SIFT算法的介绍和应用

SIFT算法是众多图像匹配算法中被广泛应用的一种,其具有良好的尺度、光照和空间旋转不变等特征。文章介绍了SIFT算法的4个主要步骤,并将该算法应用到多色二值压缩算法中,提高了压缩效率,缩小了压缩后的存储空间。     

基于双目摄像的特征提取算法研究及三维重建实现

特征提取是计算机视觉中的一项重要技术,本文针对特征提取中的Harris算法和SIFT算法进行了比较,通过仿真实验证明,在处理尺度缩放、亮度变化的图像时SIFT算法更加优越。根据三维成像原理,本文对SIFT算法提取的特征点进行三维重建,获得了目标场景的视差图和三维重建图,进一步说明了SIFT算法的提取是行之有效的。     

基于Harris和SIFT的特征匹配算法

为了克服传统的局部特征匹配算法对图像的尺寸和旋转比较敏感的缺点,文章提出了一种基于Harris和SIFT的特征匹配算法。该算法首先进行Harris角点提取,利用圆的旋转不变性和多维向量来构造SIFT特征描述子,然后利用极线约束降低对匹配点的搜索空间,最后度量特征描述子之间的欧氏距离,运用双向匹配技术得到最终的匹配结果。实验结果表明,该算法能提高匹配精度,减少匹配时间。     

随机蕨丛算法匹配识别性能研究

为了改进基于特征点的图像匹配识别方法的精确度,文章对特征点匹配算法随机蕨丛的性能进行评估,并与尺度不变特征变换算法SIFT的匹配性能进行对比研究。通过实验将随机蕨丛算法参数进行优化配置,分别测试两种算法的鲁棒性能和匹配速度。实验结果表明,随机蕨丛算法的匹配精度能达到85%左右,明显高于SIFT算法,匹配速度也远快于SIFT算法,但仍然有待提高。     

融合动态特征和IV-SVM的火焰识别算法研究

应用传感器信号进行火焰识别的方法易受诸多外部环境因素干扰,同时现有火焰图像特征提取方法对于火焰与场景区分能力欠佳,从而导致火焰或场景发生改变时的准确率较低。文章在颜色信息融入尺度不变特征变换方法(Scale-invariant Feature Transform,SIFT)条件中提出融合动态特征和增量支持向量机(Incremental Vector Support Vector Machine,IV-SVM)的火焰识别算法。首先,针对火焰图像应用SIFT算法提取特征描述符;其次,通过火焰在颜色空间的动态特征融合去除噪声点;再次,将特征描述符转换为对应特征向量并作为IV-SVM训练模型内容,从而获取火焰识别算法模型。在互联网火焰图像数据集的实验结果表明,与Kim方法、Dimitropoulos方法、Sumei方法比较,文章的方法对于不同场景与火焰类型均有较高识别率和较快检测速度,具有较好的实际应用意义。     

基于改进SIFT特征匹配的视频拼接——在倒车系统中的应用

文章主要在限定的特征点提取区域,用改进的SIFT特征匹配算法进行帧图像的并行双向搜索匹配,缩短视频帧图像的匹配时间达到视频拼接的目的。     

DSP的JPEG图像压缩的设计与实现

介绍了一种用TI公司的TMS320C6713高速DSP实现JPEG图5像5压缩,概述JPEG图像编码算法的原理和流程,设计以DSP的开发环境,实现JPEG的编码算法,并进行了优化。整个压缩系统可以实现对视频图像压缩编码。同时,该压缩系统可以通过PCI总线控制,将压缩后的码流通过JPEG文件的形式传输给PC机。重点讨论了图像编码中DCT变换的实现和优化。     

低空无人机遥感影像高精度自动匹配方法研究

本文针对低空无人机遥感影像的特点,提出一种基于Harris角点和SIFT特征的自动匹配算法,并利用基于单应矩阵和核线几何双重约束的RANSAC相对定向剔除错误匹配。通过一组影像的自动匹配试验,结果具有较高的匹配正确率,验证了算法的有效性,可为区域网平差解算提供良好基础。     

数据快速压缩算法的研究以及C语言实现

压缩算法有很多种,但是对需要压缩到一定长度的简单的报文进行处理时,现有的算法不仅达不到目的,并且变得复杂,本文针对目前一些企业的需要,实现了对简单报文的压缩加密,此算法不仅可以快速对几十上百位的数据进行压缩,而且通过不断的优化,解决了由于各种情况引发的解密错误,在解密的过程中不会出现任何差错。     

“压缩动态虚拟视窗算法”在自动拣选系统中的应用

对自动拣选系统工作模式及工作步骤进行分析,给出压缩动态虚拟视窗算法数学模型,在此基础上,设计应用算法,使压缩动态虚拟视窗算法的使用方法明确化。     

一般位置上的双摄像头立体视觉测距

本文基于一般位置上的双普通摄像头通过立体视觉的方法进行测距研究。为了减少错误匹配点对的个数,先采用Harris角点检测法对双摄像头捕获的两幅图像进行角点检测,然后将检测出的角点作为候选特征点,结合SIFT立体匹配算法实现对应点的匹配,从而进一步进行测距,该方法提高了测距的精度。     

关于VLL影像匹配的实验

VLL(Vertical Line Locus)法是一种常用的基于物方的影像匹配方法,本文以灰度数码航空影像为影像匹配的数据源,采用VLL算法进行影像匹配的实验,对VLL影像匹配算法的计算速度、算法的优势、缺陷及改进方案、匹配结果的精度等方面进行讨论。     

一种改进的松弛迭代图像配准算法

本文展示了一种改进的松弛迭代图像配准算法,此算法首先使用归一化自相关运算求得图像的粗匹配对,接着使用改进的松弛迭代匹配算法进行精匹配。本文通过优化筛选第一轮迭代结果,使得后续迭代时间明显减少。实验证明此算法效率比原始算法有了很大的提高。     

小样本训练集下人脸图像超分辨率重构算法

文章提出了一种针对小样本训练集的人脸图像超分辨率重构算法。该算法在马尔可夫网络模型的基础上,将视觉相容性检查准则引入到候选分块的匹配准则中,提高了匹配精度和块间兼容性。将权值机制融合进图像的重构过程,强化了训练集的有用性。实验表明,在小样本训练集下,算法能有效地抑制块效应和局部失真现象,明显改善超分辨率图像的质量。     

基于JPEG2000的感兴趣区域编码方法研究

JPEG2000是由联合图像专家组为静态图像编码所制定的一个新的国际标准,通过感兴趣区域编码算法实现JPEG2000编码的高压缩率。本文通过对JPEG2000标准的ROI编码的两种位移编码算法分析和对比,引出一种新的ROI编码方法-GPBShift,并介绍了其编码原理及性能。     

基于背景补偿的跟人AGV系统人物检测研究

提出一种基于背景补偿的动态目标检测方法来解决跟人AGV的物流运输系统中的人物检测问题。为减少目标检测所花费的时间,在不影响图像细节的情况下,首先缩小图像,检测SIFT特征点并进行特征点之间的匹配;其次,用随机一致性算法(RANSAC)去除运动目标的特征点匹配与两幅图像的特征点误配,从而构建仿射模型进行背景补偿;最后,运用图像的差分并对差分后的图像进行形态学运算从而检测出运动区域,并在原始图像中标记。     

车辆全景成像探测的快速目标拼接算法

全景成像技术以及图像拼接、图像配准等与其相关的技术,都属于机器视觉及模式识别领域。由于其成像系统视场较大,且无论远近都可以清晰成像,因此,全景成像技术具有广阔的应用前景,例如,在军事领域中的侦察、空间探索等,民用领域中的医疗设备、防盗预警、机器人视觉等等。正是由于上述原因对全景成像技术,具有很高的研究和实践价值。本文对全景成像技术的研究主要有以下四个方面:第一,深入研究了全景成像的获取方式,在此基础上分析其获取方式的优缺点;第二,实现了图像的预处理,即完成了对获取图像进行了校正和去噪,通过对不同的图像采用滤波算法实现;第三,在图像拼接方面,实现了基于比较匹配的图像拼接算法,通过采取平行景物线匹配算法消除了灰度差异的影响,对拍摄同一景深下的图片进行拼接;第四,在不同景深条件下,对图像进行拼接,并完成了基于Harris特征点检测算子的特征提取算法。