一种鲁棒的序列图像自动拼接方法

针对传统图像拼接方法中鲁棒性差、计算量大及自动化程度低等问题,提出一种鲁棒性高的序列图像自动拼接方法。该方法首先采用Harris角点检测算子对经Wallis滤波后的序列图像进行特征点提取,并结合Forstner算子对特征点进行精确定位。然后基于所提取的特征点,采用邻域灰度互相关法进行序列图像的特征点匹配,得到粗匹配点集,并运用RANSAC算法对粗匹配点集处理得到精匹配点集,由精匹配点集求出较高精度的基础矩阵及极线,并由极线约束引导匹配得到高精度的匹配点对,再运用双向松弛整体匹配算法进一步剔除少数位于极线上的误匹配点。最后利用所得的高精度匹配点对,求解序列图像间的仿射变换关系,并进行图像的坐标变换和融合,从而实现序列图像的自动拼接。实验结果表明,该方法拼接效果理想,鲁棒性高,整个拼接过程全自动,不需要人工干预,具有较高的实用价值。     

基于Morse-Smale拓扑特征的文物碎片拼接算法

针对计算机辅助文物虚拟复原中由于破损文物断裂部位边缘受损而引起的轮廓线不能充分表示断裂面几何特征的问题,提出了一种基于断裂面拓扑特征的破碎文物自动拼接算法.首先,定义碎片模型顶点显著度指标函数,提取断裂面特征点,依据Morse-Smale复形理论构建并简化断裂面的几何拓扑图;然后,通过定义基准点与0值面,从而计算目标点的对应高度差值,将拓扑图中四边形曲面构造成为能完整表示断裂面几何特征的特征描述符,并根据凹凸互补性计算初始特征四边形匹配集的误差,筛选出最优匹配集;最后,采用四元组方法计算旋转、平移矩阵,利用穷举搜索法实现碎片的精确拼接.实验结果表明,该方法针对断裂部位边缘受损的破碎文物模型可获得较满意的拼接效果.     

运用特征点匹配的柱面全景图像快速拼接算法

针对大幅面图像的拼接问题,提出了一种新的基于特征点的柱面全景图像快速拼接算法。该算法在Harris角检测算法提取特征点的基础之上,针对传统RANSAC（random sampling consensus）算法在提纯匹配点时计算极其复杂,难以实现快速拼接的问题,设计了专门的聚类预筛选的方法进行图像特征点的预匹配,显著提高了特征点匹配的效率;在图像融合部分提出了最佳路径与HSI颜色空间的亮度权重函数相结合的算法,既有效消除了拼接图像中的鬼影现象,又使拼接图像达到了平滑融合效果。实验结果表明,该算法具有匹配精度高、鲁棒性强、计算效率高的特点。     

一种基于特征的全自动图像拼接算法

提出了一种基于特征的图像自动拼接算法，本算法采用Harris角点检测算子提取特征点，并对特征角点进行初始匹配与求精，利用最小中值法去除局外点，使变换矩阵计算精确。最后进行颜色融合，生成无缝拼接图像，在大多数情况下，算法可自动完成，实验结果表明，该算法取得了理想的拼接效果。     

一种基于特征点匹配的红外图像拼接算法

为提高红外图像拼接速度和精度,对基于特征点匹配的图像拼接算法进行改进。根据图像空间特性减小角点搜索范围,通过设定梯度阈值,对梯度超过阈值的像素点进行Harris角点检测;改进Harris角点响应函数和角点筛选阈值的设定方式,摆脱了角点检测对筛选经验值的依赖。在相似测度Normalized Cross Correlation(NCC)粗匹配的基础上,采用有约束条件的随机选取方式,增强子集选取的合理性;并根据先局部后整体的匹配策略,基于匹配点的特性进行预检验,降低匹配错误率。算法最后利用最优变换矩阵确定待拼接图像的位置关系,实现自动拼接。实验结果表明,改进后算法在拼接过程中无需人工干预,在保证红外图像拼接质量的基础上,拼接速度提高了65.92%。     

基于动态聚类的文档碎纸片自动拼接算法

针对碎纸机三种碎纸模式进行拼接复原,提出了一种基于动态聚类的文档碎纸片自动拼接算法,定义了匹配度矩阵计算两块碎片最合理的拼接方式,设计了一种基于碎纸片特征向量的动态聚类行聚类算法进行行初步聚类,根据文字特征线及计算出的行距对初步聚类进行了调整修正,确定最终的行分类及行间顺序,根据提出的动态四邻近匹配算法,匹配出复原结果。实验表明,该方法实现简单,成功率高,能快速得到碎纸片的三种碎纸模式的拼接复原结果。     

结合变形函数和幂函数权重的图像拼接

针对图像拼接算法存在效率低下、特征点错误匹配、重影和拼接缝等问题，提出一种基于尺度不变特征变换、薄板样条函数和幂函数的图像拼接方法。该方法通过对输入图像进行采样匹配，计算输入图像间的点映射关系和重合区域，使用点映射关系对重合区域内的特征点进行定向配准，利用特征点集合计算出图像的局部扭曲模型，使用图像插值方法对图像进行变形映射；采用幂函数权重模型对变形图像中的像素进行平滑过渡，完成图像拼接。实验结果表明，在拼接相同图像的情况下，所提方法与传统的尺度不变特征变换算法相比，特征点配准效率提高了约59.78%，而且得到了更多的特征点对；与经典的图像拼接算法相比，该方法解决了图像的重影和拼接缝的问题，同时提高了图像的质量评估指标的得分。     

基于像素点的碎片图像拼接技术

针对一页规则的既纵切又横切的中文文件碎片和一页规则的双面打印的英文文件碎片,分别提出了一种基于行列图像的碎片匹配算法和二维图像成片连接匹配算法。首先将碎片边缘像素点转化成灰度值,然后对各碎片的灰度值进行匹配度研究,且将匹配度作为碎片之间拼接的依据,最后使用相应的算法计算机按碎片拼接顺序输出碎片号。通过实验分析表明,该算法能够更快地获得碎片拼接结果,大大提高拼接复原效率。     

基于边缘灰度匹配的文档碎纸片拼接

随着科学技术的发展,人们试图开发碎纸片的自动拼接技术来提高效率。来自同一页纵切破碎纸片,为求出拼接算法应将各图片的特征转化为数字形式,如此将两侧的像素值提取出来进行匹配。本文首先利用灰度矩阵提取出边缘像素的位置,然后阈值分割并进行列向量特征匹配,最后根据确定的算法得出两两碎片的相似度函数并形成"环",循环后从"环"切开得出碎片的完整拼接结果。实验结果表明,该算法简单可行,可以达到规则碎纸片完整拼接的目的。     

基于相关矩阵的纵向碎纸拼接方法

由于碎纸机的使用,伴随出现了对碎纸拼接的需要。为了使得拼接更加简便、快捷,本文采用以线性代数中相关矩阵为核心的碎纸拼接算法,对单面打印的规则型碎纸进行自动拼接复原。首先将图像信息转化为像素矩阵,然后根据文字的形状特征以及连续性,计算所有碎片的边缘像素矩阵的相关度,从而得到一个相关矩阵。通过对相关矩阵中每一列的相关度进行比较,得到相关度最高的一张碎片进行拼接。经过实例研究验证后,该算法简洁可行,比较精确。     

基于轮廓与断面匹配的秦俑碎片拼接方法

针对兵马俑第3次发掘大量破碎俑片的虚拟复原需求,分析秦俑碎片拼接的特殊性,归纳陶制碎片的分类原则,提出一种结合碎片边缘轮廓和断裂面匹配的混合拼接方法。依据俑体碎片断裂面厚度,将其映射到空间曲线模板或空间曲面模板。基于积分不变量计算俑体碎片特征向量,采用一致性约束方法获取碎片初始匹配点对。利用筛选算法去除伪初始匹配点对,应用几何哈希算法寻找碎片最优匹配点对。其中,空间轮廓曲线匹配基于多边形弧串匹配法,空间曲面匹配基于多尺度积分不变量法。对破碎兵俑和陶马的拼接结果表明,该方法能正确得到碎片间的匹配关系,具有较好的鲁棒性。     

基于边缘几何特征的图像精确匹配方法

提出一组快速高精度计算切线斜率的五点公式，用以估计图像边缘曲线的角度特征，并利用角度直方图估计图像几何变换的旋转参数，实现具有大旋转差异图像间的粗匹配．在进行角度补偿后，利用灰度互相关判据搜索匹配点对，计算出几何变换参数，实现较高精度的旋转和平移校正，最后用松弛迭代法完成图像的精确匹配．与基于小波方向角特征的匹配方法相比，文中方法利用图像中主要的边缘信息实施匹配，具有较好的鲁捧性，可成功实现对各类具有较大相关程度图像间的精确匹配，对图形匹配也具有重要意义．     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

A graph-based optimization algorithm for fragmented image reassembly

We propose a graph-based optimization framework for automatic 2D image fragment reassembly. First, we compute the potential matching between each pair of the image fragments based on their geometry and color. After that, a novel multi-piece matching algorithm is proposed to reassemble the overall image fragments. Finally, the reassembly result is refined by applying the graph optimization algorithm. We perform experiments to evaluate our algorithm on multiple torn real-world images, and demonstrate the robustness of this new assembly framework outperforms the existing algorithms in both reassembly accuracy (in handling accumulated pairwise matching error) and robustness (in handling small image fragments).     

Automatic matching of high‐resolution SAR images

Based on high‐resolution SAR data, in this paper, a novel automatic matching model is proposed. The model, which employs a coarse to fine strategy as a whole, consists of three steps. In the first step, edge features are extracted on different levels of pyramid images and an efficient Hausdorff distance‐based method is used to yield a coarse global feature match. Due to bi‐tree searching, the bottleneck of Hausdorff distance's matching is well resolved. Secondly, SSDA (Sequence Similarity Detection Algorithm) is employed to acquire tie‐points using a cross‐searching approach which treats features extracted from master and slave images equally. Finally, local‐adaptive splitting algorithm with MMSE (Minimum Mean Square Error) is used to achieve a fine matching; local‐adaptive splitting algorithm is the essential process to achieve sub‐pixel matching accuracy, which enhances the process's flexibility and robustness.

Airborne SAR images with high resolution are provided by the Institute of Electronics, CAS and used for experiments—the results of the experiments demonstrate that the model proposed in this paper is robust, with high accuracy (up to a fraction of a pixel), and can be successfully applied to automatic matching of high‐resolution SAR images.     

基于局部聚类的改进运动网格统计算法的研究

针对常用的匹配点筛选算法效率低、对具有角度和尺度变化匹配图像稳定性差等问题,提出一种基于局部聚类的改进网格运动统计特征点筛选算法。首先,通过局部区域抑制算法筛选响应强度较高且成对出现特征点作为种子点,并以种子点为聚类中心分割图像,得到最小外接矩形作为运动网格;随后把运动网格划分为3×3邻域支持估计量网格,计算运动网格在不同方向上的梯度最大值,作为运动网格的主方向;最后,把待匹配图像邻域支持估计量网格旋转至目标图像运动网格的主方向位置,借助网格运动统计算法筛选匹配。实验表明：对具有JPEG压缩变换、光照变化、模糊变换的匹配图像,所提算法匹配正确率在90%以上;对具有旋转和尺度变换图像,所提算法匹配正确率相较运动网格统计算法提高10%左右,高达40%以上;算法耗时仅为13 min,效率较高;所提算法可稳定高效地筛选正确的匹配点。     

融合边缘信息和扩展邻域的异源图像匹配

针对可见光图像和红外图像的匹配问题，提出一种基于边缘信息的Harris-SIFT匹配算法。匹配过程中，对红外图像进行Retinex边缘增强，再分别对可见光图像和处理后的红外图像进行双边滤波预处理，以增强两类图像边缘结构的相似度。采用Sobel算子提取图像边缘信息，并基于Harris-SIFT算法对边缘信息进行特征点检测和描述，再分别通过最近邻和次近邻比值法，以及RANSAC算法完成粗匹配和精匹配。在精匹配的基础上，通过快速校验边缘图像中匹配点对在扩展邻域内的结构特征一致性，检测并筛除部分误匹配点对，从而进一步提高匹配精度。通过采用多幅图像进行实验，处理结果表明，该算法能够有效改善可见光图像与红外图像的匹配效果。     

一种快速立体视觉边缘匹配算法

提出了一种立体视觉边缘匹配快速算法。通过小波变换,得到了图像的边缘和边缘幅角 并定义了边缘幅角约束。由视差梯度的分布密度函数,导出了左图像连续边缘上相邻两点在右图像 中的对应点的坐标间的相互约束关系,从而限定了右图像中匹配点的搜索范围。最后给出了基于视 差梯度约束和边缘幅角约束的快速边缘匹配算法。     

结合SIFT变换与Otsu匹配的彩色眼底图像拼接方法

针对多幅单模彩色眼底图像的拼接问题,提出一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT）与最大类间方差（Otsu）匹配的拼接方法。为克服光照不均对特征提取造成的影响,采用SIFT变换提取眼底图像特征点;利用Otsu剔除误匹配点,提高特征点的匹配精度;在此基础上,计算匹配点对之间的仿射变换矩阵,进行图像空间变换实现图像配准,并对配准图像进行融合。结果表明,提出的方法可实现对多幅单模彩色眼底图像的高精度自动拼接,具有很强的鲁棒性。     

基于LBP的鲁棒特征提取与匹配方法研究

针对现有的Harris角点提取算法在图像匹配法中,存在精度低、抗干扰和抗光照变化能力弱的缺陷,提出一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换匹配算法（Graph Transformation Matching,GTM）相结合的鲁棒精确匹配算法。采用改进的Harris边缘特征检测提取特征点并选取图像块作为特征区域;采用改进的中心对称局部二进制模式（Center Symmetric Local Binary Patterns,CSLBP）对高维特征进行降维生成24维特征描述子,并依据欧氏距离实现图像粗匹配;采用图变化匹配法剔除误差匹配来改善匹配的精度和鲁棒性。测试结果表明,所建议算法是有效的,它不仅具有良好的抗尺度和旋转变化特性,而且具有较强的噪声抑制能力和抗光照变化能力。提出的鲁棒性算法不仅充分考虑到传统特征匹配算法优缺点,使检测与匹配结果更加准确,而且较Harris算法以及LBP算法稳定性和准确度有了明显的提高。