对过渡图像进行特征提取,同时采用图像区域划分的方法对特征点进行筛选,建立特征点集的映射关系;然后,构造特征点集的Delaunay三角剖分,在三角剖分的基础上,计算对应三角形区域的仿射变换参数;最后,对图像进行插值和生成中间过渡图像.实验表明该方法实现了特征点集的自动对应,提高了全景漫游系统的交互性和沉浸感,算法实用、高效,对于有诸多不确定性因素的过渡图像有较好的自适应性.     

基于哈希算法的行人再识别技术研究

针对行人再识别系统中匹配效率低及搜索速度慢的问题,本文提出一种基于哈希算法的行人再识别技术研究。首先,利用卷积神经网络来提取图像的深度特征;再利用主成分分析算法来对图像特征进行降维;最后对图像特征进行哈希编码,比较哈希特征间的汉明距离来获得一对图像的相似度得分,然后根据得分高低进行排序获得行人再识别结果。实验结果表明,相比直接采用原始深度特征进行距离度量排序,本文所提的方法提高了算法的执行效率,更具优越性。     

基于点特征的图像数据配准方法研究

数据配准是数据融合过程中最重要的一个环节,通过感兴趣点检测算子提取点特征,利用点特征中的控制点或特殊点来定义松弛算法中的基本点对,并对松弛算法中点特征的匹配度进行改进,从而完成基于点特征的图像配准过程.实验表明,在仅存点特征位置偏移和存在比例、旋转与平移变化2种情况下的点特征匹配中,文中所提出的匹配算法有很高的匹配正确率.     

基于GPS与图像融合的智能车辆高精度定位算法

车辆自定位是实现智能车辆环境感知的核心问题之一.全球定位系统(Global Positioning System,GPS)定位误差通常在10 m左右,不能满足智能车辆的定位需求;惯性导航系统成本较高,不适于智能车辆的推广.本文在视觉地图基础上,提出一种基于GPS与图像融合的智能车辆定位算法.该算法以计算当前位置距离视觉地图中最近一个数据采集点的位姿为目标,首先运用GPS信息进行初定位,在视觉地图中选取若干采集点作为初步候选,其次运用Oriented FAST and Rotated BRIEF(ORB)全局特征进行特征匹配,得到一个候选定位结果,最后通过待检测图像中的局部特征点与候选定位结果中的三维局部特征点建立透视n点模型(Perspective-n-Point,Pn P),得到车辆当前的位姿,并以此对候选定位结果进行修正,得到最终定位结果.实验在长为5 km的路段中进行,并在不同天气及不同智能车辆平台测试.经验证,平均定位精度为11.6 cm,最大定位误差为37 cm,同时对不同天气具有较强鲁棒性.该算法满足了智能车定位需求,且大幅降低了高精度定位成本.     

基于边框匹配的视频差错掩盖技术

以边框匹配技术为基础，提出预掩盖处理、搜索掩盖算法．新算法首先对受损图像区域周围进行预掩盖以期尽可能多地利用周边的有效信息来恢复受损运动向量，最后以估算出的运动补偿块为中心依照边框匹配准则进行搜索，找出最佳运动向量．以JVT(Joint Video Team)测试模型JM(Joint Modal of JVT)1．4为平台的实验表明，改进的掩盖算法在一定程度上能提高重建图像的峰值信噪比(PSNR)值，当与无等待ARQ算法相结合，能在不影响解码器端图像正常回放的情况下，阻止差错的扩散，实现差错图像的完全恢复．     

一种基于物影匹配算法的道路小目标跟踪方法

针对复杂道路环境下小目标抛洒物难以被检测与跟踪，且落地静止像素易被纳入背景而导致目标丢失等问题，本文提出一种基于物影匹配算法(OSMA)的道路小目标跟踪方法来解决上述问题。首先，采用混合高斯模型对背景进行建模以此获取前景图像，对前景图像采用膨胀、腐蚀等形态学处理；其次，根据道路抛洒物移动时在前景产生独立的物与影双轮廓特征，进行连续帧前景轮廓的物影匹配，并将连续的匹配结果定为疑似抛洒物；最后，采用多帧质心偏移法判断疑似抛洒物是否处于静止状态，并对运动状态中的疑似抛洒物进行位置判定与帧间轮廓匹配，从而实现抛洒物的逐帧跟踪。基于大量实验表明：本文所提出的OSMA与核化相关滤波器(KCF)、辨别尺度空间跟踪器(DSST)、背景感知相关滤波器(BACF)、深度注意力跟踪器(DAT)、视觉跟踪时空变换器(SATRK)等跟踪器相比，准确性更优越，可较好解决道路复杂场景下各类抛洒物的跟踪问题；复杂背景、快速旋转的小目标场景中跟踪表现优异，具有良好的跟踪尺度，实时性满足预期要求。