基于SIFT变换和RBF神经网络的彩色全景图拼接算法

目的 为了复原存在平移、色彩差异、旋转、形变等问题的全景图,提出一种结合SIFT（尺度不变特征变换）和RBF神经网络的彩色全景图拼接算法。方法 通过SIFT算法匹配出两子图中对应的特征点,利用仿射变换解决图像间的旋转和形变问题,采用RBF神经网络纠正子图的色彩差异,最后利用权值矩阵融合技术实现重叠区域的融合。结果 文中算法在拼接效果上优于其他算法,其拼接效果DoEM值为0.902,图像重叠区域过度平滑,有效地避免了融合区域的亮度块或亮度线。结论 该算法效果好,可解决全景图复原过程中多方面的难题。     

基于特征点的图像拼接算法

通过对常用图像拼接算法的研究,提出一种基于图像特征点的拼接算法,利用梯度方向特征点的数据,确定一组最合理的特征匹配,利用这一数据给出两幅图像间矩阵变换的初值,再利用迭代的方法校正,最终得到精确值,通过仿真结果验证算法的有效性。     

结合三角几何约束的局部自相关性图像拼接算法研究

针对工业零视觉精密检测中高分辨率镜头固有的小视场问题,本文提出一种利用特征点之间的三角几何约束关系对特征点的局部领域进行自相关分析的算法,该方法根据重叠图像间的相关性,采用改进的图像配准方式实现了小视场高分辨率小模数齿轮图像的快速准确拼接。实验结果表明,拼接图像与原图像的结构相似度超过0.98;与现有通过区域配准及特征点配准的图像拼接算法相比,在拼接性能和运算复杂度之间取得了较好的平衡,适合在快速、精密的工业零部件视觉检测中的应用。     

自动修正拍摄俯仰误差的鱼眼图像校正方法

现有鱼眼图像校正法仅针对单幅图像,无法提供足够信息来自动修正由于相机抖动或环境干扰等因素造成的形变误差.本文利用图像拼接时的特征点,计算出待拼接图像之间几何变换关系,进而准确估计出图像的俯仰角度,基于此提出了一种精确校正鱼眼图像的方法.该方法的主要特点能恢复校正图像的垂直不变性,增强校正图像之间的对齐程度,使得全景拼接中变换矩阵求解变得更为简单,增强融合效果.实验证明,本文校正算法可以消除由于形变误差造成的图像拼接中的重影,增强拼接图像的效果.     

基于动态规划的城市道路提取改进算法

从航空或卫星影像中提取道路一直是研究的热点,基于动态规划的道路提取算法是最有效的算法之一。该文基于LiDAR点云数据特征改进了该算法的代价函数,进而提高了基于动态规划的道路提取算法的鲁棒性。为正确地融合航拍图像和LiDAR点云数据,研究了航拍图像和LiDAR点云数据的匹配算法。最后,通过试验验证了算法的正确性。     

基于角点检测的图像镶嵌算法

由于采用普通照相机拍摄的照片可能出现图像扭曲、交叠和倾斜,现有的图像镶嵌算法仍不能有效的进行处理,而且在这方面的研究也相对甚少.本文针对此问题,提出了一种适用于图像发生任意角度的旋转变换下仍可实现精确镶嵌的算法.即首先是采用Harris算子进行角点提取,使提取的精度达到亚像素级;然后根据这些角点信息建立图像间的角点对应关系,并由此得到投影变换矩阵;接下来采用图像变形技术,通过逆向映射重建发生空间变换的图像,由此得到的变形图像与源图像再进行无缝拼合.实验证明,该算法是有效的,具有较高的镶嵌精度.     

印品检测过程中基于SIFT 算法缩小匹配范围的方法

针对多个CCD 采集多幅图像会产生一定的重叠区域,为了实现印品在线检测的要求,提出了一种结合SIFT 和缩小匹配范围的图像检测方法。该方法基于SIFT 提取特征点,改进了局部搜索范围,利用RANSAC 算法计算图像坐标变换矩阵,采用多分辨率融合方法对拼接图像进行融合处理。结果表明,采用该方法可以减少匹配和图像检验时间,降低估算概率,完成检测图像拼接。     

基于自制标尺的C臂X光全景图像拼接方法

在对C臂X光图像和现有的医学图像匹配方法分析的基础上,提出了一种基于自制标尺的C臂X光图像拼接方法.该图像拼接方法分为失真校正、图像匹配和图像合成三步,其中图像匹配是算法的关键.首先采用双线性变换模型进行失真校正;然后基于自制标尺,采用图像灰度匹配法对校正后的C臂X光图像进行图像匹配;最后将其余各幅图像间的匹配矩阵均换算成以第一幅图像为基准,据此合成出全景图像.通过尸腿骨X光图像拼接实验验证了该方法的准确性.     

微小型飞行器航空图像拼接算法

针对微小型飞行器所拍摄图像的特点,提出了一种稳健的航空图像拼接算法.此算法首先使用相位相关法估计平移参数并初步确定重叠区域,在重叠区域采用Harris角点检测算法进行特征点提取得到初步的伪匹配集合,并运用稳健的RANSAC算法将伪匹配点集合划分为内点和外点.在内点域内运用透视变换模型精确地估计出图像间的点变换关系.最后采用双线性插值对交接处进行颜色过渡.实验结果表明,该拼接结果比较理想,能有效去除错误配准点     

基于特征点匹配的视频稳定算法

目的 解决检测摄像机在拍摄过程中因外界抖动导致视频扭曲失真等问题。方法 选取视频第1帧作为基准帧,检测视频每帧的特征点,并与第1帧特征点位置进行对比,经过仿射变换消除每一帧的扰动。通过FAST算法生成每一帧特征点,利用BRISK算法得到特征点的二进制特征描述符,比较特征点描述符的汉明距离来匹配相邻两帧间的特征点,利用匹配好的特征点对确定仿射变换模型,最后利用得到的仿射变换矩阵对每一帧进行校正。结果 实验原视频总帧数为23帧,时长为1 s,分辨率为320×240,视频中除第1帧外,其余22帧均得到修正。结论 FAST角点检测算法与BRISK匹配方法结合可以有效解决视频扭曲等问题。     

基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法

目的为了解决当前图像伪造检测算法在对图像进行伪造检测时,主要依靠全局搜索的方式来完成特征点匹配,导致其检测效率较低,且在对复杂伪造图像进行检测时,易出现检测精度不高和检测错误的不足。方法提出基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法。首先引入积分图像的方法,对图像进行预处理,借助Hessian矩阵行列式来提取特征点。利用特征点构建圆形区域,通过求取圆形区域内Haar小波响应获取特征点的特征描述符。然后通过特征描述符建立KD树索引,利用最近邻搜索方法代替SURF中全局搜索的方法,对SURF进行改进,完成特征点的匹配。最后,利用特征点间的近邻关系求取近邻函数值,通过近邻函数值对特征点进行聚类,完成图像的伪造检测。结果实验结果显示,与当前图像伪造检测算法相比,所提算法具有更高的检测效率以及更高的检测正确度。结论所提算法具备较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

Harris算子耦合强度特征的图像复制-粘贴篡改检测算法

目的针对当前较多图像复制-粘贴篡改检测算法主要依靠度量图像的结构特征来实现篡改检测,忽略了图像的强度特征,使其在各种几何变换下难以准确检测出伪造内容,导致检测结果中存在漏检和误检等问题,设计一种基于Harris算子耦合强度特征的图像复制-粘贴篡改检测算法。方法利用Harris算子对图像的特征点进行精确的提取。通过特征点构造圆形特征区域,求取该区域的Zernike矩,通过Zernike矩的大小实现对特征点的描述。随后,利用不同阶数的Zernike矩来描述图像的强度特征和纹理特征,从而构造匹配模型,对图像特征进行粗匹配,并引入RANSAC方法对粗匹配结果进行优化。最后,利用形态学腐蚀与膨胀操作将特征区域进行连通,以确定篡改区域。结果实验结果表明,与已有的图像伪造检测方案相比,所提算法具备更高的检测精度和鲁棒性,在噪声和旋转等变换下仍有更好的检测效果。结论所提技术拥有较高的伪造检测准确性,在图像水印、信息安全领域具有一定的参考价值。     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

Research on Multi-View Image Reconstruction Technology Based on Auto-Encoding Learning

Traditional three-dimensional (3D) image reconstruction method, which highly dependent on the environment and has poor reconstruction effect, is easy to lead to mismatch and poor real-time performance. The accuracy of feature extraction from multiple images affects the reliability and real-time performance of 3D reconstruction technology. To solve the problem, a multi-view image 3D reconstruction algorithm based on self-encoding convolutional neural network is proposed in this paper. The algorithm first extracts the feature information of multiple two-dimensional (2D) images based on scale and rotation invariance parameters of Scale-invariant feature transform (SIFT) operator. Secondly, self-encoding learning neural network is introduced into the feature refinement process to take full advantage of its feature extraction ability. Then, Fish-Net is used to replace the U-Net structure inside the self-encoding network to improve gradient propagation between U-Net structures, and Generative Adversarial Networks (GAN) loss function is used to replace mean square error (MSE) to better express image features, discarding useless features to obtain effective image features. Finally, an incremental structure from motion (SFM) algorithm is performed to calculate rotation matrix and translation vector of the camera, and the feature points are triangulated to obtain a sparse spatial point cloud, and meshlab software is used to display the results. Simulation experiments show that compared with the traditional method, the image feature extraction method proposed in this paper can significantly improve the rendering effect of 3D point cloud, with an accuracy rate of 92.5% and a reconstruction complete rate of 83.6%.     

双目立体视觉中特征点三维坐标重构校准研究

双目立体视觉是一种商业化较成熟的三维测量技术,左右摄像机内外参数的精确标定是实现三维重构的基础和关键。针对棋盘格和圆点两种标定板图案研究了相应的图像处理技术,实现了标定点的亚像素精度定位及其有效排序。采用基于单映性约束和非线性优化的多视角平面标定算法实现了摄像机光学及空间位置参数求解。用极线约束残差法衡量标定结果的准确度。基于桥式三坐标标准实现标定点三维重构平面度以及多平面空间夹角测量结果的校准,基于光学三坐标标准实现了标定点三维重构空间距离的校准,并分析了校准结果的不确定度。圆标志点三维重构空间距离示值误差为0.029 mm,不确定度U=24 μm（k=2）     

基于分数阶傅里叶变换的NURBS曲面拟合

为了实现对自由曲面模型的高精度非均匀有理B样条(NURBS)曲面拟合,提出了一种基于分数阶傅里叶变换的NURBS曲面拟合方法。首先,借助分数阶傅里叶变换对自由曲面模型点云数据的高程图像展开分析,从中提取出表征自由曲面表面三维结构的特征点;然后,利用外切圆取点法结合提取的特征点选取用于NURBS曲面拟合的数据点;最后,利用分数阶傅里叶变换滤波及反插节点法对拟合曲面形状进行优化,提高拟合精度。实验结果表明:该方法与传统NURBS拟合方法相比,在不同调整次数下拟合结果的均方根误差降低了28%,取得了更好的拟合效果。     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

改进的FAST算子耦合投影约束法则的图像匹配算法

目的针对当前较多图像匹配算法主要通过对特征点的相似性进行度量来优化匹配特征点,忽略了特征点之间的投影相关性,导致算法的鲁棒性下降、匹配错误度较高的问题,文中提出了基于改进FAST算子耦合投影约束法则的图像匹配算法。方法首先,利用FAST算子提取图像特征点,并通过Harris算子去除FAST算子中的伪特征点,充分获取稳定特征点。然后,利用圆域内像素点的高斯曲率值,对特征点进行描述。最后,利用归一化互相关系数(Normailizedcorrelationcoefficient,NCC)对特征点进行匹配。并通过特征点之间的投影关系函数计算特征点的投影值,并根据投影值建立投影约束法则,以去除错误配点,优化匹配精度。结果实验数据显示,与当前图像匹配技术相比,所提算法具有更好地鲁棒性与匹配精度,在多种几何攻击下,所提算法的正确匹配率仍可维持在90%以上。结论所提算法在各类几何变换下仍具有良好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。