摘要：纺织品的图案具有功能性和艺术性的特点,通过检测纺织品图案,有助于分析图案文化背景、传统和历史,并丰富图案设计类型。目前,传统图案匹配算法以区域匹配为主,通过衡量区域内相似度实现匹配,但此类算法匹配时间慢、精度低。由于图案特征点个数远少于像素点个数,故采用基于特征点的尺度不变特征变换算法实现匹配,首先在尺度空间检测特征点并生成描述子,而后通过欧氏距离实现目标图案匹配。实验结果表明,在几何图案匹配时,正确率和召回值为84%,卡通和民族图案匹配的正确率和召回值均为100%。由此说明该算法能够较好的适应各种待匹配纺织品图案尺度和角度的变化,并能够对结构复杂图案实现较好匹配,证明该算法在纺织品的图案匹配应用方面具有有效性和可行性。

摘要：针对传统人工测量方法不能满足轨道交通结构变形监测精度要求高、实时性要求强等问题,本文提出一种尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法,基于该算法可实现机器视觉对轨道交通结构变形实时监测,同时基于MATLAB语言构建机器视觉轨道交通变形监测系统,并对该系统监测结果进行精度评估。结果表明,基于SIFT算法构建的机器视觉轨道交通变形监测系统与传统测量结果有较好的一致性,总体精度优于1mm。总之,SIFT算法可较好地匹配特征点信息,能够用于实现机器视觉轨道交通结构变形监测,同时机器视觉轨道交通结构变形监测系统在自动化程度、实时性、成本方面具有显著优势,拥有广阔的应用前景。

摘要：为解决建盏真伪区分问题,通过改进的尺度不变特征识别算法,建立实验原型系统,用于识别不同类型釉面的建盏。研究的识别模型在云端上提供服务,以便对建盏釉面的相似性进行判断。该系统采用Streamlit平台构建实验性人机交互界面。针对识别模型,研究开发了基于边界跟随法的图像预处理策略,旨在滤除背景和无关材料特征干扰,提高自然条件下拍摄的图像识别能力,以减少对建盏釉面的误判可能性。利用改进的基于支持向量机(support vector machines,SVM)的尺度不变特征变换(scale-invariant feature transform,SIFT)特征匹配分类策略,设计了多项性能实验,以获得足够的数据集分辨率、SVM最优超参数和初始化所需的最小数据集参数模型。经实验证实,系统可清楚地区分相同类型釉面图案(兔毛釉、滴油釉)的相似性。它使用给定的有限数据集提供高达92.60%的识别准确率,并将单次识别速度提高0.84 s。

摘要：从尺度不变特征变换算法的实时性与鲁棒性分析入手,针对其在特征点匹配精度和匹配效率两方面不足,提出一种基于运动目标的多尺度特征提取算法.该算法通过设计出一种基于尺度因子变化的高斯核模板尺寸自适应调整以及时间轴帧图像双向配准的办法,成功地修正了运动目标图像配准的实时性与鲁棒性的不足.实验证明,多尺度特征提取算法能够有效而快速地完成时间轴帧图像的特征点匹配.

摘要：针对尺度不变特征变换(SIFT)算法计算复杂度高和匹配速度慢的难题,提出一种新的基于局部二进制模式(LBP)的尺度不变特征变换算法.首先采用高斯差分尺度空间检测局部极大值,利用圆形邻域统计梯度方向直方图来确定特征点的主方向,再通过坐标轴旋转避免图像旋转的计算代价;然后运用改进后的LBP算子求取特征点邻域的纹理信息,得到132比特的特征点描述子,有效地降低了描述子的计算复杂度;最后运用逻辑与运算对描述子进行特征点匹配.图像匹配实验结果表明,该算法具有尺度不变性、旋转不变性、仿射不变性和光照不变性等优良特性,在保证匹配正确率与SIFT和CS-LBP算法基本一致的情况下,运算速度优于以上2种算法,其中光照不变性明显优于SIFT算法.

摘要：原始SIFT算法采用不同参数的高斯核取差,是对图像空间性质的一种测量方法.本文在光谱维度上取差,用光学系统在光谱维度上的差异作为图像空间性质的测量方法;传统SIFT方法及大量的改进方法只统计以特征点为中心的邻域范围内图像块的像素信息,文中将匹配过程分为2个步骤,首先利用邻域范围内的图像块像素信息进行粗匹配,然后选取排序后相似程度最高的4组匹配对作为基准匹配对,对特征点进行二次校验.仿真结果表明文中的设计方式显著增加了检测到的特征点数量,有效剔除了错误匹配.

摘要：针对图像配准容易产生误配准、漏配准的问题,提出了基于改进尺度不变特征的图像局域几何配准。该方法改进了尺度不变特征,通过构建边缘尺度空间设计了尺度不变边缘特征变换,融合了尺度不变特征点和尺度不变边缘。以尺度不变特征为基础,搜寻图像间的局域图像变换,实现图像局域几何配准。实验表明,SIFT特征点和边缘信息互补能够提供更多的配准信息并减少错误配准;该方法对尺度、噪声、形变、光照等不敏感,能够配准移动目标,真实地反映图像的配准状况。

摘要：为改良稠密SIFT特征难以捕获图像深层细节信息的缺陷,提出一种基于多尺度分析的稠密SIFT特征提取方法。将小波分析的多尺度结构与稠密SIFT特征提取方法相结合,在小波空间中提取图像不同层面、不同方向上的稠密SIFT特征,通过特征融合生成的新特征保留稠密SIFT特征易于计算、采样点均衡等优点,兼具稀疏SIFT特征的多尺度结构,有利于发现图像中隐藏的深层信息。实验结果表明,该方法可有效提升图像分类结果准确率。

摘要：针对SIFT特征提取的硬件实现结构复杂、难以达到实时性的问题,提出一种改进的高斯金字塔构建方法,该方法从构建高斯金字塔的原始意义出发,大幅减少了所需的运算时间和存储单元。同时提出并验证了合适的SIFT参数配置,以及具体的硬件优化和并行实现方案,使整个系统可以在一片单独的FPGA芯片上实现。该系统读入串行像素数据流,输出关键点的特征描述符,并采用256×256的图像对其进行了仿真验证,结果表明完全达到了实时的效果。

摘要：提出了一种在不同尺度空间下特征点提取的方法。该方法通过构造图像设高斯金字塔和高斯差分金字塔,进行极值检测,然后在极值点中去除低对比度的点并消除边界点的响应,得到关键点,最后计算关键点的方位和模的大小,从而得到特征点。利用该方法把取得的特征点对图像旋转、亮度变化、尺度缩放等情况下保持不变,此外对视角变化、仿射变换、噪声也保持一定的稳定性。给出了实验参数,并且对实验结果进行分析。