一种扩展SURF描述符及其在遥感图像配准中的应用

针对经典算法存在着运算时间过长或者匹配正确率不高的情况,提出一种扩展的SURF描述符。在原始SURF描述符的基础上,通过计算特征点相应尺度上的邻域采样点的局部归一化灰度统计信息以及二阶梯度值细节信息,形成新的扩展描述符。该方法不但能传承SURF算法速度快的优良性能,还能充分利用图像的灰度信息和细节信息。通过试验表明,综合考虑算法运行效率与匹配正确率,本文算法较原有经典算法更具稳健性。     

FREAK和改进的RANSAC算法在影像匹配中的应用

针对倾斜摄影中包含多个视角的影像而使匹配速度较慢的问题,提出了一种Speeded up robust features(SURF)、Fast Retina Keypoint(FREAK)和改进的Random Sample Consensus(RANSAC)算法相结合的影像匹配算法。首先利用SURF算法提取出稳健的特征点,然后利用FREAK描述符对特征点进行描述,在影像匹配阶段首先进行预匹配,然后用改进的RANSAC算法剔除错误匹配点对。经实验比较分析后得出:该算法在效率和匹配精度上都有较好的鲁棒性。     

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。     

一种改进的户外移动增强现实三维注册方法

针对目前移动增强现实三维注册实时性不强和鲁棒性差的问题，提出一种基于改进加速鲁棒性特征（speed up robust features，SURF）算法和角点跟踪算法（Kanade-Lucas-Tomasi，KLT）的移动增强现实户外三维注册方法。该方法通过结合快速视网膜关键点（fast retina keypoint，FREAK）算法改进了SURF算法（简称SUFREAK），提高算法描述子构建效率，并保持了算法的鲁棒性。利用视频帧间的相关性，采用KLT光流跟踪算法对户外场景的自然特征点进行跟踪预测，以提高三维注册的实时性。实验结果表明，在户外复杂环境条件下，改进SURF算法具有较高的实时性和鲁棒性，且基于改进SURF和KLT算法的移动增强现实三维注册具有良好的实时性和图像识别效率。     

基于特征的影像匹配算法性能评估

目前,针对影像特征匹配的算法有很多,但是对于不同地物特征的影像,无法准确地选取可适用的匹配算法。针对此问题,本文选取了四种稳健的算法SIFT、SURF、ORB、AKAZE,在四种不同地物特征的相似影像上进行特征点检测,之后结合不同的描述子进行影像特征匹配,并对所检测的特征点的重复率及其描述子进行适应性实验,以此来判断不同算法对不同地物特征的影像适应范围。实验数据表明:针对特征点适应性实验,AKAZE算法在各类影像上所提取的特征点相对比较稳定;针对特征点匹配实验,在影像不涉及旋转变化时,AKAZE与SIFT描述子结合进行特征点匹配,影像的匹配率显著提高;若要实现影像的旋转不变性,此时可选用SURF-SIFT、AKAZE。     

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。     

多种角度比较SIFT、SURF、BRISK、ORB、FREAK算法

SIFT、SURF、BRISK、ORB、FREAK等图像特征匹配算法具有不同的鲁棒性,本文利用Mikolajczyk和Schmid所提供的数据集,对这几种算法从匹配速度,应对图像旋转变换、模糊变换、光照变换、尺度变换、视角变换时表现出的鲁棒性等角度进行比较。本文采用的评价指标是两幅图像中成功匹配的特征点对数。经比较分析后发现,SURF和FREAK算法表现出的鲁棒性较为全面。     

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。     

基于SURF改进算法的红外序列影像快速配准的方法研究

提出一种基于SURF算子和特征偏移一致性准则的无人飞行器红外序列影像配准的方法。该方法采用SURF算子对特征点进行提取和匹配。SURF算子仅考虑点的局部信息,没有考虑特征点集的几何信息。本文采用特征偏移一致性准则来剔除误匹配点对,提高特征点对的匹配精度,所得到的特征点集采用LM非线性优化进行单应矩阵求解配准,与其他算法相比,本方法适合于红外序列影像快速拼接,有较好的实用效果和鲁棒性。     

利用改进的DCCD和SIFT描述符的影像匹配方法

提出一种基于改进的DCCD(double-cirele-based corner detector, )和SIFT(scale invariant feature transform)描述符的影像匹配方法。在特征点检测阶段,首先采用改进的DCCD快速检测影像上的关键点,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描述符描述特征点。在特征点匹配阶段,分别采用BBF(best bin first)算法和RANSAC(随机采样一致性)算法进行特征点粗匹配和误匹配特征点剔除。实验结果表明,与基于Harris角点和SIFT描述符的影像匹配方法相比,该方法在匹配速度和准确率方面得到了提高。     

局部结构约束下的宽基线影像直线特征匹配

针对宽基线影像视角变化导致现有直线特征匹配方法难以获得可靠匹配结果的问题，本文在局部结构约束下提出了一种对影像视角变化具有较强稳健性的直线特征匹配方法。首先，对影像进行直线特征提取并按照一定的规则进行特征编组；其次，基于直线特征几何结构关系构建视角不变特征区域，计算其特征描述符并进行相似性度量，获取直线特征初始匹配结果；然后，利用初始匹配结果中的直线特征区域顶点坐标关系构建约束条件剔除错误匹配；最后，设计直线特征扩展匹配算法，提高直线特征匹配率。试验结果表明，与传统直线特征匹配算法相比，本文方法在有显著视角变化的宽基线影像之间能够获得更多的同名直线特征和更高的匹配正确率。     

一种基于Harris算子的快速图像匹配算法

针对局部特征匹配面临的实时性和鲁棒性难以兼顾的问题,提出了一种基于Harris算子的快速图像匹配算法。通过分析Harris算子的基本原理,提出了用特征检测的中间数据描述局部特征,并建立了一种基于Harris自相关矩阵之迹的低维特征描述子,在保持算法鲁棒性的同时有效减少了算法的计算量,最后用特征描述子之间的绝对值距离作为相似性度量匹配特征点以降低计算复杂度。实验结果表明,本算法不仅对图像尺度缩放、旋转、模糊、亮度变化和较小视角变化保持不变,而且匹配速度较快。     

一种用于图像特征提取的改进ORB-SLAM算法

针对复杂室内环境下视觉SLAM定位存在实时性差、轨迹漂移等问题，本文提出了一种基于图像特征提取方法的ORB-SLAM算法。该算法在前端中提高图像特征检测与匹配的效率和精度，引入闭环检测策略优化相机位姿轨迹，提高定位精度。以不同来源图像对比分析不同特征提取算法SIFT、SURF、ORB的有效性，运用该算法估计机器人运动轨迹，与真实轨迹相对位姿误差为0.144 8 m，试验表明所提出的方法切实可行，具有较高的稳健性。     

无人机影像特征联合提取与双向匹配研究

针对无人机影像数据量大、存在旋转和尺度变化的问题，提出了基于特征联合提取与双向匹配的影像配准方法。分析了SURF算法和BRISK算法的特点，研究了融合SURF特征点检测和BRISK特征点描述的影像特征联合提取和PROSAC双向匹配的算法和步骤，并结合试验分析验证了该方法的有效性。     

割线中点距离的面要素匹配算法

针对面要素图幅接边中出现的由于端点距离计算量大导致程序效率低的问题,该文提出了一种基于割线中点距离匹配的边界匹配方法。该算法通过获取面要素与边界线重叠的各线段的中点,对各中点进行距离匹配,从而完成面要素各段割线的匹配与割线端点的匹配。通过对割线中点的匹配,减少面要素匹配中需要匹配的点,达到节省时间的目的。通过面要素匹配实验证明:该算法可以在确保匹配准确性的情况下有效缩短面要素边界匹配的时间。