利用局部自适应阈值方法提取ORB-SLAM特征点

智能驾驶车辆的定位和建图是智能驾驶车辆的关键技术之一,针对ORB-SLAM中的特征点提取为固定阈值的问题,本文提出了一种局部自适应阈值方法提取特征点。首先,对局部自适应阈值的计算方法进行了阐述,主要利用图像对比度设置自适应阈值;然后,在FAST算法基础上构建了高斯图像金字塔,采用灰度质心法解决特征点的尺度不变和旋转问题,在图像金字塔的每层图像中划分图像网格区域,并遍历计算每层图像网格区域的对比度来设置每个网格区域的局部阈值;最后,在每个图像网格区域中完成特征点提取并利用四叉树结构存储特征点。测试结果表明,本文算法在阴天场景提取的特征点数量比原算法提取的数量多61.9%,在光照充足场景下多23.3%;在阴天场景和光照充足场景下,本文算法提取的特征点数量的波动比原算法提取的特征点数量波动小。     

应用于SAR图像配准的自适应SIFT特征均匀分布算法

SAR图像配准要求提取出稳定且分布均匀的同名点,但是传统的SIFT算法没有考虑特征点的空间分布情况,提取的特征呈块状分布。针对SAR图像数据的特点,提出了一种自适应控制SIFT特征均匀分布算法,利用局部纹理特征,并结合最优化筛选策略,在保证特征点稳定性和准确性的同时,自适应控制特征在不同空间的分布情况,实现SIFT特征点在图像空间和尺度空间的合理分布。最后从提取效率、匹配正确率和分布质量等方面进行对比试验,验证了算法应用于SAR图像配准的能力。     

基于局部不变性特征的无人机影像特征点提取

针对不同尺度影像特征点提取的问题,提出了基于局部不变性特征的算法。以经典的SIFT特征点检测算法为参照,详细分析了SURF特征点检测算法,并通过实验从特征点提取速度和适应性2个方面对Moravec、Harris、SUSAN、SIFT、SURF等算法进行了比较。结果表明,SURF算法提取影像特征点的速度较快、适应性较强。     

基于尺度比及坐标偏移约束的图像特征点匹配方法

针对特征向量最近邻次近邻距离比值的特征点匹配算法中存在匹配点对少、误匹配的问题,本文从改善特征点匹配策略方面对其进行改进。首先运用Gabor核函数对图像进行滤波处理,并在滤波图像上提取SIFT特征点,得到参考图像与待匹配图像的初步转换关系及特征点的尺度比均值;然后对参考图像与待匹配图像进行SIFT特征匹配,将尺度比作为相似性测度,并结合坐标偏移阈值约束获取同名点对。相较于传统SIFT算法,实验表明该方法在获取更多的同名点对同时,能够有效减少误匹配,匹配精度也有显著提升。     

低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。     

光学卫星影像配准同名点快速提取方法

针对多源高分辨率遥感图像控制点提取时存在错误匹配点多、分布不均匀、大幅面图像特征提取效率低等问题,该文基于传统的尺度不变特征变换(SIFT)算法提出了一种改进的高分辨率遥感图像配准同名点快速提取方法.该方法首先将待配准图像按网格分块为子图像,并基于地理信息约束得到各子图像对应参考子图像;然后将Shi_Tomasi角点和SIFT描述子结合,在每一对子图像上进行特征点的提取与特征匹配;再利用随机采样一致性(RANSAC)算法和最小二乘迭代法剔除错误匹配点,并基于贪心算法剔除冗余的控制点,最终得到分布均匀的配准同名点.利用平原和山区两组典型多源遥感图像进行了实验,并利用提取的同名点进行图像配准,结果表明,跟传统SIFT方法、采用分区策略的SIFT方法相比,该文算法在同名点数量、匹配点对分布的均匀程度、匹配速度以及配准精度上都有较大的提高,能满足大幅面图像配准的需求.     

利用改进的SIFT算法检测桥梁拉索表面缺陷

设计了一种分布式机器视觉检测系统对斜拉桥拉索表面的损伤缺陷进行自动无损检测。该系统采用4个CCD摄像头分布在拉索表面一周获取图像,一个缺陷有可能分布在几幅图像中。为了快速有效地获得完整的拉索表面缺陷,本文提出了改进的尺度不变特征变换(SIFT)特征匹配算法对缺陷图像进行自动拼接。首先,采用简洁有效的Harris算子提取特征点;然后,根据检测系统采集的缺陷图像的特点,简化SIFT算子的特征点主方向分配和匹配图像旋转等算法步骤,对特征点进行描述和匹配;最后,融合匹配图像,得到相对完整的缺陷图像。实验结果表明,利用改进的SIFT算法对拉索表面缺陷图像进行自动拼接,降低了算法的复杂度,提高了桥梁拉索表面缺陷检测的完整性。     

改进SIFT 算法的小型无人机航拍图像自动配准

针对小型无人机航拍图像视点离散、视角变化有一定运动规律的特点,首先对航拍图像进行数据预处理,结合 Harris特征点和 SIFT 特征向量的优势,提取 Harris特征点、计算特征点的特征半径和 SIFT 特征向量,并利用PCA 降低特征向量的维数;然后采用最邻近(NN)方法进行特征匹配,利用BBF算法搜索特征的最邻近以提高匹配速度;最后采用 PROSAC算法提纯特征点匹配对并精确计算运动模型参数,实现了图像的自动配准.实验证明,该图像配准方法在准确性、效率方面较经典的 SIFT 算法有较大的提高.     

基于SIFT特征和改进融合策略的图像拼接算法

为了消除图像拼接中的缝隙,本文提出一种改进的图像拼接算法。该算法首先利用经典的SIFT算子提取特征点,接着建立两幅图像的映射关系,利用RANSAC算法进行特征匹配点提纯,最后重叠区域的像素融合采用改进的加权平均算法。实验表明,该算法可以很好地消除重叠区域的拼接缝隙。     

基于SURF算法的无人机遥感影像拼接技术

在影像匹配的研究上,SIFT算法在特征匹配方面的应用一直是国内外学者关注的热点之一。最近几年,有研究者提出了SURF算法,该算法是在SIFT算法基础上作了一些改进后得到的新算法。为了比较这两种算法在影像特征点提取上的优劣性,本文开发了相应的软件程序,并采用无人机遥感影像数据进行了算法的实例验证。发现相比于SIFT算法,SURF算法在影像特征点提取中无论是运算速度还是提取的特征点数量都有较大进步。基于此将SURF算法应用到无人机遥感影像拼接中,并通过高斯滤波对拼接影像进行平滑处理,获得了令人满意的拼接影像。     

基于势函数点分布调整的SIFT图像配准算法

尺度不变特征转换(scale invariant feature transform,SIFT)是一种广泛应用于图像配准领域的点特征提取算法。针对基于SIFT的图像自动配准算法存在的特征点分布不均匀问题,提出了一种基于势函数点分布调整的图像配准方法。该方法解决了SIFT算法不能针对特征点的分布情况进行优化的问题。通过调整SIFT的比值阈值,增加配准点的数目;通过引入分子力学中的势函数概念,对特征点分布情况进行优化;通过局部互信息精纠正,微调特征点位置,以提高特征配准点的配准精度;最终实现高质量(空间分布均衡,配准精度高)的图像自动配准。     

面向影像匹配的SUSAN角点检测

在分析比较现有角点提取算法的基础上,将SUSAN算法用于提取高分辨率影像的角点及影像匹配。针对试验中原算法在不规则纹理区提取大量冗余角点及对强边缘敏感等问题,提出按照影像局部和整体对比度的关系自适应计算灰度差阈值,使用矩形模板从边界上确定USAN区域(核值相似区)可能的范围,再检测角点的改进思路。试验证明改进后算法提取的角点位置更为准确,有效剔除了原算法检测结果中的冗余角点,提高了影像匹配速度。     

应用二阶Harris算子的高铁轨道近景影像特征点提取

由于轨道影像具有较高的灰度相似性,传统一阶Harris算法提取轨道影像特征存在时间效率低、特征点聚簇等负面问题,文章针对已有Harris方法的不足,提出了一种基于图像分块自适应阈值的二阶导数Harris特征点检测算法,采用自相关矩阵兴趣值识别轨道图像特征点,并分别对有砟与无砟铁路轨道影像开展特征点提取。实验结果表明,二阶Harris算子在轨道近景影像特征点提取方面具有较高的计算效率,所提取出轨道影像特征点满足均匀分布的空间特征,有效避免了传统方法特征点的聚簇现象。     

基于改进ORB算法的遥感图像自动配准方法

针对遥感图像自动配准的问题,提出了一种基于改进定向二进制简单描述符(oriented brief,ORB)算法的遥感图像自动配准方法.该方法主要由3个步骤组成:首先是特征匹配,利用改进的ORB算法提取特征点,并建立描述符进行匹配,获取初始控制点;然后采用随机采样一致性方法,结合变换参数估计,剔除可能的错误匹配;最后利用最小二乘法估计的变换参数,对图像进行几何纠正.分别利用2组卫星光学遥感图像和1组SAR图像进行基于改进ORB算法的自动配准方法试验,并与基于尺度不变特征变换(scale-invariant feature tramsform,SIFT)算法和加速鲁棒性特征(speeded up robust features,SURF)算法的自动配准方法进行了比较.试验结果表明,该方法能获得与SIFT算法和SURF算法相当或者更高的配准精度,并在配准效率上有较大提高.     

基于可变阈值SIFT算法匹配无人机影像的研究

针对无人机重量轻、稳定性差,所拍摄的数字影像存在重叠度不规则、旋转尺度大,造成影像匹配处理具有一定难度的问题, SIFT匹配算法具有尺度不变性、旋转不变性等特征。本文扩大了检测性范围,SIFT算子维度从128维降低到32维,采用自适性阈值对算法进行改进。改进前后的算法对两组重叠影像进行试验研究,在影像特征点提取数量、匹配效果、匹配时间之间进行对比分析。实验结果表明,对于旋转不稳定性的无人机数字影像,扩大检测范围并采用自适性阈值的SIFT算法更具有优势,可获得更优的影像匹配效果。     

利用Harris-Laplace和SIFT描述子进行低空遥感影像匹配

提出了基于Harris-Laplace和SIFT描述子的改进的特征匹配方法。在特征点检测阶段,采用Har-ris-Laplace算法检测出影像上的关键点,该关键点对光照变化、图像噪声和尺度变化具有不变性;然后,确定关键点的主方向,生成特征点。在特征点描述阶段,采用SIFT描述子对特征点进行描述;在特征点匹配阶段则利用BBF算法和RANSAC算法对特征点进行粗匹配和精匹配。实验结果表明,相对于基于SIFT的匹配方法,此算法在匹配速度相同的情况下,提高了匹配精度。     

利用改进的SUSAN算法提取航空影像中孤立的特征点

本文针对地形起伏较大、无明显建筑物的航空影像,分析了SUSAN算法角点检测理论,提出一种提取孤立特征点的方法.该方法先对图像进行梯度幅值运算,然后对梯度幅值进行Otsu法阈值分割,设计模板并对孤立特征点进行套合,最后利用SUSAN算法计算原始影像的角点初始响应,经过非极大值抑制提取孤立特征点.经实骑证明,与传统的Har...     

基于SIFT的特征均匀提取改进研究

针对现在基于图像的三维重建面临的图像数据尺度不一和影像分辨率增高特征点增加两个问题,本文提出了基于SIFT的尺度均衡和均匀限制特征点数量的改进策略,通过采用给定特征点数量的方法来控制影像提取特征点的数量.同时根据高斯尺度增大与提取特征点数量成反比的特性,通过构建尺度与特征点数量的比例系数和给定特征点数量就可以获得影像的不同高斯尺度上提取的特征点数量.通过对影像进行格网划分,将提取特征点数量分配到每个格网.通过控制格网提取特征点数量的控制,可以在控制特征点提取数量的同时,获得更为均匀的特征点分布.实验证明,本文改进算法与SIFT算法相比,尺度分布更加均匀,空间分布的比例系数有30％左右的提升,提取特征点匹配的正确率有5％的提升,因此,本文改进算法在基于图像的三维重建中有一定程度的应用价值.     

基于SIFT的多时相星载SAR图像特征点自动匹配

SAR图像配准是实现多时相图像监测的前提,但是由于SAR图像的斑点噪声、成像机理的特殊性,使得采用常规的特征匹配方法很难实现SAR图像的自动配准。本文在介绍旋转尺度不变特征(SIFT)提取特征点原理的基础上,利用SIFT方法对两个时相星载SAR图像存在不同的旋转角和分辨率存在差异进行了特征点提取和自动匹配试验,图像特征点自动匹配的有效率达到70%以上,结果表明提取SIFT特征点进行多时相SAR图像自动匹配是基本可行的。     

最优路径的无人机影像拼接

SIFT算法是基于尺度空间的特征匹配方法,该算法为每个关键点指定了方向参数,具备旋转不变性,对图像倾斜的适应性很强.本文采用SIFT算法对无人机图像提取特征点,利用欧氏距离粗匹配,通过距离中误差精匹配.在对拼接误差原因分析的基础上,提出了采用最优路径的拼接方法来降低误差.