基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

基于角点匹配的图像拼接技术

采用的Harris角点匹配的算法是基于图像灰度的自相关函数,直接从灰度图像中检测兴趣点的算法.该算法简单,而且配准精度较高,具有较好的抗干扰的能力.此算法使图像拼接过程中对图像重叠律的要求降低到了15%,同时使图像的配准拼接速度提高了60%.达到了兼顾算法的精度和效率两个方面的目的.     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于区域特征与灰度交叉相关的序列图像拼接

针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法。该算法用迭代阈值分割算法提取区域．利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接。实验结果表明,算法配准率高,鲁棒性强。     

基于兴趣点不变矩的图像拼接

提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术.利用Harris角检测器获取图像中的兴趣点,计算兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接.实验表明,该方法对平移以及任意角度的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果.     

基于仿射变换模型的图像配准中的平移、旋转和缩放

文中讨论了二维仿射变换的平移、旋转和缩放等特性。对可见光波段和红外波段图像采用基于特征的配准,以边界作为特征进行相关运算,求出边界对应位置的关系,建立仿射变换 模型,按照最大相关原则自适应确定最佳配准参数k、θ、△x和△y,能够实现图像的自动配准。并利用实际可见光与红外图像给出了运用仿射变换模型的实验结果,表明该模型可有效解决图像配准中的平移、旋转和缩放。     

图像拼接在塑料薄膜疵点检测系统中的应用

本文将图像拼接技术引入塑料薄膜疵点检测系统,在待检物幅面较宽的情况下,有效解决了单CCD相机难以满足检测精度要求而采用的多CCD相机采集图像的配准融合的问题,克服多线阵CCD机械拼接和光学拼接对拼接装置要求高,难度大的困难,实现宽幅待检图像的无缝拼接。     

基于SIFT算法红外搜索系统序列图像拼接实现

为了实现将红外搜索系统的单帧的红外序列图像拼接成大范围全景图像,根据红外搜索系统序列图像特点,提出了一种基于SIFT特征点检测的图像配准算法,并进行了仿真验证,从仿真的效果看该算法具有良好的配准和显示效果。     

基于焊缝图像拼接算法的研究

为实现焊缝图像的快速拼接,提出一种新的图像拼接模型。首先将图像预处理,以提取焊缝图像边缘,然后提出一种新的图像配准算法,采用取平均值的图像融合算法实现图像的拼接操作。实验结果表明,该方法能够提高焊缝图像的配准速度,拼接效果较好。     

基于SIFT的边缘局部仿射的图像拼接算法

本文针对累计误差形成的多幅图像拼接产生畸变的问题,提出了一种基于边缘局部仿射的拼接算法,在拼接过程中逐步衰减仿射变换,使得图像在拼接过程中逐渐降低过仿射带来的畸变.同时为从视觉上分析图像拼接过程特征点的变化情况,本文还提出了一种基于特征点的骨架图算法,通过拼接后骨架图的图像来分析各种拼接算法.可以广泛应用于拼接算法的测试过程.     

基于Halcon的图像拼接算法研究

提出了一种基于机器视觉软件MVTec Halcon的图像拼接算法.该算法首先对摄像机进行标定,以及对图像进行预处理,然后采用Harris角点检测提取特征点,接着检测出的角点经归一化互相关匹配后使用RANSAC（random sample consensus,随机抽样一致性算法）算法剔除误匹配点,估算单应性矩阵,最后用改进的加权融合方法进行图像融合.针对提出的算法编制了相应的软件,并进行了拼接实验,结果表明该方法可以快速有效地对图像进行无缝拼接,精度可达到0.02mm.     

基于马尔科夫和HHT的图像拼接盲检测

基于对图像拼接技术的分析,提出了一种基于马尔科夫模型与Hilbert-Huang变换（HHT）的图像拼接盲检测算法。该算法计算图像DCT域上的马尔科夫转移概率矩阵,同时对图像进行Hilbert-Huang分析,得到两类特征值集,并通过计算相关系数矩阵分析了两者之间的相关性,最后使用支持向量机进行训练与分类。实验结果表明,相对于已有文献,该算法具有较高的检测准确率。     

基于顶帽变换的红外图像模糊边缘检测算法

红外成像技术广泛应用航空航天、国家防卫、农业工程及医学工程等各个领域,红外图像边缘信息的获取具有重要意义。提出了改进的图像模糊边缘检测算法,首先改变隶属度函数,简化运算量和缩短处理时间。其次,在选取分割阈值过程中引用基于顶帽变换的自适应方法求取不同图像的阈值,使得分割更加准确。实验结果表明,本算法可以保留红外图像更多的低灰度边缘信息,且较传统的Pal-King算法减少了运算时间,可应用于红外目标探测以及红外目标识别等领域。     

基于循环平移Contourlet变换的红外小目标检测方法

分析了在有噪声和背景干扰情况下检测红外小目标的方法,提出了一种将循环平移Contourlet变换去噪 方法和自适应阈值分割方法相结合的红外小目标检测算法。该方法首先对原始图像进行循环平移阈值去噪,再用原始图像减去 去噪图像,对得到的残差图像进行自适应阈值分割,分离出少量的候选目标点,最后利用目标运动的连续性和一致性检测出 目标。分别用Contourlet变换法、小波变换法和本文提出的检测法对小目标进行了检测。仿真结果表明,本文提出的检测方法 能较精确地检测出序列图像中的红外小目标,检测效果优于Contourlet变换法和小波变换法。     

小波仿射不变函数与凸壳相结合的目标识别

提出一种将小波仿射不变函数与凸壳相结合进行目标识别的方法。基于小波仿射不变函数构造了绝对小波仿射不变函数,作为待识别目标的特征向量,与凸壳相结合进行目标识别。该方法首先提取待识别目标的轮廓线,然后以轮廓线的一个凸壳顶点为起始点重新构造目标轮廓线点列,计算轮廓线点列的绝对小波仿射不变函数,与模板库中的模板进行匹配,根据最大相关原则识别目标。实验结果表明了该方法的有效性。     

基于边缘特征的异质图像目标配准方法

目标检测作为计算机视觉的重要研究课题,在视频监控和智能导航方面有重要应用.图像配准技术是刚体目标检测方法之一.异质图像间目标的纹理差异极大,为此,对于目标的可见光俯视图像与机载红外摄像机观测异质图像,通过研究基于边缘特征的配准技术,实现对地面平面目标的配准检测.笔者首先通过建立机载运动摄像机空间模型,解决了红外观测图像的视角变换问题,将其换到与参考图像一致的视角,提出一种新颖的基于稳定区域轮廓合成的边缘提取方法,更好地控制异质图像的边缘提取效果,边缘特征匹配是在距离变换的基础上实现的,提出了一种基于稳定区域距离图像互相关的匹配度量准则.实验表明,算法能有效地实现异质图像间的目标配准检测.     

基于小波变换的红外图象多尺度边缘检测

本文讨论了小波变换及其应用于多尺度图象边缘检测的原理，对一幅红外图象给出其多尺度边缘检测的计算机仿真结果，而且与传统的边缘检测方法进行比较，从而得出基于小波变换的多尺度边缘检测是一种较好的方法