摘要：为实现水下图像拼接实时性和鲁棒性的要求,提出一种基于SURF算法的水下图像配准方法.首先针对水下图像进行预处理;然后采用SURF算法获取参考图像和配准图像的特征点,采用kD树方法找出潜在的配准点对,再结合RANSAC和最小二乘法求出图像之间的映射关系,在取出外点的同时迭代计算出最终的精确解,并使用双线性插值方法对待配准图像进行重采样,得到配准后的图像;最后使用加权平均算法进行图像融合,完成水下图像拼接.实验结果显示,该方法明显地改善了水下图像质量;与基于SIFT算法的图像配准方法相比,两者准确度相当,但其特征点提取速度快10倍左右,总的配准速度快5倍左右,极大地提高了实时性,并具有相当的鲁棒性.

摘要：在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。

摘要：为提高近色背景果实识别的准确性,减少非结构化因素对识别的影响,提出基于近红外像机和可见光像机组合捕获多源图像进行配准的方法。对采集的多源图像使用基于中值滤波和小波变换相结合的方法进行去噪,针对特征点分布不均匀的情况,采用图像分块策略进行改善。在用改进的SURF提取特征点后,使用特征偏移一致性原则进行提纯,结合RANSAC (随机抽样一致)和最小二乘法求出图像间的仿射关系并完成配准。实验结果表明,所提方法在图像配准的实时性和鲁棒性方面高于原SURF算法。

摘要：针对基于加速鲁棒特征(SURF)的图像配准算法的配准精度易受重复特征干扰的影响这一问题,提出一种基于SURF的抗重复特征干扰的图像配准方法。使用SURF算法提取图像特征点;针对重复特征干扰,提出一种特征点分类匹配方法以取代传统的全局匹配,在不显著增加计算量的情况下有效的降低误配率;使用随机抽样一致(RANSAC)算法进一步筛除误配,并计算出图像转化矩阵以完成配准。实验结果表明,该方法能有效抑制实验图像中严重的重复特征干扰,并获得较高的配准精度。

摘要：人脸检测与跟踪技术是计算机视觉领域研究课题之一,在军事及民用领域应用广泛。在目标检测算法中,基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来目标检测领域的研究热点。SIFT算法便是其中之一,但传统的SIFT算法应用于人脸检测过程中有数据量大、计算耗时长,提出了一种基于SURF算法的人脸检测方法,阐述了SURF算法的基本原理,并首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,使用OpenCV技术实现了基于SURF算法的人脸跟踪验证系统。试验结果表明,基于SURF算法的人脸跟踪系统匹配识别效果较好,实时性较好、具有较好鲁棒性。

摘要：针对动态的实时目标跟踪算法Camshift(continuously adaptive meanshift)在背景复杂或者存在较多与目标颜色相近的像素时,容易出现跟踪目标丢失的问题,研究并实现一套基于Camshift和SURF(speeded up robust features)算法的目标跟踪系统。使用双内核的DM3730为核心,连接网络摄像头实现图像的动态采集,在DM3730上实现SURF算法和Camshift算法的融合,并负责将采集到的视频压缩,通过网络传输到计算机,对得到的图像做进一步结果分析。实验结果表明,基于Camshift算法和SURF算法融合的目标跟踪系统在简单背景、有相似物体干扰和复杂背景等情况下都能够更准确快速地跟踪到目标,鲁棒性更强、效果更好。

摘要：介绍了SURF算法和MeanShift算法的基本原理。将MeanShift跟踪算法应用于视觉鼠标技术，提出了基于OpenCV技术的视线系统设计方法；提出了基于SURF算法的自动嘴部区域初始化MeanShift改进算法。实验结果表明，算法匹配识别效果较好，基于MeanShift跟踪算法的嘴唇跟踪系统实时性好、具有较好鲁棒性。

摘要：人脸检测和人脸跟踪[1]技术已成为计算机视觉领域研究的热点。针对SURF算法的优点,首先将SURF算法应用于人脸特征检测与跟踪,阐述了人脸跟踪系统设计方法,首先使用OpenCV技术实现了基于SURF算法的人脸特征跟踪系统。实验结果表明,基于SURF算法和OpenCV技术的人脸跟踪系统匹配识别效果和实时性较好,对人脸旋转、尺寸变化和环境光照变化具有较好鲁棒性[2]。