基于压缩感知的SIFT图像匹配算法的研究

针对尺度不变特征变换(SIFT)算法的计算量大、速度慢等缺点,提出了一种融合压缩感知的图像匹配算法。首先对目标图像和待匹配图像进行预处理,利用压缩感知技术进行图像压缩,结合SIFT算法提取图像的特征点,通过自适应阈值序贯相似性检测(SSDA)匹配算法进行图像快速匹配搜索,从而找到最佳匹配位置。     

基于点特征和边缘特征的无人机影像配准方法

为解决变形较大的无人机影像配准问题,提出了点特征和边缘特征相结合的配准方法.用尺度不变特征变换(SIFT)算法提取点特征,完成影像的初步配准,并通过多项式函数对影像进行粗校正.在此基础上提取影像的边缘特征信息,根据距离相似性对边缘特征信息进行配准;依据色彩能量差筛选点特征信息配准结果和边缘特征信息配准结果,采用小面元微分校正的方法对变形影像进行校正.实验结果表明:提出的配准方法能够弥补点特征配准方法和边缘特征配准方法的不足,其配准的鲁棒性提高10%左右,可以较好地完成变形较大的无人机影像配准.      

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。     

一种半自动的基于图像建模系统

针对目前各种类型航海模拟器的虚拟建模效率较低与真实感较差等问题,设计与实现了一种基于多幅图像及少量用户交互恢复物体三维几何模型的系统.本系统采用稳定性好的改进Har-ris算子进行角点检测,基于角点空间特征及交叉相关实现角点的初始匹配;采用基于极线约束的角点匹配快速算法完成角点的精匹配,同时引入迭代和人工辅助修正的方法解决匹配算法的退化情况.在角点匹配结果基础上进行仿射重建,通过升级矩阵实现度量重建,在OpenGL环境下绘制出物体的三维模型框架.从原图像中抽取纹理并采用多视角图像融合的方法进行纹理映射,得到"照片级"真实感的三维模型.     

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.     

基于改进AOE网络的低频浮动车数据地图匹配算法

由于低频浮动车数据时间间隔较长,现有地图匹配方法难以满足低频浮动车数据地图匹配的要求.综合考虑浮动车数据轨迹点之间的整体特性,在局部和全局地图匹配算法的基础上,提出了一种基于改进AOE网络的低频浮动车数据地图匹配方法.首先,采用相交分析判断GPS点缓冲区和候选路段的关系,以获取候选路段和候选匹配点;其次,基于四叉树空间索引和Dijkstra算法,获取候选匹配点之间的最短路径;第三,设计了一种改进AOE网络,提出了基于改进AOE网络的最短可达路径算法,以获取最终的地图匹配点;最后,对改进AOE网络的地图匹配算法进行评价,并通过实验分析了算法的时间效率和正确率.实验结果表明:基于改进AOE网络的地图匹配算法正确率为95.3%,程序执行总时间为96.8 s. 其正确率分别比点到线的局部地图匹配方法和基于弱Frchet距离的全局地图匹配方法的正确率高13.6%和2.8%.      

基于特征分割与匹配的智能叉车定位算法

针对智能叉车现有主流定位方法中存在的精度低问题,提出了基于特征分割与特征匹配的定位算法.建立了应用环境的特征地图和反光柱系统,同时推导了智能叉车航向角计算公式;设计了基于反光柱反射点特征分割算法和以反光柱之间距离为先验条件的特征匹配算法;搭建了智能叉车定位系统,并对定位算法的精度与可靠性进行测试验证.实验结果表明:定位...     

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.     

面向遥感影像匹配的特征点检测算子性能评估

在基于特征点的匹配方法中,特征点检测是非常关键的步骤,直接影响到匹配的效果.为了确立遥感影像匹配过程中特征点算子的选择依据,本文从光谱、时相和尺度（分辨率）3个方面,选择不同类型的遥感影像作为实验数据,以特征点重复率作为评估标准,对当前主流的Harris-Laplace、Hessian-Laplace、DoG和MSER 4种特征点检测算子进行性能评估,并分析了每一种算子的优缺点和适用范围.实验结果表明:在光谱和时相方面,Hessian-Laplace的平均重复率达到40%,性能最好,其次为Harris-Laplace和DoG,而MSER的性能相对较弱;而对于尺度方面,MSER表现出最好的性能,平均重复率达到35%,其次为Hessian-Laplace,而Harris-Laplace和DoG的性能较弱.      

基于卷积神经网络优化回环检测的视觉SLAM算法

传统视觉即时定位与建图（SLAM）算法若无回环检测可能会存在累积误差无法消除的现象,即使有回环检测,也因准确率和效率比较低而无法应用于轻量级设备上,为此,研究一种回环检测优化的视觉SLAM算法. 前端估计时,对相邻帧图像进行ORB （oriented fast and rotated brief）特征提取与匹配,对匹配成功的特征点进行PnP （perspective-n-point）求解,获得相机运动估计并筛选出关键帧图像;后端优化时,利用SqueezeNet卷积神经网络 （CNN）提取图像的特征向量,计算余弦相似度判断是否出现回环,若出现回环则在位姿图中增加相应约束,利用图优化理论对全局位姿进行整体优化;最后利用项目组制作的数据集和TUM （technical university of munich）公开数据集进行测试与对比. 研究结果表明:相比于无回环检测算法,本文方法可以成功检测到回环并为全局轨迹优化增添约束;相比于传统词袋法,在回环检测准确率相同的情况下,本文方法召回率可提高21%且计算耗时减少74%;与RGB-D （red green blue-depth） SLAM算法相比,本文方法建图误差可降低29%.      

基于特征选择和SVM参数同步优化的网络入侵检测

为了提高网络入侵检测正确率,利用特征选择和支持向量机（SVM）参数间的相互联系,提出一种特征选择和SVM参数联同步优化的网络入侵检测算法.该算法首先将网络入侵检测正确率作为问题优化的目标函数,网络特征和SVM参数作为约束条件建立数学模型,然后通过遗传算法对数学模型进行求解,找到最优特征子集和SVM参数,最后利用KDD 1999数据集对算法性能进行测试.结果表明,相对于其他入侵检测算法,同步优化算法能够较快选择最优特征与SVM参数,有效提高了网络入侵检测正确率,加快了网络入侵检测速度.     

基于多标记像素匹配的高分辨率遥感图像道路提取

针对高分辨率遥感图像道路提取方法存在提取不完整和误提取问题,提出一种基于多标记像素匹配的高分辨率遥感图像道路提取方法. 将待提取图像由RGB颜色空间转换到 Lab颜色空间,选取与照明强度弱相关的色相特征作为初始匹配项. 以矩形框的方式标记不同类型的道路,利用t 检验法剔除其匹配项的异常值,从而确定阈值来匹配道路像素点,利用局部纹理算子对匹配结果进行筛选. 利用道路区域的形态特征对匹配结果进行优化处理. 为验证所提方法的可行性和优越性,对不同传感器获取的高分辨遥感图像进行测试,与现有道路提取方法进行对比. 定性和定量精度评价结果表明,所提方法对不同类型道路的提取具有较高的精度.     

基于K近邻和法向精度的点云精简算法

针对传统点云简化算法在精简散乱点云数据时经常丢失过多特征点的不足,提出了基于K近邻和法向精度的点云精简算法.该算法首先对输入的散乱点云数据建立K近邻索引,并剔除集群点及离群点,从而完成点云数据的预处理,然后对预处理后的数据进行Delaunay三角化,并重构三角网格面,最后依据法向精度进行非特征点剔除.仿真实验表明,该算法既能较大程度地精简点云数据,又能较好地保持原有模型的基本特征.     

基于DTW的在线手写签名验证算法

提出了一种基于DTW匹配的以签名能量为特征的在线手写签名验证算法．在线签名验证包括数据采集、预处理、特征提取、匹配判决等部分．侧重签名能量特征提取方法的研究．基于Daubechies小波的方法对签名波形进行分解，提取签名波形在跳变点的能量，抽取15个具有较大能量的跳变点．经DTW比较后，提出了一种新的分类算法．实验表明，对于随机伪造签名，当误拒率为0％时，误纳率小于9％．     

基于同底三角形面积比的飞机外形识别方法研究

提出了一种利用仿射不变量即同底三角形面积比识别飞机外形的新算法.该方法用特征多边形近似代替已提取出的飞机外形轮廓,用描述子即多边形的顶点个数和以最长线段为底的同底三角形面积比向量描述多边形的形状,建立全方位姿态模型库识别不同姿态飞机的图像差异,通过搜索姿态模型库匹配多边形描述子来识别目标.整个识别过程逐层筛选、由粗到精,避免了大量的冗余操作.实验表明该算法是高效可行的.     

机场停机位分配问题研究

机场停机位分配是机场地面作业中的一项核心任务,本文对机场停机位分配问题进行研究,为最大限度降低实时运行中航班延误对预分配方式的影响,以最小化停机位各空闲时间段的离差为目标函数建立数学模型。对于该问题,首先采用贪婪算法对不考虑航班机型-机位匹配约束的情形进行优化,并给出最优性证明;然后结合动态时间窗法对考虑机位-机型匹配约束的模型进行优化求解．最后用一个实际算例对算法进行了验证,并与其他优化算法进行了对比,检验本算法的最优性．