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。

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。