基于SUKF与SIFT特征的红外目标跟踪算法研究

针对复杂红外背景下单一跟踪算法难以准确定位运动目标的问题,提出了基于尺度无迹卡尔曼滤波(SUKF,scale unscented Kalman filter)与尺度不变特征变换(SIFT,scale invariant featuretransform)相结合的红外运动目标跟踪方法。首先,通过SUKF算法对状态空间进行滤波估计,确定运动目标的初步位置,并以此建立局部SIFT特征检测域。其次,SIFT算法在该局部检测域内对运动目标进行特征提取与匹配,最终实现对目标的准确定位;同时,利用定位结果更新并校正SUKF的状态模型。实验结果表明,本文提出的基于SUKF-SIFT的跟踪策略与相关算法相比,体现出较好的跟踪效果与实时性能。     

针对SIFT及其变体的图像匹配性能比较

由于尺度不变特征变换算法(SIFT)及其变体(PCA-SIFT、GCSIFT、SURF、ASIFT)在图像匹配应用的广泛性,总结各自特点及比较它们性能具有实际的意义。首先系统地分析了SIFT及其变体,然后在尺度和旋转变化、光照变化、模糊变化、仿射变化四种图像情况评估了它们的性能。实验结果表明在尺度和旋转变化上SIFT执行最好;在光照和模糊变化上GCSIFT执行最好;在仿射变化上ASIFT表现最好;在所有情况下PCA-SIFT性能总是第二和SURF性能最差。     

基于特征点的航测影像匹配算法研究

在影像匹配算法中,快速有效的匹配算法是航空摄影测量的关键.基于特征点提取的影像匹配算法具有精度高、适用性广的特点,已经逐渐成为影像匹配研究的主流.该研究分别在测试影像及航空影像中对FAST、Harris、SURF3种快速的经典特征点匹配算法进行分析比较,探讨各自的优缺点,为不同应用情况中特征点匹配方法的选取提供借鉴.     

基于模拟退火算法与量子遗传算法的图像匹配研究

针对传统的基于先验模板或者个性特征的图像匹配算法存在的计算复杂、实时性较差、早熟收敛、全局最优缺失等问题,提出了一种基于模拟退火算法与量子遗传算法的图像匹配混合算法,可以克服模拟退火算法的收敛速度慢与量子遗传算法的局部搜寻能力弱等单一算法的固有劣势,实现全局最优,具有匹配精度高、抗干扰性强、并行搜索效率高等优势。在Matlab2015b环境下开发了验证环境并对算法进行了实际验证,结果表明该算法可以在较短的时间内有效匹配目标图像,实时性、准确率和稳定性较高,收敛速度、并行搜索效率等核心参数满足设计需求。     

基于SIFT检测与匹配算法的奶牛形体图像技术研究

使用普通数码相机拍摄奶牛形体图像,应用SIFT特征点检测与匹配算法进行特征点检测、匹配、基础矩阵和单应投影矩阵的计算.实验结果表明,该方法对图像采集的要求低,能适应野外作业,检测的特征点数量大,精确度高,匹配结果准确.     

抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

一种改进的Hausdorff距离的图像匹配算法仿真分析

在农作物病虫害的图像诊断中,应用基于Hausdorff距离的边缘图像匹配算法可简便计算。但Haus-dorff距离缺点是不能处理目标被遮掩和外部点存在的情形,鲁棒性不足。针对传统Hausdorff距离匹配算法的缺点,引入一种改进的Hausdorff距离算法。改进的Hausdorff距离匹配算法可以对有噪声、遮掩、分辨率降低和水平角度旋转的图像进行很好的匹配。通过仿真,证明了改进的Hausdorff算法具有更强的鲁棒性和适应性,能在有畸变的图像中估计出最佳的匹配位置。     

基于SURF改进算法的高分辨率岩心图像拼接

由于相机自身视野的原因,在岩心图像扫描过程中,一幅岩心图像往往无法被完整扫描,使得对岩心图像分析增加了难度。为了解决这个问题,每行选择距离边界30个像素点来对左右2张图像进行局部特征点提取,提高了匹配速度。基于加速稳健特征(Speeded Up Robust Features,SURF)算法对岩心图像进行特征提取,利用随机抽样一致(Random Sample Consensus,RANSAC)算法对岩心图像特征点去噪。结合欧氏距离与特征向量筛选最优特征点,从而实现岩心图像高精度拼接,得到完整的岩心图像。该拼接方法减少了人为因素导致的错误,确保了地质资料的客观性和准确性,便于对岩心图像的专业分析与应用,具有良好的拼接效果和应用前景。     

两种图像匹配算法在植被覆盖区的应用对比

从无人机影像的特点考虑,对SIFT和SURF这两种图像匹配算法进行研究,利用这两种算法对大量无人机影像进行对比较验,比较2种算法的可靠性。结果表明,在植被覆盖较多的地形中,SURF不但在匹配速度上优于SIFT算子,而且在匹配对数量上也要多于SIFT算子。     

隐马尔可夫模型下基于SIFT特征的局部遮挡目标识别

提出一种利用隐马尔可夫模型建立目标特征匹配库来识别图像中局部遮挡目标的新方法。该方法首先通过SIFT算法提取目标SIFT特征,然后采用隐马尔可夫模型对目标所有的SIFT特征进行训练,得到目标SIFT特征对应的模型输出概率范围,将该概率范围作为目标特征匹配库。在对图像中的目标进行识别时,利用目标特征匹配库可以把目标特征从图像所有特征中识别出来,即使目标遮挡比例为60%时,该方法仍能识别出目标。实验结果表明,新方法可以精准地识别出图像中被遮挡目标,能够很好地解决遮挡情况下的目标识别问题。与现有局部遮挡目标识别算法相比,新方法所取得的目标识别率均有所提高。     

基于多尺度角点的种子破损特征检测算法

针对种子破损局部特征的检测,提出一种基于多尺度角点准确性检测的簇分类算法。该算法对多尺度破损特征角点分类并进行分类点空间位置和尺度上非最大值抑制确定破损局部结构的簇候选特征点,并以候选特征点来参与特征准确性精化的迭代计算。试验结果表明,该算法去除了常规多尺度角点算法检测破损特征存在的冗余点,有效提高了多尺度下种子破损特征定位准确度,降低了迭代计算的时间复杂度。     

基于尺寸不变特征转换向量的图像检索精度优化

传统的SIFT向量图像检索法精度偏低、实用性较差,无法满足使用者的心理需求,为此提出一种基于尺寸不变特征转换向量的图像检索精度优化方法.采用倒排文件的图像检索方式,通过改良建树方法、检索方式和匹配度计算的优化,在满足实时性要求的前提下实现检索精度的提高;为SIFT特征向量构建新的聚类机制,以K均值聚类与分类相结合的方式...     

一种基于边缘积分与邻域提纯的图像匹配方法

在利用Harris算子检测角点时,不同的图片有时需要需多次设置阈值,才能得到理想的角点分布,本文对Harris算子作改进,采用边缘积分图像,统计邻域内边缘点的数量,确定对应的阈值。同时,对NCC算法作了进一步的改进,通过比较初匹配点对内边缘点分布的情况,对初匹配点进行提纯,降低了算法的运行时间。     

基于RANSAC算法的改进特征匹配方法研究

为了提高图像特征点匹配的速度和准确性,提出基于RANSAC算法的极线约束特征匹配算法.首先,将特征点进行规范化处理,并拟选取8个特征点对,利用RANSAC方法计算出包含内点最多的基础矩阵,并优化基础矩阵;接着,求取极线方程,通过最小对极距离准则来寻找准确的匹配点,若匹配点和待匹配点到对应的极线距离小于阈值,且两距离之最...     

基于SFM算法的单木结构参数提取研究

针对传统森林资源调查方法获取单木结构参数效率低和成本高的问题,提出一种基于SFM算法的单木结构参数快速提取方法。以哈尔滨市城市林业示范基地树木为研究对象,利用SFM算法获得单木照片的三维点云,并利用点云数据处理软件对获得的点云数据进行单木结构参数提取,最后与实测参数进行对比分析。结果表明:1）分别利用SIFT算法、SURF算法以及ORB算法对相机校检后的树木照片进行特征点提取匹配,特征点正确匹配个数分别为23、145以及25,相应的耗时分别为18.56、16.04、1.58 s;2）利用SFM算法能获得树木照片的稀疏点云和稠密点云,平均每棵树木点云量为80万个;3）基于点云数据提取单木结构参数的胸径、树高及冠幅的平均绝对误差分别为1.79 cm、0.77 m及0.79 m;胸径、树高、冠幅的提取值与实测值相关系数均>0.94。     

基于特征匹配的羊体点云配准方法

针对点云配准算法易受噪声、体外孤点以及采样率影响的问题,采用形状指数关键点检测方法、最近邻距离比法和迭代最近点算法,基于三维点云对羊体点云配准方法进行研究。结果表明:1)使用协方差矩阵特征描述子能对形状指数方法检测的关键点进行描述;2)基于特征匹配的配准方法能对不同视角的羊体点云进行配准,最大均方根误差为0.024 1;3)对于含有噪声、体外孤点或较低采样率的不同类型的羊体点云模型,配准的最大均方根误差为0.023 8。试验证明基于特征匹配的配准方法能准确地对羊体点云进行配准,并且不受噪声、体外孤点以及采样率的影响。     

基于特征和主动轮廓算法的运动果蝇识别与跟踪研究

多目标跟踪是视频监控等领域的一项关键技术。阐述目标跟踪算法的研究现状,运用灰度阈值分割,基于特征和主动轮廓跟踪方法实现对多只运动果蝇进行目标识别与跟踪。运用C#以及emgu开发应用程序予以系统实现。经验证,该系统识别率高,具有稳健的跟踪效果。     

基于多尺度引导注意力的人物图像合成方法研究

针对现有生成对抗网络合成的人物图像存在的残缺和模糊问题,提出一种基于多尺度特征提取和姿势引导特征转换的人物图像合成方法。利用深度卷积神经网络对图像和姿势进行多尺度特征提取,有效获取丰富的语义信息;在不同尺度特征的转换过程中注入引导注意力机制,利用姿势信息引导纹理特征进行正确转移和变换;使用马尔可夫判别网络(PatchGAN)作为判别器,增强对图像纹理细节的鉴别能力;最后在DeepFashion数据集上进行测试。结果表明：在定量上,该方法的结构相似度(SSIM)达到了0.772 9,峰值信噪比(PSNR)达到了19.060 4,Fréchet初始距离得分(FID)达到了11.476 5,可学习感知图像块相似度(LPIPS)达到了0.209 2;在定性上,比传统方法合成的人物图像具有更好的视觉效果。所提方法能有效解决残缺和模糊问题,提高合成人物图像的质量。     

基于SIFT特征的显微图像拼接算法研究

本文研究并实现了一种基于SIFI＂特征的显微镜下图像拼接算法,通过对显微下图像中的SIFI＂特征的提取、特征比对以及图像映射等过程,将两幅甚至多副包含重叠区域的图像无缝的拼接起来。