SURF特征

摘要： 针对单一特征在减振垫缺陷描述上不够准确导致检测效果不佳的问题,提出了一种基于特征融合的减振垫缺陷分类方法。首先,通过词袋(BoW)模型聚类SURF提取到的纹理特征,构建视觉单词直方图;其次,针对缺陷在复杂纹理中难以提取缺陷轮廓,利用超像素分割后生成显著图后通过Hu不变矩提取几何特征;接着,根据纹理特征和几何特征在其分类模型中的准确率,提出一种特征加权融合的方法;最后,将融合新生成的特征向量送入SVM训练器中,训练后得到预测的缺陷标签值。实验证明该方法可以准确识别减振垫缺陷,其平均准确率可达97.8%,与纹理和几何特征单独分类相比,提高了5.6%和8.9%的分类准确率,满足工业识别需求。

摘要： 针对侧扫声呐图像地理编码拼接存在相邻条带共视目标错位,特征拼接存在效率低且位置漂移问题,给出一种基于几何变换的分段Speed-up Robust Features(SURF)特征匹配方法,提高匹配效率和精度;提出一种多条带图像分组拼接策略,实现联合SURF特征和地理编码的多条带图像拼接.实验验证了方法的有效性,5个条带图像SURF特征匹配耗时从135s缩减到30s,达到程序实时处理的要求;5个条带图像拼接后共视特征点对平均坐标偏差从传统SURF特征匹配的6.18m降低到1.07m,实现了位置统一;实现了大区域海底地貌"一张图"的精细获取.

摘要： 针对单一算法检索效率不高的问题,提出一种新的基于Surf和改进颜色矩的服装图像检索算法,采用改进的目标颜色矩进行服装图像特征筛选,对目标进行预定位,进而采用Surf算法进行特征点匹配检索出目标图像,仿真结果表明,该算法图像检索时间比单一算法缩短了62.5％,效率提高了166％,比基于单一Surf或者颜色矩的检索算法更具准确性和检索效率,增强了算法的便捷性及实用性.

摘要： 传统的运动视频图像边缘跟踪方法存在图像边缘特征匹配时间过长,实时性差的问题,提出并设计基于SURF特征的运动视频图像边缘跟踪方法.根据盒子滤波器大小的不同建立尺度空间,将原始图像转换为积分图像,利用积分图像达到加速的目的,使用构建Hessian矩阵检测图像边缘特征点,利用图像边缘特征点生成特征描述子,通过计算特征描述子之间的欧式距离完成图像之间的边缘匹配,实现图像边缘跟踪.测试结果表明:在测试数据集相同的情况下,与传统两种跟踪方法相比,设计的基于SURF的运动视频图像边缘跟踪方法特征匹配所耗时间极短,实时性更好,该方法适合应用在运动视频图像边缘跟踪中.

摘要： 针对贵阳龙洞堡国际机场大场景的高清全景图生成需求,提出了一种基于SURF特征与动态规划拼接缝的全景图生成方法.首先利用柱面投影来保持各通道视频在重叠区内成像的视觉一致性,设计了一种基于RANSAC与特征点的鲁棒变换模型估计算法,可以消除局部配准误差导致的累计误差;然后使用动态规划算法通过HIS色彩空间和梯度空间求解拼接缝,从而实现相邻图像的缝合;最后在缝合线两边采用基于三角函数的融合算法实现图像平滑过渡,最终生成高清晰度高分辨率的全景图.实验结果表明,提出的方法在满足图像无缝拼接的前提下,可消除重叠区域内的重影问题,并大幅度提高拼接速度.

摘要： 为了提高视频的识别检测速度,提出基于融合特征的网络不良视频识别框架.先分离视频音频,利用MFCC特征匹配筛查部分恐怖视频,减少视频图像提取、识别总量,以达到提高检测速度目的;再通过OpenCV视觉软件库,结合颜色直方图+SURF算法进行视频镜头边界检测及MoSIFT特征、颜色信息等其他视频特征的检测,在保证识别准确率的基础上进一步提升视频检测速率.

摘要： 针对TLD(Tracking-Learning-Detection)算法在光照变化不均、遮挡严重、跟踪目标模糊等情况下会出现跟踪失败的问题,提出一种基于卷积神经网络优化TLD运动手势跟踪算法.选取手势特征作正样本,其背景作负样本,获取手势HOG特征并投入到卷积神经网络中加以训练,得到手势检测分类器,从而确定目标手势区域,实现手势的自动识别;再利用TLD算法对手势进行跟踪与学习,对正负样本进行估计检测并实时校正,同时运用SURF特征匹配更新跟踪器.实验结果验证,该算法对比TLD经典算法跟踪精度提高了4.24％,增强了运动手势的跟踪效果,相比经典跟踪算法拥有更高鲁棒性.

摘要： 针对图像局部特征的词袋模型(Bag-of-Word,BOW)检索研究中聚类中心的不确定性和计算复杂性问题,提出一种由不同种类的距离进行相似程度测量的检索和由匹配点数来检索的方法.这种方法首先需要改进文档图像的SURF特征,有效降低特征提取复杂度;其次,对FAST+SURF特征实现FLANN双向匹配与KD-Tree+BBF匹配,在不同变换条件下验证特征鲁棒性;最后,基于这两种检索方法对已收集整理好的各类维吾尔文文档图像数据库进行检索.实验结果表明:基于距离的相似性度量复杂度次于基于匹配数目的检索,而且两种检索策略都能满足快速、精确查找需求.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 受室外大范围场景中景物多样性和复杂性的影响,移动机器人在进行目标检测与定位时,运动视角的改变往往导致定位成功率下降.针对此提出一种基于多视角特征点匹配的方法进行室外目标定位.该方法首先获取图像的SURF特征进行匹配,然后结合FLANN和KNN算法滤除错误匹配点,有效地提升了匹配质量,节省了运算时间.通过对不同视角下景物模板的匹配判断,经透视变换映射出目标物体,最终实现目标定位.以校园场景景物为定位目标进行实验.结果表明该方法有效提升了单视角目标定位的成功率,具有较好实时性.

摘要： 针对无人机低空遥感影像拼接问题,引入一种基于SURF特征的匹配方法,该算法具有稳健和高精度特性,能够实现低空影像的快速匹配.本文采用L-M优化的全局拼接策略,实验表明该策略能有效减小累积误差的影响,实现了测区影像的自动全景拼接.

摘要： 针对无人机低空遥感影像拼接问题,引入一种基于SURF特征的匹配方法,该算法具有稳健和高精度特性,能够实现低空影像的快速匹配.本文采用L-M优化的全局拼接策略,实验表明该策略能有效减小累积误差的影响,实现了测区影像的自动全景拼接.

摘要： 针对无人机低空遥感影像拼接问题,引入一种基于SURF特征的匹配方法,该算法具有稳健和高精度特性,能够实现低空影像的快速匹配.本文采用L-M优化的全局拼接策略,实验表明该策略能有效减小累积误差的影响,实现了测区影像的自动全景拼接.

摘要： 针对无人机低空遥感影像拼接问题,引入一种基于SURF特征的匹配方法,该算法具有稳健和高精度特性,能够实现低空影像的快速匹配.本文采用L-M优化的全局拼接策略,实验表明该策略能有效减小累积误差的影响,实现了测区影像的自动全景拼接.

摘要： 针对航拍视频易受风力和机械震动等因素影响而产生随机抖动的问题,本文提出了基于SURF特征和Kalman滤波的航拍视频稳定方法.本方法在每帧图像中提取稳定的SURF特征点后,使用快速最近邻逼近搜索方法实现相邻帧间的特征点匹配;再结合RANSAC和最小二乘法剔除错误点对,估计出帧间的变换关系;最后使用Kalman滤波器对运动参数做平滑处理,来分离主动运动和随机抖动,从而完成航拍视频稳定.实验结果表明,该方法具有较高的计算精度,对平移、旋转运动和焦距变化有一定的鲁棒性.

摘要： 本发明涉及一种采用SURF特征和颜色特征相融合的刚体目标跟踪方法。该方法包括：1)在初始图像中选定目标区域，在目标区域内提取SURF特征并建立SURF特征描述；2)在每一个以SURF特征点为中心的局部邻域内构建颜色特征；3)在当前图像到来时，首先利用颜色特征寻找初步的目标区域，之后提取SURF特征并与初始图像建立基于特征的匹配，形成匹配点对；4)根据得到的匹配点对计算得出运动参数，从而确定当前图像的目标区域，实现目标跟踪。本发明能够对目标区域的局部特征实现准确的描述和匹配，进而保证目标跟踪效果的鲁棒性、稳定性。

摘要： 本发明公开了一种基于ULBP和SURF的特征递进的手指静脉图像精确匹配方法，包括以下步骤：S1：手指静脉图像预处理；S2：对预处理后图像进行图像增强；S3：将所提特征与数据库中特征信息进行匹配，并输出匹配结果；实现了由粗到精的手指静脉识别算法；解决了单个ULBP算法灰度范围小、识别精度不高，以及利用SURF特征点进行匹配时的耗时过长的问题。

摘要： 本发明公开了一种面向立体视觉三维重建的Har‑SURF‑RAN特征点匹配方法，属于数字图像处理领域，包含如下步骤：步骤(1)：对图像中的像素点进行高斯差分预处理，筛选出候选特征点，再利用权重系数筛选，获得特征点。步骤(2)：对特征点数据集进行处理，得到特征点的特征描述子；步骤(3)：利用最近邻特征匹配对检测到的特征点进行匹配；步骤(4)：对特征匹配点对中的误判点初步剔除，利用PROSAC的思想将数据集进行排序，对RANSAC选取模型及评价部分进行改进，利用局部最优化的思想对RANSAC进行改进，引入优化参数K对模型局部进行进一步优化。本发明减少了计算量，提高了速度，改进算法产生的冗余点较少，精确度较高。

摘要： 本发明涉及基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法，所述检测方法包括ISODATA动态聚类步骤，所述ISODATA动态聚类步骤包括：在提取出特征点中包含的坐标信息后，根据坐标信息随机生成若干个聚类中心；按照距离信息将所有坐标样本划分到不同聚类中，进行最小样本数检测并调整聚类；根据聚类中的元素重新计算聚类中心，检查是否能够进行聚类间的合并或分裂，满足运行控制参数后输出聚类结果并根据聚类结果计算不同障碍物的分布区域。本发明的优点在于：基于SURF特征检测和ISODATA聚类算法的无人机障碍物检测方法相较于已有的障碍物检测方法，能够有效检测无人机在飞行中遇到的数目不定的障碍物，为无人机自主飞行提供安全可靠的飞行路径。

摘要： 本发明公开了一种基于SURF特征的改进列车图像精确配准方法，包括以下步骤：通过直方图，对参考图像和待配准图像，进行均衡化预处理；对预处理后的参考图像进行特征检测，提取出参考图像的特征点，对预处理后的待配准图像进行特征检测，提取出待配准图像的特征点；将参考图像的全部特征点和待配准图像的全部特征点进行一一匹配，形成多个特征点对；对特征点对进行筛选，删除匹配错误的特征点对；将筛选后的特征点对进行分段配准。本发明在现有技术基础上增加改进了特征筛选、分段线性化、插值配准等多个环节，实现了的高精度配准，在配准方法的精度、鲁棒性、适应性多个方面均得到了较大提升。

摘要： 本发明涉及一种尺度与特征强度自适应的SURF特征点匹配方法，具体步骤为：(1)特征点的检测，确定特征点的位置；(2)特征点的描述，计算特征点的主方向，计算获得特征点邻域信息得到最终的SURF描述符；(3)特征点的匹配，根据SURF特征点描述符中包含的特征点邻域信息，采用K最近邻法找出每个特征点潜在的两个最佳匹配点，通过匹配点的距离最佳值与次佳值比率优选出最佳匹配点对。本发明结合SURF特征点在尺度、特征强度方面的特征及其与定位精度间的关系，提出了特征点尺度与特征强度自适应的SURF图像特征点匹配算法，使针对不同尺度的特征点采用不同的特征强度的特征点匹配成为可能，从而能够获得更多高精度的匹配特征点对。

摘要： 本发明涉及一种采用SURF特征和颜色特征相融合的刚体目标跟踪方法。该方法包括：1)在初始图像中选定目标区域，在目标区域内提取SURF特征并建立SURF特征描述；2)在每一个以SURF特征点为中心的局部邻域内构建颜色特征；3)在当前图像到来时，首先利用颜色特征寻找初步的目标区域，之后提取SURF特征并与初始图像建立基于特征的匹配，形成匹配点对；4)根据得到的匹配点对计算得出运动参数，从而确定当前图像的目标区域，实现目标跟踪。本发明能够对目标区域的局部特征实现准确的描述和匹配，进而保证目标跟踪效果的鲁棒性、稳定性。

摘要： 本发明公开了一种基于SURF特征匹配的图像快速去遮挡方法，属于计算机视觉领域。其包括以下步骤：输入遮挡图像；构造Hessian矩阵；构造高斯金字塔尺度空间；初步确定特征点位置；精确定位极值点；确定特征点的主方向；构造SURF特征点描述算子；图像配准；图像融合。本发明可以有效减小图像去遮挡的运算时间，为计算机视觉的应用提供了一种既精准又高效的图像去除遮挡的方法，达到了预期的效果。

摘要： 本发明公开了一种基于KCF和SURF特征的实时鲁棒目标跟踪方法，涉及目标跟踪技术领域，其技术方案要点是：包括以下步骤：S1、获取目标图像，并基于KCF算法进行目标跟踪；S2、基于峰值旁瓣比来判定目标是否被遮挡或丢失；S3、基于SURF‑RANSAC目标检索匹配，重新对目标进行匹配；S4、重新框选目标，更新目标模板，并继续执行KCF目标跟踪任务。本发明的方法能够有效的解决在目标发生遮挡、丢失或跟踪失败时再检测跟踪的问题，能够实现在失配的情况下，自动匹配框选目标，并继续执行跟踪策略；并且，本发明的方法考虑到无人机的机载计算机的计算能力有限，设计的实时鲁棒目标跟踪方法简洁高效，计算耗时少，满足实时性要求。

摘要： 本发明涉及一种在计算机科学，医疗辅助诊断，军事，工业测量等领域提供快速准确的特征点算法提取技术，公开了一种结合LBP特征提取和surf特征提取方法的图像匹配方法，通过三步进行特征点的匹配步骤一：利用Hessian矩阵，高斯金字塔提取特征点，并确定方向；步骤二：构建特征描述子；步骤三：特征点匹配。较现有技术相比，本发明速度快、效果好的。