尺度不变性

摘要： 针对传统ORB算法不具有尺度不变性的问题及匹配速率的问题,提出改进ORB算法的特征匹配.将SURF算法与传统ORB算法结合,先利用SURF算法的尺度金字塔得到具有尺度不变性的特征点,解决特征点匹配的尺度性问题,再对用ORB算法生成的高维描述符进行降维处理,提高算法的匹配速率,最后用暴力匹配方式完成图像匹配.实验结果解决了传统ORB算法在特征匹配时的尺度不变性问题,同时降维处理提高了算法匹配速率.

摘要： 针对在金属零件的模板匹配中,由于图像采集时零件摆放的位置和方向不同,使匹配图像中存在零件的不同侧面导致传统匹配方法准确率低的问题,提出了一种使用环形特征模板的模板匹配算法RT-MM.通过一组同心圆将模板分割为几个环形区域,利用环形区域相互之间的关系作为预选区域的定位特征,在匹配图像中快速筛选出若干个预选区域;通过Sobel算子寻找各环形区域中的稳定点,根据各环形区域包含的稳定点数量筛选出能够代替整幅模板图像的环形区域;从环形区域中提取精确匹配的特征,对预选区域进行筛选,从而得到精确的匹配结果.

摘要： 针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法.首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配.实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8％,比ORB算法提高了65.2％.

摘要： 针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。

摘要： 提出了一种基于尺度不变性特征变换的检测仪器面板关键数据精准定位方法,针对变电检测常用仪器在分辨率变化、角度变化、光线变化、雨水/积灰/泥土杂质干扰等状态下共1020张图片进行了关键数据定位测试.结果表明,该方法对以上干扰均具有良好的特征定位鲁棒性,对拍摄角度不超过45°的整体随机样本的特征定位准确率达96％以上,可用于复杂现场环境下变电检测仪器面板数据精准定位及提取辅助.

摘要： 为了提高无人机航拍图像配准的实时性,通过分析无人机巡航高度相对稳定及图像缺乏高频的细节信息的特点,提出了一种改进SIFT特征点检测方法,显著提高了图像的配准速度,并构建了一个用于图像拼接的航空影像数据集进行实验验证.首先分析了SIFT(Scale Invariant Feature Transform)算法关于特征点尺度不变性的理论依据及实现方法,提出了消除冗余性能的策略;然后采用减少高斯金字塔阶数与层数以及选择在每阶的第三层图像开始检测极值点,以减小差分尺度空间规模的方法;最后在数据集上进行了与现有图像配准方法的对比实验.实验结果证明,所提方法能够获得匹配稳健、鲁棒性高的特征点,匹配耗时只有经典SIFT的1/10,该方法为无人机航拍图像快速拼接提供了技术支持.

摘要： 本文采用三次样条函数近似高斯核函数对图像构建离散尺度空间,其模糊比和初始平滑度设为2和0.627,在图像尺度空间内,依次利用边缘检测和FAST角点检测方法提取图像特征点。

摘要： 在目标检测算法中,尺度变化是目标检测的关键问题之一.针对不同目标拥有不同尺度的问题,构建一个三分支网络,生成能表示对应尺度的特征图,每个分支对应特定的感受野,分别负责检测大、中、小物体.通过筛选合适尺度的对象实例进行训练,保持各分支的尺度不变性.为保证小物体的检测效果,没有对检测小物体的分支采用下采样,同时使用膨胀卷积增加语义信息;检测大物体的分支则采用更大膨胀率的膨胀卷积,扩大感受野,获得更多的语义信息.在保证尺度不变性的情况下,特征融合必不可少,因此使用多尺度融合的思想,在不影响并行的三分支网络的情况下,对低层特征与高层特征进行了选择性融合.

摘要： 利用局部描述子对图像进行重建可以融合特征空间和图像空间,有效地减少存储消耗.传统算法先将局部描述子还原成图像块然后拼接到图像上.由于局部描述子通常具有尺度不变性,不同尺度的图像块的重建误差是不一样的,将它们一起考虑会导致重建图像中不同区域的精度不一样.为解决这个问题,提出一种尺度加权的TV范数图像重建算法.该算法对每一个局部描述子所对应的图像区域,根据其尺度设立权值,最后利用TV范数建立模型,对原始图像进行重建.实验结果表明,相比于传统方法,提出的算法重建出来的图像更精确,平均PSNR提高了1.5 dB.

摘要： 针对复杂背景的分形尺度不变性,提出了一种扩展目标分割新算法.首先将大、小两种尺度下像素邻域内的灰度信号转化为一维,分别进行离散傅立叶变换(DFT),再利用频域的极大似然估计提取分形维数,选取小尺度的分维数图表征各边缘的精确位置,而大尺度的分维数图表征抑制背景纹理后的目标主要轮廓,然后计算图像边缘的方向性函数,使大尺度边缘在小尺度边缘限定的范围内,选择幅度与方向接近的目标边缘进行连接,最后进行阈值分割,得到闭合的精确边缘结果.实验证明了算法的有效性和可靠性.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.

摘要： 本发明提供了一种联合共线仿射不变性和尺度旋转投票的影像匹配方法，包括：利用特征提取算法建立待处理影像对的初始匹配点；对任一初始匹配点，基于4邻域划分的邻域点采样，并利用共线仿射不变性几何约束进行粗差剔除，得到粗差剔除后的匹配点；利用尺度旋转投票进行匹配优化与扩展，得到优化扩展后的匹配点；利用全局几何约束进行匹配优化，得到优化后的匹配结果。本发明提出的基于4邻域划分的采样点选择方案，能够很好地解决传统K最近邻导致的局部连接关系不稳定的弊端，能够自适应初始匹配点数量。本发明提出的基于共线仿射不变性几何约束模型，具有很高的抗噪声能力，并且计算复杂度低，能够很好地满足高效率匹配需求。

摘要： 本发明公开了一种尺度、旋转和辐射不变性的多模态影像配准方法，该方法首先利用影像的多方向梯度信息构建一种描述影像局部结构特征的特征描述子—名为梯度角直方图，即GAH描述符，并利用GAH描述符对影像进行逐像素特征描述形成全局的三维特征表达图；该三维特征表达图能刻画多模态影像间的共性结构、纹理、形状等信息，能较好地抵抗多模态影像间的辐射差异。然后在三维特征表达图的基础上，利用三维相位相关作为相似性，并结合对数极坐标转换，获取影像间的尺度、旋转和平移参数，最终实现多模态影像的配准。本发明能有效抵抗影像的辐射差异，解决多模态影像间的尺度和旋转变形的问题，能适用于任意旋转和尺度差异为9倍以内的多模态影像的自动配准。

摘要： 本发明公开了一种具有尺度与旋转不变性的多模态影像特征匹配方法，包括以下步骤：1)构建非线性快速显式扩散尺度空间，对参考影像和待匹配影像进行多尺度变换，分别得到各尺度下影像；2)对参考影像和待匹配影像，分别提取尺度空间中各层影像的特征点；3)对参考影像和待匹配影像进行log‑Gabor小波函数卷积，得到多尺度多方向卷积序列，并基于该卷积序列构建最大值索引图；4)构建Log‑Gabor环形卷积序列，实现特征匹配的旋转不变性；5)基于最大值索引图构建特征点的特征描述向量；6)根据特征描述向量构建特征点匹配关系，并进行粗差剔除。本发明方法的特征选取与特征描述之间的特殊设计与结合，能快捷、准确、可靠地实现多模态影像的特征匹配。

摘要： 本发明公开了一种尺度不变性的倾斜影像多视密集匹配方法。由于倾斜影像具有尺度差异大、视角变化大以及遮挡严重的问题，给影像密集匹配造成了较大的困难。本发明提出的多视影像匹配算法，采用先提取候选匹配点、再进行候选匹配点验证的路线，结合左右双向匹配、金字塔等策略，保证了匹配点的可靠性。匹配窗口沿核线进行重采样，解决了倾斜影像视角变化问题。在沿核线采样匹配窗口时，结合当前影像对物方点的地面分辨率，对采样窗口进行缩放调整，解决了倾斜影像尺度差异问题。

摘要： 本申请公开了一种具有尺度不变性的点云对象识别方法，该方法包括：步骤1，根据模型样本中的第一点云数据，逐层提取多层卷积神经网络的卷积中心点，并根据卷积中心点的特征，计算多层卷积神经网络中最后一层卷积层的尺度不变特征，并生成点云识别神经网络；步骤2，根据训练样本中的第二点云数据，利用分类损失函数，训练点云识别神经网络；步骤3，利用训练好的点云识别神经网络，识别任意尺度的待识别立体点云对象，并输出识别分类结果。通过本申请中的技术方案，降低了点云数据缩放对点云对象识别网络输出的影响，提高了点云对象识别网络对立体对象的学习效率。

摘要： 本发明公开了一种基于时间尺度不变性的视频中人体动作识别方法及系统，包括步骤：S1基于原始视频构造子动作视频段；S2分别获取各子动作视频段的代表帧；S3获得各代表帧的光流强度图像集；S4分别获得各代表帧的图像卷积特征和光流卷积特征；S5分别融合各代表帧的图像卷积特征和光流卷积特征，获得融合特征，所有融合特征构成子动作特征集；S6采用LSTM神经网络对子动作特征集中各融合特征分别进行动作识别，获得多阶段的动作识别结果；S7融合多阶段的动作识别结果，得最终的动作识别结果。本发明对视频中持续时长变化差异很大的动作具有很好的适应性，可提升视频中人体动作特征描述的精确性和人体动作识别率。

摘要： 本发明公开了一种具有旋转和尺度不变性的多模态影像匹配方法及装置，涉及影像处理技术领域，主要目的在于提高多模态影像匹配的精度，能够提高对噪声的抵抗性和对不同模态影像的通用性，且可以消除影像间的旋转、尺度和平移差异。所述方法包括：构建多模态影像尺度金字塔，提取多模态影像尺度金字塔中各影像的特征点，构造至少两张影像层级特征图，构建具有旋转不变性的特征描述子，解算参考影像和目标影像之间的几何变换模型，目标影像重采样，构造卷积特征图，完成增强匹配及匹配点反算，将增强匹配结果作为最终结果进行输出。本发明适用于多模态影像的匹配。

摘要： 本发明涉及一种大尺度不变性的深空小天体图像匹配的方法，所述方法包括：仿真生成不同轨道绕飞小天体时拍摄的图像，建立训练数据集和测试数据集；然后构建深空尺度估计网络模型，使用训练数据集对网络模型进行训练，通过测试数据集获得输入的测试图像之间的尺度分布，进而实现深空小天体图像匹配；深空尺度估计网络模型包括全局注意力密集ASPP模块和相关感知分布预测模块；全局注意力密集ASPP模块，用于获取相关特征图；相关感知分布预测模块基于Transformer结构的下采样模块建立，用于对相关特征图进行处理得到尺度分布；将尺度分布转换为尺度因子，根据尺度因子实现大尺度变化下的图像匹配。本发明解决了小天体图像在发生大尺度变化时无法正确匹配的问题。

摘要： 一种基于尺度不变性与特征融合的目标检测算法，采用的步骤为：步骤一：将待检测图像输入到detnet59中进行特征提取，获得多个特征图；步骤二：对获得的多个特征图进行选择融合特征的方式，获得新的具有相同通道的多个特征图；步骤三：使用多个特征图生成候选框，对候选框进行多次选择分类与回归。

摘要： 本申请所提供的一种基于IRCNN和MTCNN的具有尺度旋转不变性的静脉识别方法，包括：将目标静脉图像输入预设IRCNN模型进行锐化处理，得到锐化图像；将锐化图像输入预设MTCNN模型，输出特征图；其中，预设MTCNN模型是基于预设参数进行结构构建的模型；将特征图中特征点相对特征图的方框的相对位置与预设相对位置进行比对以实现身份识别。该方法先用IRCNN模型来进行图像增强，将特征变得明显，再用MTCNN模型来提取特征，得到特征图。由于MTCNN模型具有旋转不变性和尺度不变性，故提取特征更加精确，即得到的特征图更加精确，进而能够提高身份识别的精确度。本申请还提供一种基于IRCNN和MTCNN的具有尺度旋转不变性的静脉识别系统、设备及计算机可读存储介质，均具有上述有益效果。