导读:本文包含了特征图像匹配论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:图像,特征,矩阵,图像处理,算法,阈值,无人机。
特征图像匹配论文文献综述
厉彦福[1]（2019）在《基于SURF特征提取和Brute-Force搜索的图像匹配算法》一文中研究指出针对传统图像匹配算法面临的特征提取的信息较少,匹配成功率不高以及匹配速率较低等问题,提出基于SURF特征提取和Brute-Force搜索的图像匹配算法。利用SURF算法中的Hessian矩阵来获取图像中鲁棒性较好的突变点,并使用不同尺寸的滤波器同时处理尺寸空间多层图像的突变点,以此来提高匹配速率,最后采用Brute-Force搜索算法对图像特征点进行最佳匹配,以此来提高匹配成功率。实验表明,该算法在图像匹配效果和匹配效率方面都表现良好。(本文来源于《北京测绘》期刊2019年11期）
孙红,邢子正,张智勇,马旭颖,龙耀威[2]（2019）在《基于RGB-NIR图像匹配的作物光谱指数特征可视化分析》一文中研究指出归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°, 54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF, SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性叁个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R~2分别为0.78, 0.76, 0.74, 0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。(本文来源于《光谱学与光谱分析》期刊2019年11期）
严春满,郝有菲,张迪,陈佳辉[3]（2019）在《混合特征下最优阈值预测的图像匹配》一文中研究指出针对单一特征条件下图像匹配率较低,以及SIFT算法由于固定对比度阈值造成特征点数目提取不均的问题,提出一种混合特征下最优阈值预测的图像匹配算法。该算法首先采用SIFT算法提取图像特征点,然后利用纹理参数二阶矩自适应法得到最优阈值,并用描述性较强的纹理特征向量对SIFT匹配过程进行约束实现图像的匹配。实验结果表明,提出的算法根据图像灰度分布自适应选取对比度阈值,能够增强图像细节信息且使提取的特征点数量稳定,在匹配过程中引入纹理向量作为约束准则,避免了相似区域的误匹配,对光照和模糊图像有较好的鲁棒性。(本文来源于《计算机工程与科学》期刊2019年10期）
朱成德,李志伟,王凯,高燕,郭亨长[4]（2019）在《基于改进网格运动统计特征的图像匹配算法》一文中研究指出为了解决尺度不变特征变换(SIFT)算法在图像匹配中匹配正确率低、耗时长等问题,提出一种基于改进网格运动统计特征RANSAC-GMS的图像匹配算法。首先,利用快速旋转不变性特征(ORB)算法对图像进行预匹配,对预匹配的特征点采用网格运动统计(GMS)来支持估计量以实现正确匹配点与错误匹配点的区分;然后,采用改进的随机抽样一致性(RANSAC)算法通过匹配点间的距离相似性对特征点进行筛选,并采用评价函数对筛选后的新数据集进行重新整理,进而实现对误匹配点的剔除。采用Oxford标准图库和现实中拍摄的图像对图像匹配算法进行测试对比,实验结果表明,所提算法在图像匹配中的平均匹配正确率达到91%以上;与GMS、SIFT、ORB等算法相比,该改进算法的近景匹配正确率和远景匹配正确率分别最少提高了16. 15个百分点和3. 56个百分点,说明它能有效剔除误匹配点,进一步提高图像匹配精度。(本文来源于《计算机应用》期刊2019年08期）
邵进达,杨帅,程琳[5]（2019）在《改进SIFT算法结合两级特征匹配的无人机图像匹配算法》一文中研究指出针对无人机航拍图像匹配过程中所需时间长、成本高、计算量大的问题,提出一种几何代数法(Geometry Algebra,GA)和尺度不变特征变换(Scale Invariant Feature Transform,SIFT)结合的无人机图像匹配算法,以实现图像的快速特征提取和特征匹配。首先利用GA算法和SIFT算法进行特征点的检测及描述;接下来进行两级特征匹配,即先使用快速最近邻搜索包(Fast Library for Approximate Nearest Neighbors,FLANN)算法对特征点进行粗匹配,再根据改进的随机抽样一致算法(Random Sample Consensus,RANSAC)来优化匹配结果。实验结果表明,与传统的图像匹配方法相比,提出的算法可以准确地定位更多的特征点,极大地提高了图像对准过程的速度,并且可以为大型无人机图像匹配节省大量时间。(本文来源于《计算机科学》期刊2019年06期）
张闯,杨咸兆,徐齐全,陈苏婷[6]（2019）在《基于SIFT特征的哈希快速检索与图像匹配》一文中研究指出针对SIFT算法在应用于图像匹配时,存在准确率低下和耗时等问题,提出一种SIFT特征的哈希快速检索与图像匹配方法。文中提出以二值化SIFT关键点描述子和哈希表相结合的方法对图像进行匹配。针对实验过程中出现的冲突项,通过在哈希表中添加标志位并记录冲突相个数和地址,完美地解决了高维描述子转化到低维冲突项的问题,加快了匹配速度。实验结果表明,该方法图像匹配速度优于传统SIFT匹配方法,加快了相似特征检索速度、提高了查询效率,并能够满足实时应用。所提出的采用SIFT关键点描述子的二值化与哈希检索相结合的方法,通过对比实验,证明了该方法在保证准确率的同时,提高了效率,实现了图像的实时快速匹配。(本文来源于《现代电子技术》期刊2019年12期）
章雷[7]（2019）在《基于改进的SIFT特征的图像匹配算法研究》一文中研究指出图像匹配是指通过一定的匹配算法在两幅或多幅图像之间识别特征点,从而分析图像相似性的方法。尺度不变特征转换(Scale Invariant Feature Transfonm,SIFT)是一种以局部特征为基础的重要图像匹配算法。因该算法在图像局部特征发生旋转、缩放、平移、光照影响和投影变换时保持不变的优点,而得到广泛关注。本文主要的工作是对传统SIFT算法中的特征点生成以及匹配方法进行改进。首先,对SIFT算法以及加速稳健特征(Speeded Up Robust Features,SURF)算法中的图像特征提取和匹配方法展开系统性的探究,并进行了实验分析对比。然后,在实验的基础上发现SIFT算法存在因特征点的维度高导致计算量大和因匹配条件单一导致容易误匹配等不足之处。最后,对于这些不足之处,提出了改进的方法,并进行了实验分析。具体如下:(1)由于传统SIFT算法生成的描述子具有高维性,在描述子的生成以及匹配阶段,计算过程复杂且计算量大。对于这个问题,本文提出了一种改进的方法,通过重新划分矩形像素区域来减少子像素区域的个数,从而达到减少特征向量维度,降低算法时间复杂度的目的;(2)在特征匹配阶段,传统SIFT算法仅通过欧式距离来进行匹配,当存在多个相似特征点时,易出现误匹配问题。为了解决这个问题,本文对传统SIFT算法的匹配条件进行了改进。与传统SIFT算法不同的是,本文的SIFT算法通过融入向量相关性系数,来对欧式距离无法判断的匹配点进行筛选,减少了误匹配点,达到了提高匹配正确率的目的。实验结果表明,本文提出的改进的SIFT算法在匹配时间以及匹配正确率方面相较于传统SIFT算法更佳。在特征点生成阶段,由于将特征向量的维度从128维降低到64维,所以匹配时间整体上比传统SIFT算法优化很多。在匹配阶段,由于扩增了向量相关系数的约束条件,因此其明显缩减了重复特征点的总量,并在很大程度上消除了由于相似区域较多带来的误匹配点多的问题,提高了匹配正确率。图[32个]表[4个]参[59个](本文来源于《安徽理工大学》期刊2019-06-03）
张勇,耿国华[8]（2019）在《基于不变尺度特征变换和有界失真映射的受损文物图像匹配方法》一文中研究指出针对受损文物图像这一特殊数据源,提出一种结合不变尺度特征变换(SIFT)和保扭曲映射的图像匹配(SBD)方法.该方法基于SIFT特征建立特征叁角网格映射,对网格映射添加保扭曲约束,构建非凸的约束空间,并将属于L0范数问题的目标函数使用代理函数近似.实验结果表明SBD方法可以优化并减少错误匹配,对于解决破损文物图像匹配问题的研究具有较好效果.(本文来源于《厦门大学学报(自然科学版)》期刊2019年03期）
赵鹏图,达飞鹏[9]（2019）在《基于局部特征的大视角图像匹配》一文中研究指出针对全空间仿射不变(ASIFT)算法在解决大视角场景下的图像匹配问题时存在稳健性差、匹配效率低的缺点,提出了一种新的图像匹配算法。采用非线性扩散滤波代替高斯线性滤波对图像进行预处理,以提高检测到的特征点的稳健性;在图像模拟变换过程中采用掩模算子对有效区域进行标记,以提高特征点检测效率。根据视角模拟变换原理,提取特征点不同视角变换下的邻域信息,提出了多视角最近邻匹配与加权匹配规则,建立了多视角描述子,提升了匹配效率。实验结果证明,相比现有的特征匹配算法,所提算法不仅对视角变化具有很好的稳健性,还提高了图像匹配效率与准确度。(本文来源于《光学学报》期刊2019年05期）
阳兰,胡立坤,吴浩楠[10]（2018）在《融合彩色和光照信息的尺度不变特征变换图像匹配算法》一文中研究指出针对灰度图像色彩信息缺失导致尺度不变特征变换(SIFT)算法匹配能力差的问题,提出一种新的融合色彩和光照信息的SIFT图像匹配算法。新算法首先求出彩色图像各个像素的彩色补偿量和光照补偿量;在图像灰度化时增加彩色补偿量和光照补偿量来增强对比度,以减小颜色差异带来的匹配误差;采用SIFT算法对获得的灰度图进行图像匹配。对7组存在多种变化的图像对进行匹配测试,结果表明,新算法可以有效区分不同颜色但灰度相似的区域,增加了SIFT算法的匹配点数和准确率,提高了算法的匹配性能。(本文来源于《广西大学学报(自然科学版)》期刊2018年06期）
特征图像匹配论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
归一化植被指数(NDVI)基于可见光的红色波段(630～680 nm)和近红外区(780～1 100 nm)的反射光谱进行计算,被认为是作物营养与长势诊断的重要指标。为了低成本、快速、无损的检测作物叶绿素含量,计算植株的NDVI并呈现作物的NDVI分布情况,并通过不同角度图像的分析,监测作物营养分布与动态。利用可见光和近红外波段双目成像技术获取图像,在讨论可见光(RGB)和近红外(NIR)图像的匹配算法的基础上,经图像分割与光照影响校正后,针对不同测试角度建立了作物植被指数空间分布图,并对其空间分布特征与影响因素进行了可视化分析。试验利用可见光和近红外双目相机对51株玉米植株,分别在90°, 54°和35°视角下同步采集RGB和NIR图像。对RGB和NIR图像分别进行高斯滤波和拉普拉斯算子增强预处理后,选取了SURF, SIFT和ORB共3种图像匹配算法,并首先利用其进行RGB-NIR图像匹配对齐,以匹配时间(Time),峰值信噪比(PSNR),信息熵(MI)和结构相似性(SSIM)4个参数作为匹配性能评价指标,分别从时间、准确性、稳定性叁个方面综合确定最优匹配方法。其次,研究玉米植株的分割方法包括超绿算法(ExG)和最大类间方差算法(OTSU),分别实现图像中作物和背景的分离,提取分割后的RGB图像R(Red), G(Green), B(Blue)分量和NIR图像分量。基于HSI颜色模型,提取I分量讨论了光照对图像的影响,并利用多灰度级标准板建立了植株光谱反射率校正线性公式。然后,利用R(Red)和NIR图像分量计算图像中每个像素的NDVI值,绘制作物植被指数的空间分布图,从而对比分析了不同拍摄角度下光谱植被指数的分布特征。通过不同角度图像的NDVI分布情况,展示监测作物植株不同位置的叶绿素分布情况。结果显示, RGB-NIR图像匹配时间SIFT(1.865 s)>SURF(1.412 s)>ORB(1.121 s),匹配准确性上SURF≈SIFT>ORB,匹配稳定性上SURF>SIFT>ORB,综合比较选取SURF为最优匹配算法。采用4灰度级标准板对R, G, B, NIR分量校正模型的R~2分别为0.78, 0.76, 0.74, 0.77。90°和35°视角分别展现了作物叶和茎的NDVI植被指数分布情况,可为分析和监测作物的营养分布提供技术支持。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
特征图像匹配论文参考文献
[1].厉彦福.基于SURF特征提取和Brute-Force搜索的图像匹配算法[J].北京测绘.2019
[2].孙红,邢子正,张智勇,马旭颖,龙耀威.基于RGB-NIR图像匹配的作物光谱指数特征可视化分析[J].光谱学与光谱分析.2019
[3].严春满,郝有菲,张迪,陈佳辉.混合特征下最优阈值预测的图像匹配[J].计算机工程与科学.2019
[4].朱成德,李志伟,王凯,高燕,郭亨长.基于改进网格运动统计特征的图像匹配算法[J].计算机应用.2019
[5].邵进达,杨帅,程琳.改进SIFT算法结合两级特征匹配的无人机图像匹配算法[J].计算机科学.2019
[6].张闯,杨咸兆,徐齐全,陈苏婷.基于SIFT特征的哈希快速检索与图像匹配[J].现代电子技术.2019
[7].章雷.基于改进的SIFT特征的图像匹配算法研究[D].安徽理工大学.2019
[8].张勇,耿国华.基于不变尺度特征变换和有界失真映射的受损文物图像匹配方法[J].厦门大学学报(自然科学版).2019
[9].赵鹏图,达飞鹏.基于局部特征的大视角图像匹配[J].光学学报.2019
[10].阳兰,胡立坤,吴浩楠.融合彩色和光照信息的尺度不变特征变换图像匹配算法[J].广西大学学报(自然科学版).2018
论文知识图
