SIFT特征

摘要： 红外与可见光图像作为常见的多模态图像配准,被广泛地应用在医疗、农业自动化、材料检测等多个领域。同时图像配准作为图像融合的前置条件之一,在一定程度上对融合图像的精度和融合效果有着较大的影响。但由于红外与可见光图像自身的成像原理的不同,对应的图像分辨率、灰度值差异较大,导致红外与可见光图像在匹配时较为困难。为解决上述问题学者们提出了许多方法。这些方法基本可以归纳成三类:基于神经网络、基于图像区域和基于图像特征的方法。目前,红外与可见光图像配准一般采用的是基于图像特征的方法。如李晖晖,郑平,杨宁等人提出的基于SIFT特征和角度相对距离的图像配准算法;许金鑫的基于斜率一致性的电气设备红外与可见光图像配准方法;还有汪鹏的利用图像Canny边缘特征进行红外与可见光图像配准的算法。

摘要： 图像拼接算法在视频压缩、文物守护、图像信息处理与虚拟现实技术中普遍应用.图像拼接存在图像视野范围和高分辨率之间相互矛盾的问题,目前要获得某些大视野的场景时,只能通过一些简单方法进行处理.因此,提出了一种基于SIFT特征的图像拼接算法,并进行了实际应用.

摘要： 随着近几年无人超市的不断发展成熟,自助购物越来越普及.如果商品售出后没能及时补充,会影响消费者的购买意愿.为提升商品图像识别的准确率,采用多特征融合的方法,即将多种算法的特征联合,形成优势互补.采用融合SIFT特征和灰度共生矩阵特征的方法完成货架商品图像的匹配.实验表明,该方法对比灰度共生矩阵方法准确率提升20.6％,对比SIFT算法和PCA-SIFT算法准确率分别提升8.9％和5.6％;处理时间对比以上三种算法略有增加.此方法还可用于分析货物受欢迎程度以及确认哪些柜台需要加货等,从而及时有效地对短缺的商品进行补充.

摘要： 随着近几年无人超市的不断发展成熟,自助购物越来越普及。如果商品售出后没能及时补充,会影响消费者的购买意愿。为提升商品图像识别的准确率,采用多特征融合的方法,即将多种算法的特征联合,形成优势互补。采用融合SIFT特征和灰度共生矩阵特征的方法完成货架商品图像的匹配。实验表明,该方法对比灰度共生矩阵方法准确率提升20.6%,对比SIFT算法和PCA-SIFT算法准确率分别提升8.9%和5.6%;处理时间对比以上三种算法略有增加。此方法还可用于分析货物受欢迎程度以及确认哪些柜台需要加货等,从而及时有效地对短缺的商品进行补充。

摘要： SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式.SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点.为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能.其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的.最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计.实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度.

摘要： 鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.

摘要： SAR-SIFT(Synthetic Aperture Radar-Scale-Invariant Feature Transform)特征是一种类SIFT特征,为了较好的适应SAR图像的特点,SAR-SIFT在SIFT的基础上针对SAR图像的统计特性改进了局部描述子的提取方式。SAR-SIFT相比SIFT具有更好的抗噪性能,然而在强噪声下仍然会提取许多异常点。为了解决强噪声情况下SAR图像的特征点提取及匹配问题,在SAR-SIFT基础上,首先提出了一种新的梯度计算方法,它的大小和方向对散斑噪声都具有很强的鲁棒性,使得对SAR图像进行特征点检测与特征描述提取时具有一定的抗噪性能。其次,使用快速稀疏编码方法对提取到的特征点进行稀疏表示,利用稀疏表示的聚类效果和更好的信号表达能力来减少噪声对特征点提取的影响,从而达到减少异常点的目的。最后通过NNDR(Nearest Neighbor Distance Ratio)和RANSAC(Random Sample Consensus)来完成特征点的匹配以及参数的估计。实验结果表明,利用本文方法能显著减少强噪声SAR图像所提取特征点中的异常点数量并提高匹配精度。

摘要： 为了能够提升视频技术下车辆检测的正确率,论文提出结合使用HOG特征与SIFT特征作为车辆检测的特征提取算法,再通过支持向量机(SVM)将样本数据划分为训练集与验证集,使用不同核函数进行训练和验证,确定最优核函数为高斯核函数.最后将训练的模型使用到视频文件进行车辆的预测.最终,实验数据表明,该方法提升了传统的HOG+SVM的样本检测效率,高斯核函数下检测率高达98.38％.处理视频文件时车辆检测效果良好,但是模型仍不够稳定,希望日后完善训练集继续改进算法.

摘要： 信息时代兴起的浪潮引发照片档案的数量成爆炸式的增长,本文针对照片档案进行检索利用存在的问题,分析了基于文本和基于内容的两种传统照片图像标注方式及优缺点,提出了一种多示例多标签照片档案自动标注技术,设计了基于图像归一化分割的仿射不变特征变换(SIFT)特征方法和多示例多标签学习训练成自动标注模型,阐述了多示例多标签照片档案自动标注主要流程步骤,实现档案照片自动标注及检索利用.

摘要： 为了解决小范围、图像数据较少区域内传统建筑物识别系统精度偏低的问题,本文提出一种基于改进SIFT算法与GPS定位信息相结合的建筑物识别系统,并在系统中加入对建筑物存在可能性预测的预处理机制,进一步提高准确性和快速性。实验验证结果表明,该方法为可行有效的且实际效果良好。

摘要： 针对合成孔径雷达(SAR)图像景象匹配技术在导弹制导中的重要作用,提出了基于尺度不变特征变换(SIFT)特征的弹载SAR图像景象匹配算法.对获取的弹载SAR实时图像和星载SAR图像进行匹配实验,验证该算法在弹载SAR图像景象匹配中的有效性;同时验证了该算法的抗尺度、旋转不变性.

摘要： 针对合成孔径雷达(SAR)图像景象匹配技术在导弹制导中的重要作用,提出了基于尺度不变特征变换(SIFT)特征的弹载SAR图像景象匹配算法.对获取的弹载SAR实时图像和星载SAR图像进行匹配实验,验证该算法在弹载SAR图像景象匹配中的有效性;同时验证了该算法的抗尺度、旋转不变性.

摘要： 针对合成孔径雷达(SAR)图像景象匹配技术在导弹制导中的重要作用,提出了基于尺度不变特征变换(SIFT)特征的弹载SAR图像景象匹配算法.对获取的弹载SAR实时图像和星载SAR图像进行匹配实验,验证该算法在弹载SAR图像景象匹配中的有效性;同时验证了该算法的抗尺度、旋转不变性.

摘要： 针对合成孔径雷达(SAR)图像景象匹配技术在导弹制导中的重要作用,提出了基于尺度不变特征变换(SIFT)特征的弹载SAR图像景象匹配算法.对获取的弹载SAR实时图像和星载SAR图像进行匹配实验,验证该算法在弹载SAR图像景象匹配中的有效性;同时验证了该算法的抗尺度、旋转不变性.

摘要： 目前,对视频进行场景分割的通用方法一般仅依赖于视频的视觉特征,导致其分割速度慢准确率不高.试图针对电影类视频给出一种更实用的场景分割方法,为此在视觉图像特征之外该文还利用了电影中的对白(字幕)信息.发现某条字幕呈现时间段内的视频帧一般不出现场景切换点。基于这一事实,切分出每条字幕持续时间段内视频帧作为进行场景聚簇的最小单元。然后,综合利用了最小单元对白文本的主题以及最小单元所包含的视频图像帧的相似性对不同最小单元进行聚类,得到场景。实验结果表明,与基于场景转移图的方法相比,方法优势明显,而且避免了繁琐的场景标注过程。

摘要： 目前,对视频进行场景分割的通用方法一般仅依赖于视频的视觉特征,导致其分割速度慢准确率不高.试图针对电影类视频给出一种更实用的场景分割方法,为此在视觉图像特征之外该文还利用了电影中的对白(字幕)信息.发现某条字幕呈现时间段内的视频帧一般不出现场景切换点。基于这一事实,切分出每条字幕持续时间段内视频帧作为进行场景聚簇的最小单元。然后,综合利用了最小单元对白文本的主题以及最小单元所包含的视频图像帧的相似性对不同最小单元进行聚类,得到场景。实验结果表明,与基于场景转移图的方法相比,方法优势明显,而且避免了繁琐的场景标注过程。

摘要： 目前,对视频进行场景分割的通用方法一般仅依赖于视频的视觉特征,导致其分割速度慢准确率不高.试图针对电影类视频给出一种更实用的场景分割方法,为此在视觉图像特征之外该文还利用了电影中的对白(字幕)信息.发现某条字幕呈现时间段内的视频帧一般不出现场景切换点。基于这一事实,切分出每条字幕持续时间段内视频帧作为进行场景聚簇的最小单元。然后,综合利用了最小单元对白文本的主题以及最小单元所包含的视频图像帧的相似性对不同最小单元进行聚类,得到场景。实验结果表明,与基于场景转移图的方法相比,方法优势明显,而且避免了繁琐的场景标注过程。

摘要： 目前,对视频进行场景分割的通用方法一般仅依赖于视频的视觉特征,导致其分割速度慢准确率不高.试图针对电影类视频给出一种更实用的场景分割方法,为此在视觉图像特征之外该文还利用了电影中的对白(字幕)信息.发现某条字幕呈现时间段内的视频帧一般不出现场景切换点。基于这一事实,切分出每条字幕持续时间段内视频帧作为进行场景聚簇的最小单元。然后,综合利用了最小单元对白文本的主题以及最小单元所包含的视频图像帧的相似性对不同最小单元进行聚类,得到场景。实验结果表明,与基于场景转移图的方法相比,方法优势明显,而且避免了繁琐的场景标注过程。

摘要： 目前,对视频进行场景分割的通用方法一般仅依赖于视频的视觉特征,导致其分割速度慢准确率不高.试图针对电影类视频给出一种更实用的场景分割方法,为此在视觉图像特征之外该文还利用了电影中的对白(字幕)信息.发现某条字幕呈现时间段内的视频帧一般不出现场景切换点。基于这一事实,切分出每条字幕持续时间段内视频帧作为进行场景聚簇的最小单元。然后,综合利用了最小单元对白文本的主题以及最小单元所包含的视频图像帧的相似性对不同最小单元进行聚类,得到场景。实验结果表明,与基于场景转移图的方法相比,方法优势明显,而且避免了繁琐的场景标注过程。

摘要： 图书拍摄图像检索是基于内容的图像检索(Content-based image retrieval,CBIR)的一个重要应用.SIFT特征与HOG特征在CBIR和物体识别等领域有着广泛应用.本文根据图书图像的特点,把图书图像按照九宫格进行空间划分,并以SIFT特征为基础对每个分块子图像进行特征描述,然后结合HOG特征组成联合特征描述,联合特征对图书图像的描述力较强而且数据量也比较小.采用"倒数比"的方式进行联合特征相似性度量能够有效防止子图像发生突变而造成的巨大误差.在规模为50000幅的图书图像库上实验,结果表明检索的精度和耗时都在可接受范围内.

摘要： 本发明公开了一种基于SIFT特征聚类的固定镜头实时监控视频特征提取方法，包括：对实时产生的监控视频的每一帧通过SIFT特征提取算法使用并行计算的方式进行特征提取；将实时产生的监控视频流按照每段视频包含相似内容的原则分割成视频段；对分割后的每一个所述视频片段分别提取特殊关键帧。该方法有效地从监控视频中分隔出内容相似的视频片段，通过采用基于最大特征点策略的关键帧提取方法有效地从相似的视频片段中提取关键帧，减少关键帧的冗余，实现较好的视频特征提取效果，为实现海量监控视频的内容检索提供了基础。同时，本方法通过将视频帧特征提取的过程并行化，有效解决视频帧特征提取时间代价大的难题，提高了本方法的实时性。

摘要： 本发明涉及的是一种图像文字识别技术领域的基于SIFT特征与灰度差值直方图特征的文字识别方法。本发明包括以下步骤：1.构建汉字模板图库，其中存储了各种复杂背景下字体类别、文字大小、方向均不相同的的图片。2.对模板图库中的图片进行特征提取。3.计算待识别汉字的特征向量。4.寻找模板库中与待识别汉字最相近的汉字。本发明提出的识别方法无需对图片做任何预处理，无需对海量的文字特征做大规模的机器学习，创新性地借助局部特征的优势，巧妙地结合区域内的灰度统计信息来描述、匹配文字，实验结果表明文字识别效果较好，并对同一个字的不同类型字体也能做出很好地辨识。

摘要： 本发明公开了一种基于多尺度图像融合和SIFT特征的水下图像拼接方法。该方法包括如下步骤：1)采用改进白平衡算法和基于线性插值的CLAHE算法对水下图像进行图像增强；2)采用双重金字塔图像融合方法融合图像增强后的图像，得到水下预处理图像；3)将水下预处理图像通过改进SIFT算法进行水下图像配准；4)计算得到图像仿射变换矩阵后，采用线性渐变合成算法完成最后的水下图像拼接。本发明通过实验证明此方法充分考虑到水下环境和水下成像特点，可以明显提升水下图像增强，配准和拼接的效果和准确率。

摘要： 本发明涉及一种基于SIFT特征与光流模型的非刚性图像配准方法，包括以下步骤：1)图像分割；2)尺度不变特征变换SIFT特征提取与匹配；3)区域匹配；4)局部粗配准；5)构建光流能量函数；6)利用光流法进行精配准：以粗配准获得的变换位移场为初始值，结合由粗到精的金字塔分层迭代策略求解位移场，在每一层通过最小化能量函数求解位移场，并对获得的位移场进行加权中值滤波，将滤波后的位移场作为下一层图像的光流估计的初始值，根据获得的最终位移场，对待配准图像进行变化插值，获得最终的配准图像，实现配准。

摘要： 本发明公开了一种基于SIFT特征的传送带表面物体图像拼接方法，待测物体在传送带上的运动时，同一摄像机对待测物体连续拍摄多侦图片，通过传送带的速度来获取相邻两侦图片的重合区域；提供反馈信息给传送带，通过调整传送带的速度，来调整重叠区域的大小；用SIFT算法对重合区域进行特征点的提取，并用KNN算法进行匹配，得到匹配集合M，对于M使用坐标一致法去除坏点，完成图像配准；求相邻两侦图片的取平移距离，使用平移变系数法对图片进行融合，完成图像拼接，本发明减小SIFT的计算量，提供反馈给传送带以保证重叠区域的大小，提高了计算速度并保证了计算特征点的个数，物体在传送带上的运动过程中其与速度垂直方向的坐标不发生变化这一特性。

摘要： 本发明公开了一种基于优选空间的SIFT特征快速提取方法，包括步骤：获取确定优选特征空间的学习样本集；根据学习样本集确定优选特征空间；优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列；基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配；当已知图像以及待匹配图像的配准特征数量满足预设要求时，待匹配图像匹配成功。先确定学习样本集对应的优选特征空间，优选特征空间中的特征空间层按照特征空间层的配准特征数量依次排列，然后基于优选特征空间，对已知图像以及待匹配图像进行SIFT特征提取和匹配。本申请把SIFT特征的提取与匹配集中在优选特征空间进行，可以显著提高SIFT特征提取与匹配效率。

摘要： 本发明公开了一种基于UM增强和SIFT特征提取的交通标志识别方法，其特征在于，包括如下步骤：1）图像增强；2）形状检测；3）SIFT特征提；4）SVM分类识别。这种方法能在复杂的室外环境下，提高识别的准确率。

摘要： 本发明提供一种融合SIFT特征和CNN特征的遥感图像配准方法及系统，包括对输入的参考影像和待配准影像进行特征点提取，采用SIFT方式对特征点的邻域区域进行特征表达，获得SIFT特征；将特征点的邻域区域作为卷积神经网络CNN的输入端，使用预先采用迁移学习策略训练完成的CNN模型进行高层特征表达，获取CNN特征；将SIFT特征和CNN特征进行融合，计算相似性，估算参考影像和待配准影像之间几何变换参数，对待配准影像进行几何变换并重采样，获得配准影像。本发明结合传统特征提取的底层特征和基于卷积神经网络提取的高级特征，联合特征能更准确地表达遥感影像内容，极大提高了遥感影像配准精度，具有较强的适应性。

摘要： 本发明公开了一种基于SIFT特征聚类的固定镜头实时监控视频特征提取方法，包括：对实时产生的监控视频的每一帧通过SIFT特征提取算法使用并行计算的方式进行特征提取；将实时产生的监控视频流按照每段视频包含相似内容的原则分割成视频段；对分割后的每一个所述视频片段分别提取特殊关键帧。该方法有效地从监控视频中分隔出内容相似的视频片段，通过采用基于最大特征点策略的关键帧提取方法有效地从相似的视频片段中提取关键帧，减少关键帧的冗余，实现较好的视频特征提取效果，为实现海量监控视频的内容检索提供了基础。同时，本方法通过将视频帧特征提取的过程并行化，有效解决视频帧特征提取时间代价大的难题，提高了本方法的实时性。

摘要： 本发明涉及的是一种图像文字识别技术领域的基于SIFT特征与灰度差值直方图特征的文字识别方法。本发明包括以下步骤：1.构建汉字模板图库，其中存储了各种复杂背景下字体类别、文字大小、方向均不相同的图片。2.对模板图库中的图片进行特征提取。3.计算待识别汉字的特征向量。4.寻找模板库中与待识别汉字最相近的汉字。本发明提出的识别方法无需对图片做任何预处理，无需对海量的文字特征做大规模的机器学习，创新性地借助局部特征的优势，巧妙地结合区域内的灰度统计信息来描述、匹配文字，实验结果表明文字识别效果较好，并对同一个字的不同类型字体也能做出很好地辨识。