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
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