基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

用于遥感图像拼接的改进SURF算法

经典的SURF算法存在许多不足,如特征描述符维度高、运算量大,对于旋转和拍射视角变换角度过大时,匹配精度低等。针对以上问题,提出了一种改进算法,首先通过Hessian矩阵提取特征点,然后采用特征点圆形邻域进行特征描述,使用Haar小波响应为每个特征点建立描述符,同时计算邻域内归一化的灰度差分及二阶梯度,形成新的特征描述符,最后采用RANSAC算法剔除误匹配点。该算法不仅较经典SURF算法具有速度优势,同时充分利用了灰度信息和细节信息,具有更高的精度。实验结果表明:该算法对图像的模糊、光照差异、角度旋转、视场变换等均有良好的鲁棒性和稳定性。将该算法应用于遥感图像拼接,得到无明显几何移位、边缘衔接良好的拼接图像。该算法是一种耗时短、精度高的图像配准算法,能够满足遥感图像拼接对配准的要求。     

基于特征点的图像拼接方法的研究与应用

图像拼接技术是图像处理的热点领域,图像配准和图像融合是图像拼接的两个关键技术. 本文研究了基于特征点的配准方法,使用SURF算法完成特征点的检测和描述. 在此基础上,调用OpenCV的API,实现了图像拼接,完成了柱面全景图的拼接和分析. 实验证明,该方法在自动化程度、运算速度和鲁棒性方面效果理想.     

基于局部结构的图像拼接算法研究

针对传统图像拼接仅考虑特征相似性的现状,提出了一种基于改进的SURF(Speeded Up Robust Features)特征匹配的图像拼接算法。首先提取尺度不变性特征点,并利用SURF算子的描述方法对特征点进行描述;然后用RANSAC(Random Sample Consensus)去除误匹配对,得到初始的转换参数;最后将描述子相似性与局部结构特征相结合,进而求得匹配矩阵,利用得到的最终转换参数进行图像融合。研究结果证明,本文算法提高了图像拼接的精准度,细节处理效果更好。     

基于无人机航拍图像快速拼接方法的研究

无人机航拍图像拼接已经针对无人机航拍图像特征不明显、拼接速度较慢等问题,提出了一种基于无人机POS系统数据的快速拼接方法.针对无人机POS系统会受到地理环境、风速等影响以及无人机POS数据的精度较低等问题,引入光束区域网平差方法建立优化参数方程,对优化后的数据进行一系列的坐标变换计算出影像的四个角点的地理坐标,以第一张影像地理坐标为基准,进行航拍图像的快速拼接.拼接结果与基于SURF图像拼接算法进行对比,算法在拼接的速率比基于SURF算法更高.     

一种仿人足球机器人视觉系统环境特征获取与识别方法

环境感知是仿人机器人系统进行决策的前提和基础.提出一种通过图像拼接技术获得完整的环境信息以供决策的方法.首先通过对同一机器人所获得的不同角度的图像进行特征提取,提取SIFT特征点,然后对提取特征点的待匹配图像通过K-D树方法进行初匹配,再通过RANSAC方法剔除错误匹配点,进而利用双线性插值法进行图像融合.最后对融合后的图像利用Canny算法提取边缘线,获得环境特征.实验表明这种方法是有效的.     

基于元胞自动机的棉制品图像的拼接方法

棉制品布面检测中,布面图像的采集很关键,通过棉制品图像拼接来得到一幅大范围完整的图像.用固定相机和调节运作台传输的速度可以人为的设定两幅图像重叠范围.先对待拼接的图像进行去噪和二值化,去掉较多的伪信息,来得到较好的图像轮廓信息;接着用元胞自动机模型进行图像边缘检测得到边缘信息;再提取出特征点进行图像拼接和融合后,得到一幅大视角的图像.实验结果证明这种方法可以有效地实现特征点较少的图像间的拼接.     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

近景影像特征点匹配方法比较研究

近景摄影测量因其拍摄方式灵活,影像之间的相对几何变形大,常导致同名点匹配失败.本文采用SIFT、SURF、FAST+BRIEF和ORB 4种计算机视觉算法,对不同场景和摄影条件下的近景像对进行特征点检测与描述,结合BFMatch和FlannMatch两种方法对特征点实施匹配.实验表明,所用算法的计算耗时越长,匹配结果越好.SIFT、SURF适合于高精度连接点的自动生成,而FAST+BRIEF和ORB可用于相对几何变形小的立体影像密集点匹配.     

视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。     

结合亮度估计的航空相机曝光融合方法

航空相机CCD(charge coupled device)动态范围有限,在高动态范围场景下通过调节曝光量的方式不能保证图像中所有部分都准确曝光.为了解决这一问题,在复小波域内结合亮度估计对航空多曝光图像进行融合.首先,在相同高动态场景下调节曝光参数曝光多次,获得这一场景的多曝光图像序列,使用基于SURF(speeded up robust feature)算法的小范围快速配准策略对其配准.然后估计它们的亮度情况,在复小波域内,根据亮度情况分配权值对低频分量进行融合,采用加权的区域能量最大法对高频分量进行融合.最后,将融合后的低频分量和高频分量经逆变换得到结果.得到的结果在空间频率、图像清晰度、平均梯度和边缘信息保持度方面表现较好.实验结果表明:在复小波域内结合亮度估计的方法得到的图像亮度适宜,无重影现象且较好地保持了源图像中的细节信息,该方法可适用于多种高动态场景,满足航空相机的工作需求.     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于Harris角点的木材CT图像配准

提出一种三角形法描述Harris特征点的方法,该算法首先利用Harris算子对两幅图像进行角点检测,将检测到的角点按照权值大小进行排序后,利用三角形法对特征点进行特征描述,从而找出两幅图像间特征点相互对应的关系,同时也得到了图像配准所需要的参数。实验结果证明,该算法配准准确率高,速度快,具有很强的鲁棒性。     

区域快速鲁棒特征跟踪电子稳像

针对稳像过程中稳像精度易受光照变化、噪声、局部遮挡等因素的影响,提出了一种区域快速鲁棒性不变特征跟踪稳像算法。首先采用改进的快速鲁棒性特征(SURF)算法提取图像局部区域特征点及其描述,然后,采用动态平衡KD树(DBKD-Tree)快速搜索匹配算法,实现局部区域特征点跟踪匹配,最后利用配准的特征点对,根据均方差最小计算稳像的全局参数实现稳像。在不同光照条件、噪声环境下进行了稳像测试,加入20%的高斯噪声时均能100%地重复检测特征,达到亚像素定位精度,误匹配率低。