基于SIFT算法与RANSAC算法的X射线图像匹配研究

为了提高图像匹配的精确度,提出一种基于SIFT算法与RANSAC算法相结合的方法对X射线图像进行匹配。通过最近邻次近邻比值法对特征点进行粗匹配,利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现精确匹配。实验结果表明了该方法的准确性和有效性。     

一种基于ORB特征和运动一致性的图像校正算法

目前图像校正算法使用较多的是SIFT特征点和随机采样一致性(RANSAC)算法,但是在提取SIFT特征和用RANSAC算法剔除误匹配会消耗大量的时间,剔除误匹配后仍然存在少量错误。因此提出一种基于ORB特征和运动一致性算法实现图像校正。首先提取ORB特征,使用汉明距离进行初始匹配,然后采用运动一致性算法剔除错误匹配,再使用拓扑约束项对顽固误匹配进行剔除,最后利用RANSAC算法计算出变换矩阵H,从而完成图像的校正。实验结果表明,与SIFT算法相比,该算法不仅特征检测和匹配速度较快,计算资源消耗较少,且具有很好的鲁棒性。     

Delaunay三角网优化下的小面元遥感影像配准算法

针对遥感影像配准中控制点分布不均匀而影响配准精度的问题,论文提出三角网优化模型下的小面元遥感影像配准算法。首先利用RFM模型与DSM数据对其进行正射纠正;其次采用SIFT算子匹配特征点,通过RANSAC算法对其优化;同时设置影像边缘格网点,综合利用仿射变换、核线约束和灰度相似性约束匹配边缘格网点;构建初始Delaunay三角网,通过三角单元面积与角度双重约束优化三角网;最终通过扫描线填充算法实现小面元影像配准。多组实验结果表明该算法在遥感影像配准中的适用性和有效性,影像配准精度可达到亚像素级,使得存在地形起伏的遥感影像配准问题得到了有效解决。      

基于对极几何约束的SIFT匹配

以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容,给出了SIFT特征匹配算法。分析基于对极几何约束的SIFT匹配点检测的基本原理;研究了图像二维平面间的射影变换,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了对极几何约束的SIFT匹配的可行性;为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。     

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其它两种误匹配点剔除算法,且时效性也较RANSAC算法好。      

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。     

基于不变因子的SIFT误匹配点剔除及图像检索

为解决尺度不变特征变换(SIFT)算法在图像发生旋转和尺度变化时产生的错误匹配问题,提出一种新的算法。根据SIFT提取的关键点信息,利用正确匹配点对间的旋转不变因子和尺度不变因子来剔除SIFT误匹配点,然后对保留下来的特征点进行聚类分析,对目标图像进行识别判断,并通过实验将该算法与双向匹配算法和随机抽样一致性算法(RANSAC)进行比较。实验结果表明,该算法能够有效地剔除误匹配点,且误剔除率低。剔除误匹配点后再进行图像检索,图像的漏检率和误检率都大大地降低了。     

基于梯度结构的星载红外图像和全色图像配准方法

针对红外图像与全色图像的不同的成像特性,提出了一种基于图像的梯度结构信息的匹配算法.首先对原始的红外和全色图像分别进行梯度计算,得到图像的梯度强度图;对梯度图进行结构相似性度量,获得图像间同名点对.然后采用RANSAC算法剔除误匹配的同名点.最后利用同名点对构建三角网小面元,并进行变换而得到配准图像.实验结果表明,算法可以有效地利用红外图像中地物的结构信息,匹配精度高.     

基于ORB和角点方向夹角约束的快速图像配准方法

针对图像间存在不同形变、光照等情况下配准难度大的问题,基于尺度不变特征变换(SIFT)的配准方法计算量大、无法满足实时性的要求,提出一种基于Oriented FAST and Rotated Brief(ORB)与角点方向夹角约束的快速图像配准方法.首先在两幅图像中分块提取ORB特征点,采用一种基于双阈值的汉明距离进行特征点匹配,针对随机抽样一致性(RANSAC)算法无法剔除错误匹配的特征点,以角点方向夹角一致性为约束条件,有效剔除误配点;然后再用RANSAC算法计算出最佳变换矩阵,完成图像配准.实验表明,采用具有不同形变、光照等情况下的3组图像,该方法不仅能很好地配准图像,并且3组图像配准的平均时间为80.399 ms,不到SIFT配准方法所需时间的1/20,兼顾了图像配准的有效性和实时性.     

A stereo matching algorithm based on SIFT feature and homography matrix

Aiming at the low speed of traditional scale-invariant feature transform (SIFT) matching algorithm, an improved matching algorithm is proposed in this paper. Firstly, feature points are detected and the speed of feature points matching is improved by adding epipolar constraint; then according to the matching feature points, the homography matrix is obtained by the least square method; finally, according to the homography matrix, the points in the left image can be mapped into the right image, and if the distance between the mapping point and the matching point in the right image is smaller than the threshold value, the pair of matching points is retained, otherwise discarded. Experimental results show that with the improved matching algorithm, the matching time is reduced by 73.3% and the matching points are entirely correct. In addition, the improved method is robust to rotation and translation.     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。     

基于SIFT的多焦距图像特征点提取算法

将尺度不变特征变换（SIFT）算法应用到图像的特征点提取与匹配中,SIFT算法可在尺度空间寻找极值点,提取对图像焦距变化具有稳定性的特征点及其特征描述符。在采用SIFT算法提取图像的特征点及其特征描述符后,提出了一种特征点精匹配算法进行特征点的匹配,并通过仿真证明该算法具有很好的效果。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

一种用于组合导航的SAR图像快速匹配算法

提出了基于合成孔径雷达(SAR)图像匹配技术的惯性导航系统(INS)/SAR组合导航方法。首先将计算机视觉领域的快速鲁棒性特征(SURF)算子用于对SAR图像的局部特征描述,然后对兴趣点建立快速索引,并用阈值为0.6的最近邻法则进行快速的初匹配,最后使用随机抽样一致(RSC)进一步去除错误的匹配点对。实验中,用2组真实的SAR数据对算法进行仿真并与尺度不变特征变换(SIFT)算子进行比较,结果显示,两者的鲁棒性相差很小,但在匹配时间上本文算法明显优于SIFT算子,本文算法更适用于组合导航的SAR图像匹配。     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法。首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。     

基于函数拟合的SIFT误匹配点剔除算法

针对RANSAC算法在剔除SIFT误匹配点实验中存在耗时长、误匹配等问题,提出了基于函数拟合的SIFT误匹配点剔除算法。首先采用SIFT算法进行待匹配图像与匹配图像的匹配工作,对匹配后的待匹配图像关键点采用迭代最小二乘拟合法构建函数模型,然后与匹配图像特征关键点进行拟合,最后计算两者的误差,当误差大于给定阈值时,确认该点为误匹配点,对其进行剔除。实验结果表明,采用基于函数拟合剔除误匹配点在时间上比RANSAC算法平均节省了2 s,正确匹配率提高11.75%,并且较多地保留了正确匹配点。