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.     

基于图像匹配的无人机目标定位方法

利用无人机的侦察图像对目标进行精确定位的过程中,针对无人机图像与基准图像不可避免地存在尺度变化、旋转变化和光照变化,提出了一种改进SIFT的图像匹配方法。在特征点匹配时,采用简单的准欧式距离作为相似度量准则,并按照DoG空间结构由粗至精进行匹配。实验结果表明,该方法可以实现图像之间的精确匹配,对噪声、光照变化和局部场景变化具有较强的鲁棒性和实时性,为无人机目标定位提供了一种可行和有效的手段。