1 武汉科技大学 信息科学与工程学院,湖北 武汉 430080
2 武汉科技大学 冶金自动化与检测技术教育部工程研究中心,湖北 武汉 430080
针对传统SIFT匹配算法复杂、特征冗余点多、难以满足实时性等问题,本文提出了一种具有局部自适应阈值的SIFT快速图像匹配算法。首先,所提方法在SIFT算法的基础上,对构建的高斯金字塔进行了优化,通过减少金字塔层数来消除冗余特征点以提高检测效率,并根据图像局部对比度来自适应提取FAST算法中的阈值从而实现高质量的特征点检测,筛选出鲁棒性较强的特征点进行更准确的匹配;其次,采用高斯圆形窗口建立32维降维特征向量,提高算法运行效率;最后,根据匹配特征点对之间的几何一致性对特征点进行提纯,有效减少误匹配。实验结果表明,本文方法在匹配精度和运算效率方面的综合表现均优于SIFT算法及其他对比匹配算法,相比传统的SIFT算法,匹配精度提高了约10%,算法运行时间缩短了约49%。在图像发生尺度、旋转以及光照变化的情况下,正确匹配率在93%以上。
SIFT算法 高斯金字塔 自适应阈值 特征描述符 图像匹配 SIFT algorithm Gaussian pyramid adaptive thresholds feature descriptor image matching
1 长春理工大学 光电工程学院,长春
2 吉林省空间光电技术重点实验室,长春
针对传统探测方式对目标探测不到、看不清、图像轮廓和细节模糊等问题,采用红外与偏振探测相结合方式,通过对红外图像信息和偏振图像信息解算,解决在各种环境下探测不到、看不清的问题。针对目标局部特征提取过程数据量大、提取速度慢等问题,提出了一种改进的深度学习偏振图像局部特征提取SIFT算法。实验结果显示,该算法结合偏振成像和深度学习的优势,实现在简单或复杂背景下目标的特征快速提取,该算法对偏振图像局部特征提取速度快、提取精度高。该算法为目标的分类、识别与跟踪技术奠定理论基础。
偏振图像 局部特征 深度学习 尺度不变特征转换(SIFT)算法 神经网络 polarization image local characteristics deep learning scale-invariant feature transform (SIFT) algorithm neural network
昆明理工大学国土资源工程学院, 云南 昆明 650093
低空无人机(UAV)测量凭借着低成本、 高效率、 高精度的数据采集模式, 可快速获取高空间分辨率的影像数据, 已经成为遥感领域的一种重要技术手段。 其中, 影像匹配技术是UAV影像数据处理的重要步骤, 图像间的匹配直接影响后期三维场景的精度及视觉效果。 针对高原山地的高差起伏变化大地形复杂, 植被覆被率高及地物分布不规则等问题存在, 致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。 由于影像获取时受到该区特殊地形的限制, 大场景影像需要借助多幅影像匹配拼接得到。 目前, 基于特征点的影像匹配是一种图像配准技术, 不仅适用于低重叠度影像之间的匹配, 还可以运用到运动恢复图像间的匹配。 为探索特殊地形地貌条件下快速有效的UAV影像匹配技术, 提出一种面向高原山地复杂地形的集成尺度不变特征变换(SIFT)算法与最近邻次近邻距离比(NNDR)、 随机抽样一致算法(RANSAC)模型约束改进的UAV影像匹配方法。 主要技术流程为: 首先, 基于SIFT算法, 进行尺度空间的极值检测, 构建高斯金字塔函数, 通过高斯差分运算来实现特征点定位, 并对所检测到的特征点的邻域位置、 方向、 尺度等进行统计分析, 据此生成适合UAV影像特征的描述符; 其次, 集成“马式距离”和NNDR模型的综合运用, 进行特征点对的第一次约束优化提取及相似度检测, 在此基础上, 利用RANSAC算法, 引入匹配点对的均方根误差值(RMSE)进行第二次约束, 以实现匹配错误点对的剔除, 保证了影像匹配精确优化。 此外, 为了证实所提出优化算法的有效性, 选择了1组高原山地典型地貌UAV影像数据进行匹配试验, 结果表明: 面向高原山地复杂地形进行无人机影像匹配中, 所提出的改进算法不仅可以提取大量的特征点对, 同时还可以提高同名特征点的检测正确率, 并且配准正确率达到了85%, 因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。
影像匹配 改进SIFT算法 对比分析 UAV Image registration Improved SIFT algorithm Contrastive analysis UAV 光谱学与光谱分析
2022, 42(5): 1497
1 中国电子科技集团公司光电研究院,天津
2 空装驻天津地区第三军事代表室,天津
针对载机大机动运动条件下,目标在图像中位置变化较大,无法准确进行目标归属的问题,提出一种机载平台快速目标运动补偿方法。首先,选取前一帧目标所在区域图像作为模板图像,再根据前一帧目标在图像中位置,探测器安装角度和载机姿态信息,预测目标在当前帧中出现的位置,获取预测目标所在区域图像作为待配准图像,最后应用SIFT算法计算模板图像和待匹配图像中关键点,通过图像配准获取目标在当前帧中精确位置,为后续目标归属性判断的准确性提供保障。实验结果表明,所提方法能够精确定位载机大机动条件下目标在连续帧中位置,与通过整幅图像配准获取目标位置相比计算效率大大提高。
运动补偿 载机姿态 SIFT算法 图像配准 motion compensation aircraft attitude SIFT algorithm image registration
西南交通大学机械工程学院, 四川 成都 610031
针对传统尺度不变特征变换(Scale Invariant Feature Transform, SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法。首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位。针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算。实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+RANSAC算法,特征点的检测时间平均减少11.7%,总运行时间平均降低10.7%,正确匹配数平均提升2.8%;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性。
图像处理 SIFT算法 随机采样一致性 预筛选 特征点提取 特征点匹配 激光与光电子学进展
2021, 58(22): 2210010
1 国网新源控股有限公司检修分公司,北京 100068
2 中国能源建设集团甘肃省电力设计院有限公司,甘肃 兰州 730050
3 国家林业和草原局华东调查规划设计院,浙江 杭州 310019
将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点;采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点,得到更高精确度的同名点;最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内,以三角形重心点作为内插的虚拟同名点,并对虚拟同名点进行归一化互相关(NCC)约束,剔除不满足阈值要求的虚拟同名点对,同时根据内插得到的虚拟同名点建立新的三角网,对三角网进行动态更新,用于获取更多虚拟同名点,直至满足匹配要求。实验结果表明,本文方法能够有效增加匹配特征点数量,提高雷达影像的匹配精确度。
SAR影像 三角网约束 SIFT算法 RANSAC算法 几何约束 SAR image Triangle Constraint SIFT algorithm RANSAC algorithm geometric constraint 太赫兹科学与电子信息学报
2020, 18(5): 802
西安建筑科技大学信息与控制工程学院, 陕西 西安 710055
针对传统点云配准方法在处理大型点云模型时存在计算量大、效率低和移动扫描配准实时性较差等问题,提出基于卷积神经网络结合改进Harris-SIFT(Scale Invariant Feature Transform)的点云配准方法。首先改进Harris-SIFT算法,使其可以提取三维空间中点云模型的稳定关键点。进而将关键点的加权邻接矩阵作为卷积神经网络的输入特征图,实现源点云和目标点云关键点的预测匹配。然后基于匹配的关键点,采用迭代最近点(ICP)算法实现点云数据的精配准。相较于传统的点对点配准,所提方法不需要生成对应关系的点描述符,解决全局搜索开销大的问题。实验结果表明,相较于ICP算法,所提方法能够较好地完成即时点云配准,且计算量小,耗时短,效率高。
成像系统 三维图像采集 点云配准 Harris-SIFT算法 卷积神经网络 深度学习 激光与光电子学进展
2020, 57(20): 201102
1 长光卫星技术有限公司, 长春 130051
2 中国科学院长春光学精密机械与物理研究所, 长春 130033
3 武汉大学 测绘遥感信息工程国家重点实验室, 武汉 430079
提出一种基于谱段关联的近红外图像模拟方法, 分析遥感图像成像链路模型, 以及卫星载荷传感器可见光多光谱谱段和全色谱段的关联性, 计算得到了谱段关联系数, 并基于谱段的关联系数生成模拟近红外图像.为了提高近红外模拟图像生成的速度, 利用基于GPU的SIFT算法对全色图像与多光谱图像进行匹配.采用所提方法利用吉林一号光学A星的数据, 生成模拟近红外图像, 单景图像计算时间优于3 s, 该方法对合成真彩色图像和去云去雾均有较好的效果.
遥感图像 近红外图像模拟 谱段关联性 基于GPU的SIFT算法 真彩色合成图像 去云去雾 Remote sensing image Near-infrared image simulation Spectral correlation SIFT algorithm based on GPU Synthesis of true color image Removal of cloud and haze
新乡学院 物理与电子工程学院,河南 新乡 453000
图像拼接技术主要由3 部分构成:采集、匹配和融合,其中匹配最为关键,决定拼接质量。针对SIFT 图像拼接算法的特征点数目局部过高或过低情况,采用对比度阈值自适应的SIFT 图像拼接算法,可得到合理数目的特征点。此方法保证特征点数目在150~300 之间,过高或过低时,可自适应调节数目,进行有效控制。实验证明:改进的算法保证拼接效果的基础上,提高运算效率,具有实用价值。
图像拼接 SIFT 算法 对比度阈值 自适应 image mosaic SIFT algorithm Contract threshold self-adaption
针对无人机载红外摄像仪拍摄的输电线路红外图像易于受背景信息干扰且不易于分割出输电线信息, 提出了一种基于图像拼接和帧间差分相结合的算法, 来实现输电线分割定位信息。采用基于 SIFT的图像配准算法来实现图像拼接, 再将得到的两幅图像的重合部分进行帧间差分, 初步实现了输电线的分割; 采用 Canny算法, 对分割得到的输电线进行边缘检测, 采用霍夫变换检测出分割出来的输电线, 最终对输电线定位。
输电线 红外图像 图像拼接 帧间差分 SIFT算法 Canny算法 the power lines infrared image image stitching frame difference SIFT algorithm Canny algorithm