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
光学 精密工程
2023, 31(24): 3630
昆明理工大学国土资源工程学院,云南 昆明 650031
为解决现有多尺度变换方法在融合红外与可见光图像时出现对比度低和边缘轮廓不清晰问题,提出一种基于对比度和结构提取的方法。首先对可见光图像进行自适应增强,对红外图像进行线性归一化处理;然后分别利用稠密SIFT描述符和局部梯度能量算子提取图像的局部对比度和显著结构,结合局部对比度和显著结构的权重得到权重图,通过快速引导滤波器消除权重图的不连续性和噪声;最后利用金字塔分解方法对细化后的权重图和经过增强和线性归一化的源图像进行融合。在公共数据集上进行大量实验,使用6种评价指标对实验结果进行定量分析,并对所提方法与10种主流的图像融合算法进行定性对比。实验结果表明,所提方法可以有效保留源图像的对比度、边缘轮廓和细节信息,并在视觉感知和定量指标上取得更优的融合效果。
图像融合 稠密SIFT 结构张量 红外图像 可见光图像 激光与光电子学进展
2023, 60(14): 1410005
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
广东工业大学信息工程学院,广东 广州 510006
针对现有检测算法难以抵抗组合攻击的缺点,提出一种基于混合特征的复制-粘贴篡改识别算法。与传统算法使用固定阈值不同,所提算法采用无阈值相似子块提取方法来选择具有高相关性的子块。同时,为获取更多的局部信息,提出一种自适应子块合成方案以避免子块出现混叠。另外,针对尺度不变特征变换(SIFT)特征无法区分自然相似区域与篡改区域的问题,所提算法结合矩特征的优点,提取合成子块的递进式混合特征以此来降低算法的虚警率。实验结果表明,所提算法在MICC-F2000数据集上的灵敏度(TPR)与F1分别为97.2%与92.9%,在MICC-F220数据集上的TPR与F1为98.2%与95.1%,说明所提算法具有良好的检测能力。
成像系统 复制-粘贴篡改 混合特征 图片篡改识别 尺度不变特征变换 Hu矩 激光与光电子学进展
2022, 59(2): 0211001
山东理工大学机械工程学院,山东 淄博 255000
为进一步适应复杂环境及战斗机自身状态的变化,提高目标跟踪算法的跟踪性能,在TLD算法框架下对其进行改进。首先,将改进了的SIFT特征匹配算法与TLD算法中的光流法相结合,根据战斗机的不同状态及周围环境自适应地选择相应算法,提高算法的鲁棒性和对复杂环境的自适应能力; 其次,引入粒子滤波进行优化,实时预测战斗机状态并缩小检测范围,在降低计算难度的同时提高跟踪速度和持续性; 最后,设置置信度检测以有效解决误判问题,提高跟踪精度。实验结果表明,当战斗机处于复杂场景或自身状态变化较大时,改进算法取得了优于参考算法的跟踪性能,可以满足长时间鲁棒跟踪的要求。
目标跟踪 TLD算法 SIFT特征匹配算法 自适应 粒子滤波器 target tracking TLD algorithm SIFT feature matching algorithm self-adaption particle filter