摘要：针对orb算法面对光照变化时提取特征点数量不稳定及特征点定位精度仅有像素级的问题,本文设计了一种基于前背景对比的自适应阈值方法,且结合现有的亚像素定位方法对orb算法进行了改进。同时为了避免RANSAC算法因需人工设置阈值导致误差的问题,将MAGSAC++算法引入特征匹配过程,用于误匹配剔除。试验结果表明,改进算法能够获取数量较多的匹配数目,对光照变化具有更好的稳健性,且匹配精度提高了7%以上。

摘要：针对orb算法在图像匹配中特征点的提取会存在一些不稳定边缘点,为了提高orb特征点匹配的准确性,提出了使用方向梯度直方图(HOG)描述符与快速最近邻逼近搜索函数库(FLANN)相结合的匹配算法。本算法通过移动的HOG窗口对图像中的局部窗口进行初步匹配,然后在HOG窗口的约束下通过使用FLANN对orb特征点进行图像预匹配,最后采用随机采样一致性(RANSAC)对错误的匹配点进行剔除实现图像的精确匹配。经实验测得本文算法的预匹配准确率由原来的89%提高到了94%,实验结果表明采用HOG窗口与FLANN相结合的匹配算法可以有效的提高orb特征点预匹配的准确率,并具有较好的稳定性。

摘要：工具箱的智能管理在工程应用中具有重要作用;为了符合对微小工具和工具唯一性检测的要求。提出了一种以图像识别技术为基础的工具箱管理方法;采用了orb算法在图像识别处理中的关键技术,通过FAST检测算子的特征点提取以及BRIEF描述算子特征点特征算子的产生,生成的描述符是二进制字符串,选用简单的汉明距离用于特征点匹配;经实验证明该方法能快速,准确的对工具箱内的5种异形工具进行分析处理,从而实现了对工具的实时智能管理,符合工程应用的要求。

摘要：传统的图像配准方法存在输出图像连续性低的缺陷。因此,文章提出基于改进orb算法的图像配准方法研究。设计图像配准流程,计算多点控制图像位置,匹配图像控制点;明确特征点误差匹配方式,计算图像特征点偏差值;获取图像边缘灰度值,按照图像中矩阵排列方式,矫正输出图像。设计实验,模拟实验环境,验证提出的图像配准方法在实际应用中可提升输出图像的连续性。

摘要：orb算法匹配效率较高、鲁棒性较好,网格运动统计算法可保留更多内点,故结合使用orb和网格运动统计算法并在航拍图像上验证匹配效果。经实验证明:与orb+RANSAC算法相比,执行效率提高0.2 s左右,内点比约提高11%,内点数量大幅度增加,所提算法可应用在对效率、稳定性和内点数量要求较高的航拍场景。

摘要：随着互联网的迅速扩展,数字媒体图像开始在网络上大量的传播。随之而来的却是数字媒体图像大量滥用和盗版等侵权问题,这使得数字版权保护成为一个需迫切解决的问题。为了解决这一问题,本研究设计了一个用来实现图像相似度对比的图像监控系统,该监控系统在特征提取、特征匹配和阈值评判上分别采用了改进orb算法、Brute Force算法和Logistic算法。特别是在特征提取上研究采用四叉树算法优化改进orb特征提取的过程,在提高算法运行速度的同时增加了特征的稳定性减少了特征的重复性。经实验表明,改进的orb算法的特征提取具有良好的性能,能有效的提升疑似侵权图像的识别度,具有较高的实用价值和研究意义。

摘要：orb算法能够快速匹配油水两相流中的油泡。相比SIFT算法和SURF算法,orb算法拥有无可比拟的速度优势。然而,orb算法匹配油泡的过程中,存在油泡匹配准确率低、角点提取速度慢、角点数量少等缺陷,降低了油速测量的准确度。为提升油泡匹配准确率和油速测量准确度,对orb算法进行如下改进:角点提取方面,通过Shi-tomasi角点响应算法替代Harris角点响应算法,加快角点提取速度;通过对角点之间最小距离d值的探索优化,确定最佳d值,使Os区域,即油水两相流图像中不明显油泡所在的区域,能有效提取到角点,增加角点数量,同时优化角点分布。油泡匹配方面,在RANSAC算法基础上,融入GMS算法,进行RANSAC-GMS双重去除误匹配对,提高油泡匹配准确率,最大限度保留正确匹配对,提升正确匹配对数量。实验结果表明:改进的orb算法在提取角点耗时上缩短至原始orb算法的37%;角点数量是原始orb算法的1.9倍;正确匹配对数量是原始orb算法的2.3倍。改进的orb算法提高了油泡匹配准确率。最后,基于改进的orb特征点匹配的PTV算法对油速进行测量,实验结果表明油速测量准确度达94.0%,提升26.5%,能够用于实际油速测量。

摘要：图像特征是图像处理研究的重要内容,其中图像特征点应用十分广泛,目前已经有多种优秀的特征点算法,但这些算法在特征点提取时十分依赖图像质量,在实际应用中图像特征点提取稳定性差,特征点数量往往不足。所以所提出基于神经网络的特征点提取方法,针对orb特征点设计网络及损失函数,以Caltech 101数据集作为训练、测试数据集,其中标签的制作是以开源计算机视觉库OpenCV中的orb特征提取算法为基础的,网络提取是由PyTorch框架实现,并最终使用Python语言实现整个实验。代码在已经在https://***/later-3/NN4orb开源。实验结果证明,该方法对图像质量要求较传统orb算法低,降低提取orb特征点对图像的依赖,提取的特征点数量可以根据阈值动态调节,提高了orb特征点提取的稳定性。

摘要：为解决传统的orb算法提取的特征点分布不均匀且匹配时存在误匹配等问题,在原有算法的基础上提出分区域进行特征点提取并融合GMS算法剔除误匹配的改进特征点提取匹配算法。将四叉树原理引入到特征点提取中,将图像分为若干个网格,在每个网格中进行特征点提取,在匹配过程中利用剔除错误匹配的统计量替代运动平滑性约束。在TUM数据集图片上的实验结果表明,融合GMS的orb特征点提取与匹配算法的匹配效果明显优于原始的orb算法及其它同类算法。

摘要：考虑到无人机运动、机载摄像头采集效果、信号传输以及环境变化等因素,针对传统orb特征匹配算法存在匹配精度低、鲁棒性差等问题,提出了一种基于稀疏光流法的改进orb特征匹配算法。首先,采用高斯滤波对无人机采集的图像进行预处理,并采用Harris算子剔除特征点中伪角点,提高图像特征点的质量;其次,采用K-means++算法实现图像特征点的聚类处理,由此减少暴力匹配的计算量;在此基础上,将稀疏光流法引入orb特征匹配算法,计算特征点的运动向量并根据估计特征点在待匹配图像中的二维坐标,实现剔除偏离聚类中心较远的特征点匹配对,再经过随机抽样一致性算法优化后最终特征匹配结果。实验结果表明了所设计的改进orb特征匹配算法可行性和有效性。