第二炮兵工程大学目标探测与图像制导实验室，陕西 西安 710025
为了解决尺度不变特征变换(SIFT)描述子在存在较多相似结构的匹配中，易造成误匹配，并且维数较高、匹配耗时的问题，提出了一种融合相对几何位置的压缩感知描述子。首先，以特征点为中心，将周围关键点的相对几何位置(RGL)信息形成尺度和旋转不变的RGL描述子，其次，对SIFT描述子利用压缩感知(CS)理论进行降维，形成CS-SIFT描述子，最后将两者融合形成RGL-CS-SIFT描述子。实验结果表明：与SIFT和PCA-SIFT描述子相比，匹配速度有所提升，匹配准确率明显提高。
SIFT描述子 压缩感知 几何特征 图像匹配 SIFT descriptor compressive sense geometrical feature image matching
在分析了尺度不变特征转换算法特点的基础上提出了一种近似尺度不变特征转换算法，该算法改变了传统尺度不变特征转换算法的框架，将尺度不变特征转换描述符看作是一种特殊的Harris算子，该算法既保留了尺度不变特征转换描述符的优点又降低了计算量.另外，为了提高特征匹配的精度，给出了一种新的特征点对提纯算法.实验结果表明，近似尺度不变特征转换算法在不影响匹配性能的前提下大大缩短了处理时间，经过提纯后的特征点对匹配性能显著提高，最终得到的全景图像过渡平稳，重叠区域没有显著的痕迹.
尺度不变特征转换描述符 图像匹配 特征点对提纯 图像融合 Scale Invariant Feature Transform(SIFT) descriptor Image matching Extracting matching couples Image mosaic
针对尺度变化不明显场景的拼接，提出一种基于特征不变描述的图像无缝拼接算法。利用Harris特征检测算子进行特征点提取，在此基础上对提取出的特征点采用SIFT描述子进行处理，使其具备旋转不变性，然后利用k-d树算法进行遍历搜索定位，并用RANSAC算法进行图像间单应性变换矩阵计算，最后利用加权平均的融合方法进行图像无缝平滑，得到无缝拼接图像。实验结果表明: 该算法在图像任意角度旋转的情况下，能有效地实现图像无缝拼接，并具有较强的鲁棒性。
图像无缝拼接 Harris特征点 SIFT描述子 seamless image mosaic Harris corner SIFT descriptor
