尺度不变特征变换(SIFT)

摘要： 视频关键帧提取是视频摘要的重要组成部分,关键帧提取的质量直接影响人们对视频的认识.传统的关键帧提取算法大多都是基于视觉相关的提取算法,即单纯提取底层信息计算其相似度,忽略语义相关性,容易引起误差,同时也造成了一定的冗余.对此提出了一种基于语义的视频关键帧提取算法.该算法首先使用层次聚类算法对视频关键帧进行初步提取;然后结合语义相关算法对初步提取的关键帧进行直方图对比,去掉冗余帧,确定视频的关键帧;最后与其他算法比较,所提算法提取的关键帧冗余度相对较小.

摘要： 针对尺度不变特征变换(SIFT)算法中128维的高维度特征描述符导致耗时长,实时性差的问题,首先提出了一种非线性的基于局部线性嵌入(LLE)法的降维方法,尽可能地保留原数据空间中的非线性信息,缩短算法运行时间,提高匹配精度.其次,针对匹配过程中使用欧氏距离计算量大的问题,提出使用曼哈顿距离计算参考图与待匹配图的相似度,进一步减少算法所耗时间.实验结果表明,该算法在具有较高匹配率的同时,提高了匹配速度.

摘要： 针对普通图像中的目标识别问题,在SIFT算法的基础上,利用特征点的主方向信息对SIFT算法进行改进,提出一种适应性强、识别准确率高的目标识别方法.实验结果表明,在SIFT特征匹配之前剔除主方向差异较大的特征点对,不仅减少了特征匹配的运算量,还提高了执行效率和识别准确率.

摘要： 遥感图像配准是许多遥感应用的重要步骤之一.卷积神经网络(convolutional neural network,CNN)提取的图像高层特征在图像分类和检索问题上表现优异,能够克服低层配准特征的表达能力有限、容易受到干扰等问题.因此对利用CNN特征进行遥感图像配准开展研究.首先,针对遥感图像配准问题,对CNN中的全连接层特征和不同聚合大小的卷积层特征进行了研究;然后,对利用CNN特征进行图像配准的方法进行了分析;最后,将CNN特征与尺度不变特征变换(scale-invariant feature transform,SIFT)特征在图像的旋转角度、缩放倍数和亮度依次变换时的配准性能进行了对比分析.实验结果表明,在匹配精度和正确对应点的数量方面,CNN特征比SIFT方法具有更好的匹配性能;对变换后的图像而言,微调后的CNN特征比SIFT特征具有更强的鲁棒性.

摘要： 尺度不变特征变换(SIFT)算法具有优良的鲁棒性,在计算机视觉领域得到广泛应用.针对SIFT算法高计算复杂度而导致其在CPU上运行实时性低的问题,基于现场可编程门阵列(FPGA)设计了一种低复杂度的快速SIFT硬件架构,主要对算法的特征描述符提取部分进行优化.通过降低梯度信息(包括梯度幅值和梯度方向)的位宽、优化高斯权重系数的产生、简化三线性插值系数的计算和简化梯度幅值直方图索引的求解等方法,避免了指数、三角函数和乘法等复杂计算,降低了硬件设计复杂度和硬件资源消耗.实验结果显示,提出的低复杂度快速SIFT硬件架构,与软件相比,可以获得约200倍的加速;与相关研究相比,速度提高了3倍,特征描述符稳定性提高了18％以上.

摘要： 本文采用了一种基于主动外观模型(AAM)与尺度不变特征变换(SIFT)相结合的特征提取方法,采用AAM方法提取初级特征点,然后通过SIFT算法得到二次特征点,最后采用基于蛙跳混合算法的特征匹配分析同一个人的不同年龄段的面貌特征.

摘要： 本发明公开了一种基于尺度不变特征变换的低维度特征模型图像处理方法，针对关键点方向的求解，本发明对梯度的求解方法利用的是用每个像素的相邻的8个像素点去求解，而不是像文献[1]中利用上下左右4个点去求解梯度。SIFT是图像的局部特征，而一副图像中只有局部信息是不够全面的，所以有必要对所提取出来的局部特征增加一些全局特征，本发明借用了物理学中转动惯量的概念为图像增加了全局特征。同时，要对描述子去冗余，本发明选择采用对提取出来的描述子作进一步的DCT变换，过滤掉那些信息量较少的信息从而达到了去冗余的目的。

摘要： 基于尺度不变特征变换的计算集成成像图像重构方法属三维图像处理技术领域，本发明使用相对更正确的图像区域替换失真区域，这些图像区域通过对原始对象采集的视图图像和立体元图像之间的匹配得到，由于设备的限制和实验操作的不可避免的缺点，从原始对象采集的视图图像的对应区域不能满足人们的要求，为了解决上述问题，本发明采用SIFT描述子和透视变换来获得合理的正确区域，提供了三维视图图像的仿真和实验结果，以及相应的图像质量评估，以测试和验证所提方法的性能，仿真和实验结果表明，本发明提出的方法优于传统的计算集成成像重构方法，验证了本发明提出的方法的可行性和有效性。

摘要： 本发明提供一种基于尺度不变特征变换算法监测桥下空间的方法和系统。所述方法和系统基于尺度不变特征变换算法框架，对桥下空间自动拍摄上传的图片进行调整，使之与原始图像匹配，再结合图像对比算法，生成校准图像，以及标注上传图像和原始图像不同的区域，最后计算原始图像和校准图像的SSIM结构相似度并设定报警阈值，从而实现对桥下空间的监控。所述方法和系统可检测任意大小的物体变化，如垃圾、稻草等堆放，以及商贩的占道经营行为，而且对于非固定摄像头或近似固定角度拍摄的带有尺度变形、拍摄角度不一致的图像可以旋转、放缩、剪裁后再进行对比，降低了直接对比的误报率。

摘要： 本发明公开了一种基于尺度不变特征变换的行李图像运动行为描述方法，包括：单帧图像行李检测算法和基于尺度不变特征变换将单帧图像中的行李位置综合为整个行李图像运动行为模型两个步骤；本发明的优点是克服了由于激活相关图像处理功能后所导致的行李图像尺寸、颜色、位置发生变化对行李运动描述的影响，能够准确提取行李图像从出现到消失过程中任意时刻在屏幕上位置；采用行李外接矩形描述行李位置以便于行李图像运动行为模型的描述；本发明实现了在各类图像处理操作对行李图像的影响下仍然能够找到两帧图像间同一行李图像的共同特征，使行李图像运动描述成为可能。

摘要： 联合多尺度SIFT和区域不变矩特征的配准控制点提取方法，它涉及图像处理领域。它解决了在图像配准过程中，如何提取稳定、可靠的特征点的技术难题。首先利用高斯核函数对图像进行连续滤波，结合下采样方法，生成高斯差分尺度空间，寻找并计算局部极值的空间和尺度坐标。然后利用方向梯度信息构成关键点的特征向量，通过欧氏距离获得初步匹配的关键点对；进而以初选关键点为中心计算局部区域HU氏不变矩特征，结合欧氏距离筛选出最终精确有效的配准控制点。该方法结合了SIFT算法的多尺度特性和图像局部区域灰度不变矩特征，能够有效地提高了多传感器图像配准控制点对提取的稳定性和可靠性。

摘要： 本发明提供了一种基于尺度不变特征变换算法特征的航拍图像匹配方法，包括在对待匹配图像和参考图像通过SIFT算法得到的特征描述子进行计算特征之间的点积，取点积的反余弦结果并排序之后，先用低阈值进行匹配，当低阈值没有足够的匹配对时，提至高阈值重新匹配；对低阈值得到的匹配集使用MSAC单应性变换模型筛选，对高阈值得到的匹配集使用MSAC仿射变换模型筛选。本发明在0.6阈值时通过MSAC单应性模型算法筛选后获得分布较为均匀特征匹配对；0.8阈值时通过MSAC仿射模型算法筛选后得到正确匹配对的结果较稳定。根据两种模型的特性对不同精度的特征匹配集使用不同的模型，提高了算法的匹配精度。

摘要： 本发明公开了一种基于尺度不变特征变换的低维度特征模型图像处理方法，针对关键点方向的求解，本发明对梯度的求解方法利用的是用每个像素的相邻的8个像素点去求解，而不是像文献[1]中利用上下左右4个点去求解梯度。SIFT是图像的局部特征，而一副图像中只有局部信息是不够全面的，所以有必要对所提取出来的局部特征增加一些全局特征，本发明借用了物理学中转动惯量的概念为图像增加了全局特征。同时，要对描述子去冗余，本发明选择采用对提取出来的描述子作进一步的DCT变换，过滤掉那些信息量较少的信息从而达到了去冗余的目的。

摘要： 本发明提出了一种改进尺度不变特征变换的快速拼接方法。首先用感知哈希方法将待拼接图像的相似区域提取出来，然后提取相似区域的SIFT特征点，使用基于位置方向信息的方法进行特征点配准。根据配准结果得到两幅图像的映射关系，并映射到同一坐标系下。最后使用最佳拼接缝方法进行融合完成拼接。由于先是在相似区域上提取上提取特征点，减少不必要的特征点提取并缩短了特征提取，使得缩短描述子计算的时间。在匹配方法上进一步地剔除不相关特征点，加速匹配。在多组图像拼接的实验上验证了该方法的有效性。

摘要： 本发明公开了一种基于尺度不变特征变换的仪器面板关键数据精准定位方法，按照构造尺度空间、筛选定位关键点、关键点方向分配、描述关键点特征的步骤提取模板图片A和待测试图片B的关键点，然后将待测试图片B与模板图片A进行匹配校准；选取一张清晰无干扰的仪器正面图片；对该仪器正面图片特征进行分析，确认仪器关键数据信息像素位置，用纯白像素代替关键数据信息位置，从而制成模板图片C；对模板图片C处理，将处理后的模板图片C中的纯白像素图片与步骤一中经过校准的待测试图片B进行匹配，从而对仪器面板关键信息进行提取。本发明可在变电检测试验现场辅助数据图片高效采集定位环节，提升试验现场数据记录效率和质量。

摘要： 基于稠密尺度不变特征变换的色调映射图像质量评价方法，包括以下几个步骤：获取全局颜色失真度量特征、局部细节丢失度量特征；获取特征后，将所述特征进行融合。将所述全局颜色失真度量特征、所述局部细节丢失度量特征与主观评价分输入到SVM中进行训练和测试，得到TM图像质量评估模型。本发明使用DSIFT技术来提取每个像素点八个方向的局部梯度信息，DSIFT不需要检测兴趣点，这相比于直接使用梯度幅值显得更加准确；本发明使用高斯曝光曲线对HDR图像的不同区域进行加权，解决了图像不同区域下的失真权重分配问题，符合人眼对高亮和低暗区域中的细节丢失现象更敏感的特性；采用Cb