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。     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar，SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题，提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理，从而消除SAR图像的旋转；然后利用相关匹配方法初步提取同名点；最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配，提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

融合多特征的图像检索算法

针对单一特征不能很好地表述图像的问题，提出了一种融合多特征的图像检索算法。首先，提取查询图像和图像库中样本图像的GIST（Generalized Search Tree)特征，用欧氏距离衡量图像间的GIST相似度值，根据查询图像的GIST特征在图像库中进行检索，将结果按相似度进行排序；然后，提取查询图像和返回结果中前k幅图像的尺度不变特征变换(SIFT)特征，使用BBF(Best Bin First)算法进行特征匹配；最后，通过特征点匹配点对数排序并返回检索结果。实验在改进的Corel1000数据集上进行，与传统的单特征图像检索算法对比，提出的图像检索算法不仅提高了检索准确率，而且获得了较好的检索效率。     

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。     

基于尺度不变特征变换的图像自动配准方法

运用尺度不变特征变换方法提取图像特征,采用基于圆域的特征主方向计算方法,强化了图像的特征旋转不变性能;利用k-d搜索树与简化的广义Hough变换相结合的方式进行图像特征匹配,提高了特征匹配的效率和精度。实验表明,该方法能够对不同分辨率、不同光照、不同拍摄角度的图像完成精确自动配准。     

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。     

一种快速稳健的特征匹配方法及其鲁棒性分析

提出一种强鲁棒的快速稳健的特征匹配方法。该方法采用基于尺度空间的,对图像变化具有鲁棒性的SIFT(Scale Invariant Feature Transform)算法进行特征点检测和提取,用大量的数据分析该方法的适应能力,寻找最佳匹配阈值。     

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。     

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。     

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。