针对基于特征点的图像匹配方式在复杂纹理场景中匹配效果不理想的问题, 提出一种将加速稳健特征算法 (SURF)与一致性敏感哈希匹配结合的图像匹配算法 (CSH)。使用 SURF算法对图像进行特征点提取, 再以特征点为圆心构建特征区域, 最后对特征区域使用 CSH进行匹配, 从而实现高精确匹配。为了进一步加快算法运行速度, 对现有的 SURF算法进行修改, 在提取 SURF特征点时去除了对于特征点方向的计算。仿真实验证明, 算法较一般的特征算法在复杂纹理图像匹配中效果更佳, 且较 CSH算法效率提升了 10%~15%。

针对 SIFT算法的图像配准耗时长的问题, 提出一种 CSS-SIFT复合图像配准算法。 CSS-SIFT算法首先使用 CSS算法检测图像特征, 然后, 使用优化的 SIFT算法生成并降维图像特征描述子, 最后, 使用基于欧式距离和曼哈顿距离的优化双向匹配算法对图像特征进行匹配。仿真实验条件是通过计算机中仿真软件进行仿真实验, 统计图像特征数目、匹配数目、正确匹配数目、配准准确率、配准时间与配准时间下降率共 6个指标数据, 统计结果表明, CSS-SIFT算法在图像配准准确度方面与传统 SIFT算法、传统 SURF算法、Forstern-SIFT算法、Harris-SIFT算法、Trajkovic-SIFT算法相当, 但在图像配准耗时方面分别降低了 58.45%、10.68%、14.84%、16.21%与 4.63%, 为图像配准提供了一种解决方案。

加速稳健特征算法在多模核磁共振成像(MRI)肿瘤图像配准中,存在特征点偏少且配准精度低等问题。使用Harris角点检测法对参考图像、浮动图像的特征点进行提取和检测,接着使用圆形64维向量法生成特征描述符并进行欧氏距离匹配,来增强特征点的提取。通过设置配准图像初始化参数,确保粒子在最优值附近搜索,利用互信息作为粒子群优化算法的测度函数,增强目标函数全局最优解,通过引入平均最值,防止算法陷入早熟现象。仿真结果表明,与现有的算法相比,所提优化算法可以使多模MRI图像特征点增多且精度更高。

视觉定位系统中,图像匹配的精度直接影响整个定位系统的精度,针对图像匹配中存在的误匹配率较高等问题,提出了一种基于多层次FAST(MFAST)和优化采样的随机采样一致性(RANSAC)算法的图像匹配算法。首先采用MFAST算法提取角点,运用加速稳健特征算法确定主方向生成特征描述符;然后在基于RANSAC的框架下,利用改进的加权K-最近邻分类方法选取新的样本集合计算出最佳模型参数,从而剔除误匹配点。在真实场景下进行实验,结果表明,与传统算法相比,该算法能高效剔除误匹配点,提高图像的匹配精度,且满足实时性要求。

为克服方向梯度直方图(HOG)特征在人体行为识别中仅表征动作的全局梯度特征、缺乏局部细节信息、对遮挡表现不佳的问题,改进了一种基于全局特征和局部特征的方法来实现人体行为识别。该算法首先使用背景减法获得人体运动区域;方向可控滤波器能有效描述动作边缘特征,通过引入方向可控滤波器改进HOG特征以增强局部边缘信息,同时对加速稳健特征进行k-means聚类获得词袋模型;最后将融合后的行为特征输入支持向量机对行为特征进行分类识别。在数据集KTH、UCF Sports和SBU Kinect Interaction上进行仿真模拟,结果表明改进的算法识别准确率分别达到了96.7%、94.2%和90.8%。

根据胃镜下的肿瘤特征,利用基于加速稳健特征(SURF)的模板匹配跟踪算法对肿瘤进行跟踪,通过去除特征点的误匹配点,提高了跟踪定位精度。在基于SURF的匹配跟踪算法中,利用匹配特征点的聚类中心及包围特征点的最小圆位置,测量了每帧跟踪效果。对两组胃窥镜下病灶的视频帧进行跟踪实验,结果表明,改进的基于SURF的匹配跟踪算法具有较好的稳定性和跟踪精度。

为了解决被动式双目测距系统中双目摄像头光轴对准误差较大、图像匹配精确度较低、计算速度慢等问题，提出了一种基于硬件加速稳健特征（SURF）算法的自校准双目测距系统。该方案采用位置敏感探测器与伺服电机作为双目摄像头光轴自校准平台，利用Zynq SoC处理器对SURF算法进行硬件加速，以实现两幅图像的特征匹配，从而达到精确、有效、自主的被动测距效果。实验表明本文方案采用位置敏感探测器可以有效地校准双目摄像头至同一平面位置，同时硬件SURF算法匹配图像的精确度高，速度快，满足被动测距系统的需求。

针对实时、大词汇集、连续的手语视频高效准确地识别,提出了一种基于压缩感知与加速稳健特征(SURF)的手语关键帧提取算法。利用压缩感知将手语视频降维成低维多尺度帧图像特征,通过自适应阈值完成子镜头分割,以处理大量的手语帧数据;运用SURF特征点完成特征匹配,绘制其间的相似度曲线进而提取关键帧。在前期预处理阶段,采用基于HSV空间自适应颜色检测提取手势区域。实验验证,由本文算法提取到的关键帧具有较高的准确性,且算法具备处理大量复杂数据的能力。

针对传统双目视觉定位系统立体匹配困难、计算量大、效率低的问题，设计了一种基于靶标区域(ROI)提取的双目定位系统，以改善定位精度。首先，利用张氏标定法标定双目摄像机，并通过Bouguet算法对整个系统进行立体校正；然后利用直方图阈值法和投影法分割图像中的ROI，以大幅降低后续特征匹配的计算量；最后采用加速稳健特征算法对左右摄像机图片进行亚像素级角点的提取与匹配，并结合标定结果获得精确的定位。实验结果表明，ROI内特征点的匹配准确度可以达到90%以上，系统的定位时间在700 ms以内，可以满足系统实时性的要求。该方法主要针对ROI进行特征点提取和匹配，避免了不必要的全局图像处理，从而将匹配速度从秒级缩短至毫秒级。

同步相移干涉技术通过同时获取多幅相移干涉图, 实现动态波面的相移干涉测量。为了保证测量精度, 在实施相移算法前, 需要对相移干涉图进行准确的位置配准。提出了一种结合加速稳健特征(SURF)提取算法和随机采样一致性(RANSAC)算法的多步干涉图位置配准方法, 通过配准具有一定特征的干涉背景图, 获得图像之间的变换关系并作用于相移干涉图, 实现同步相移干涉图位置配准。仿真分析表明, 该方法在光强不均的情况下对平移和旋转变换均具有较好的校准效果; 在含有高斯白噪声的情况下, 仍能进行配准获得变换矩阵, 完成相位恢复。将此方法应用于四步同步相移显微干涉测量仪对标准平面进行测量, 得到测量结果峰谷值为23.2520 nm, 均方根值为2.3149 nm。