利用特征点配准和变换参数自动辨识的图像拼接算法

提出了一种不同尺度的图像配准与自适应拼接算法.通过特征点匹配与图像间变换几何参数的自动辨识,实现了不同尺度和旋转图像间的匹配和拼舍.利用尺度不变特征点提取算法(SIFT)提取出待拼接图像的特征点,根据互信息量最大原则实现特征点的匹配,然后通过得到的匹配对的几何信息自动辨识出两幅图像之间的变换参数关系,得到反映图像平移、...     

一种基于改进SURF的遥感图像自动配准方法

现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准。研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能。     

基于光流场分析的红外图像自动配准方法研究

提出了一种基于光流场分析的准确的红外图像自动配准方法．该方法可分为两个过程：先是利用全局光流场完成两幅图像背景区域的配准；其次利用由粗到细的层级匹配算法提取两幅图像中运动目标的特征点集，根据两组特征点集由最小二乘法计算出运动目标的变换参数，完成运动目标的配准．对一定研究领域的红外图像自动配准的仿真实验表明：该方法准确且对场景的运动有很好的鲁棒性．     

基于单演信号理论的SAR图像配准

该文提出一种基于单演信号理论的SAR图像配准的新算法。利用单演信号局部特征构造一个单演相位一致函数,用来检测SAR图像特征。利用单演信号分量构造单演向量,通过求单演向量相关,解决SAR图像特征点的匹配问题。实验结果显示,算法能较好完成SAR图像自动配准。     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

多传感器数据融合中的配准技术

配准是多传感器数据融合中的一个重要环节。文中介绍了图像配准的一般方法，配准技术在数据融合的应用，并着重介绍了基于点特征的红外／可见光图像自动配准算法。     

基于特征点的微波遥感图像自动配准算法

图像配准是图像处理工作（图像融合、图像镶嵌等）的核心技术。本文提出了一种有效的遥感图像自动配准算法,该算法采用改进的Harris 算子提取角点特征,利用待配准图像之间的灰度相关性进行粗匹配,然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点,最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

基于扩散方程和相位一致的异源图像配准算法

针对同一场景下的红外与可见光图像特征点难以提取和匹配的问题,提出一种基于扩散方程和相位一致模型的红外与可见光图像的配准算法。首先提出了收敛速度更快的扩散方程,并用该方程对红外图像除噪;其次利用改进的相位一致模型提取红外与可见光图像的视觉相似性结构;在相似性结构上提取特征点,进行二进制描述;最后采用汉明距离实现特征点匹配。实验结果表明,该算法能够有效滤除红外与可见光图像的差异,减小计算开销的同时实现图像的自动配准。     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

基于良分布的亚像素定位角点的图像配准

针对Harris检测出的角点位置会发生偏移和易产生伪角点,以及在角点匹配过程中计算复杂,容易产生误匹配等缺点,该文提出了基于良分布的亚像素定位角点的图像配准方法。该方法首先使用多尺度Harris算子检测图像的角点作为初始兴趣点,并采用自适应非极大值抑制对兴趣点的数量进行限制,以减少后续过程的计算复杂度,提高算法效率,同时使得角点在图像中处于良分布状态。然后利用亚像素定位技术进行精确定位,排除伪角点和不稳定的角点。最后使用随机抽样一致性算法对初始匹配进行鲁棒的模型参数估计。实验结果表明算法配准效率改进明显,并具有良好的精确性和鲁棒性。     

基于SUSAN算法的遥感图像去云

提出了一种基于SUSAN算法自动消去主图像中云区遮挡影响的方法。该方法首先利用SUSAN算法有效提取主图像和参考图像中的角点,然后采用概率松弛法寻找主图像和参考图像间的匹配点,将主图像与参考图像配准,在此基础上搜索主图像的云区,最后进行融合得到去云图像。实验结果表明该方法具有较好的去云效果。     

基于区域互信息的特征级多光谱图像配准

提出了一种基于点特征的多光谱图像配准方法.利用SUSAN算法提取角点特征,采用域互信息(RMI)作为相似性测度获取初始匹配特征点集;在精匹配阶段,首先计算初始匹配征点对的匹配强度和明确度,进行松弛迭代,得到匹配强度和明确度都较大的一一对应关系的特征点对,然后利用马氏距离的仿射不变性筛选出正确的点对,将不正确的点对从初始匹配特征点集中删除,重新进行松弛迭代,重复上面的步骤,直到筛选不出新的正确点对为止;获取了足够多的同名控制点后,用最小二乘法估计初始仿射变换参数并迭代修正.实验结果表明,算法可以达到亚像素级的配准精度.     

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。     

一种基于虚拟三角形的图像自动配准方法

图像配准是图像处理和分析的关键技术之一.本文提出了一种基于虚拟三角形的图像自动配准方法来处理具有全局刚体变换的图像配准问题.该方法主要分三步:首先采用改进的Harris算子从参考图像和待配准图像中分别提取角点特征,将每三个角点顺次连接起来构成一个虚拟三角形;然后运用刚体变换模型下匹配虚拟三角形对全等的准则找到全等性最好的一对虚拟三角形,利用它们的对应顶点求解刚体变换模型参数的初始值;最后根据刚体变换模型参数的初始值和一个预设的门限得到所有的匹配角点特征,通过它们求得最终的刚体变换模型参数.实际图像实验结果表明:本文提出的图像自动配准方法是正确和有效的,并具有较高的配准精度.     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

Harris角点提取实现亚像素级摄像机自标定

在摄像机自标定过程中,可根据Harris的检测算法提取对角点。该算法简单有效,非常稳定。在图像旋转、灰度、噪声影响和视点变换的条件下,与其他算子相比,是最稳定的一种点特征提取算子。为了获得亚像素级的角点坐标．需要引入迭代算法进行优化。试验证明该方法可大幅度提高摄像机的标定精度。     

基于角点检测和NMF的图像Hash算法

为了有效地实现图像Hash函数在图像认证检索中的应用,提出了结合Harris角点检测和非负矩阵分解(NMF)的图像Hash算法,首先提取图像中的角点,对角点周围图像块信息进行非负矩阵分解得到表征图像局部特征的系数矩阵,进一步量化编码产生图像Hash。实验结果表明,得到的图像Hash对视觉可接受的操作如图像缩放、高斯低通滤波和JPEG压缩具有良好的稳健性,同时能区分出对图像大幅度扰动或修改的操作。     

基于改进Harris算法的图像角点检测

针对Harris角点检测算法运行速度慢且单一阚值选取不当容易造成漏检正确角点或提取出较多伪角点的问题,提出了一种快速预筛选方法以提高检测效率,并结合多阈值角点提取及邻近角点剔除策略来改进算法.实验结果表明:单独使用该预筛选方式的改进算法仅用32.71％的时间就可以检测出原算法94.97％的角点;配合多阈值角点检测方法及临近点剔除策略时,改进算法的运行时间仅为原算法的61.94％,且检测出的角点分布更均匀,既能充分代表图像信息又有效地避免了角点簇拥现象.