便携式医用Χ光机图像拼接技术研究

为了使医生能清楚地观察到人体各部位的完整图像,提高诊断的精确度,需要对X光机所获得的局部人体图像进行拼接处理.在简要介绍2幅相邻图像拼接的基本原理的基础上,着重研究基于灰度相关配准中的比值匹配法.利用2列像素及其所包含的区域信息,通过获取模板及计算最小差值寻找最佳匹配值,并在匹配完成的基础上采用淡入淡出方法对图像进行平滑拼接,以增强拼接效果.软件仿真结果表明,此种方法具有很好的实用性,配准成功率很高,同时能兼顾配准速度,拼接后的图像中间无明显的拼接缝隙,效果显著.     

医学红外图像快速拼接方法研究

临床常用的红外影像设备仅能提供视野受局限的图像,因此需要通过图像拼接才能合成一幅完整的图像。本文提出了基于网格的拼接技术,采用由粗到细的配准过程,找到最佳匹配点。运用渐进渐出的方法来消除拼接缝隙,能够自动完成图像的拼接处理。实验证明,该方法配准速度快,融合效果好,能达到无缝拼接的效果。     

基于相位相关模板匹配的全景图像拼接

本系统对图像拼接的两个主要过程：图像配准和图像融合分别进行了详细介绍。图像配准是图像拼接的核心技术,并针对图像拼接中的图像配准参数估计问题,提出了一种扩展相位相关法与优化相结合的参数估计方法。基于相位相关模板匹配采用相位相关法估计出相互间存在旋转和平移的两幅部分重叠的图像的初始变换参数,然后对参数进行优化而得到最终准确...     

基于比值法图像拼接算法研究

在讨论比值法进行图像拼接的基础上,针对比值匹配算法误匹配的问题,提出了一种改善比值匹配配准精度的算法.通过增加比值模板的列数来确定选取特征线的最佳匹配,从而增加了模板的信息量,提高了图像拼接的准确性.实验表明,该改进算法可以有效地进行图像拼接,并改善了原有比值法的配准精度.     

结合模板与互信息的全景图拼接技术研究与实现

针对传统互信息图像配准拼接算法计算量大、效率低等问题,本文结合模板匹配,提出基于模板与互信息的全景图拼接技术。首先将误差法和二次匹配误差法相结合,对待拼接图像进行初次模板匹配,划定大致重叠区域;接着从互信息量的角度比较相邻重叠的两幅图像的相似性,通过建立两幅图像之间的互信息量,计算最大互信息,获得匹配区域;然后再次利用模板匹配,设定最佳匹配区域,最终实现图像配准拼接。在VS2010+Opencv环境中编程实现重叠图像的拼接,并验证了算法的正确性。实验表明,本文算法具有计算量相对小,自动化程度高,配准拼接精度高等优点。     

基于投影变换与SIFT结合的摆扫图像拼接技术

针对航空序列摆扫图像中心倾斜投影视角变化大的问题,提出一种基于中心投影变换与SIFT相结合的图像拼接方法。该方法首先根据摆扫机构提供的参数,结合中心投影构像方程计算出图像的投影变换矩阵,用于对序列摆扫图像进行校正;运用SIFT算法提取图像重叠区域的特征点,并采用欧氏距离进行特征点匹配;然后利用RANSAC算法剔除错误匹配点,并计算出变换矩阵对图像进行配准;最后采用渐入渐出的图像融合方法得到无缝拼接的图像。通过与传统图像拼接方法进行对比,实验证明文中提出的方法较大地提高了配准的精度以及拼接效果。     

基于离线标定的全景视频快速拼接算法设计

针对实际条码识别系统中全场景监控和传统图像拼接算法速度慢的问题,提出了一种基于离线标定的快速全景视频拼接算法。在实际应用中多台相机位置固定,采用离线标定计算出图像拼接的单应性矩阵,在实时拼接中直接加载该矩阵进行计算,从而省去了大量的特征提取和配准时间。为了提高图像特征的配准精度,设计了一种改进的SIFT(Scale-Invariant Feature Transform)特征匹配算法。实验结果表明,该算法对比传统算法显著减少了错误特征匹配的影响,提高了图像拼接速度,具有更好的特征匹配效果。     

一种新的无人机航拍序列图像快速拼接方法

 无人驾驶飞机航拍序列图像的邻近帧间含有大量的相交区域,这些相交区域是进行基于特征的图像拼接的基础,但是也成为了降低拼接效率的冗余信息.因此,本文提出一种既稳定又具有较小时间开销的无人机航拍序列图像的自动拼接方法.利用图像拼接过程中查找到的匹配特征点,自适应提取出适于航拍序列图像快速拼接的关键帧;在分析了序列图像的拼接时的相交区域的运动模型的基础上,建立了无人机航拍序列图像配准过程中的特征搜索区域预测的卡尔曼滤波器,减少了特征搜索和配准的时间;然后给出了详细无人机航拍序列图像的快速拼接方法,实验结果显示,本文的方法具有较好的拼接效果和拼接效率.     

基于兴趣点检测和仿射变换模型的序列图像拼接

针对序列图像的拼接问题,提出了一种基于兴趣点检测和仿射变换模型的图像配准算法,利用Harris算子检测兴趣点,并引入灰度交叉匹配和兴趣点坐标离散度两级约束策略确定同名兴趣点,通过在图像间建立仿射变换模型实现图像的配准;提出了一种自适应加权归一化函数对拼接图像进行处理,消除由于图像间灰度差异而导致的拼接缝。实验结果表明算法具有较高的配准精度和良好的像素融合效果。     

基于各向异性尺度Junction的图像拼接

图像拼接一般采用特征点匹配和全局变换,特征点仅包含位置信息,无法表达图像局部结构信息,且全局变换模型只适用于旋转拍摄和远距离拍摄情况,当图像视角变化较大时,容易产生明显的配准误差,影响拼接图像的质量。为解决这个问题,提出了一种基于各向异性尺度Junction特征的图像拼接方法。Junction不仅包含点特征信息,还具有线特征信息,表达了图像重要的局部几何结构。基于Junction特征的配准在特征点配准的基础上,利用分支线信息进一步约束和优化配准,同时结合局部单应变换模型,可以较好地容忍图像局部变形,从而提高配准精度,改善拼接效果。实验验证了本文算法的有效性。      

基于改进ASIFT的可见光图像拼接研究

为了解决目前基于特征点的图像拼接算法在图像重叠度较低情况下,图像拼接效果差以及无法满足实时图像拼接的问题,提出了一种基于改进仿射—尺度不变特征转换(Affine Scale Invariant Feature Transform,ASIFT)的快速图像拼接算法,在特征点匹配过程中引入主分量分析(Principal Component Analysis,PCA)法进行处理,提出了一种PCAASIFT描述符对特征点重新进行描述。实验结果表明,与基于SIFT和SURF的拼接算法相比,该算法实现了高精度拼接,并且比传统ASIFT拼接算法提高了拼接的速度。     

基于改进型特征匹配的图像拼接方案设计

探讨了图像拼接技术,分析了几种常用的配准算法,指出各算法的优缺点及适用环境,并综合考虑了图像拼接的信息提取、特征匹配、变换模型及图像融合等环节,提出一种基于改进型特征匹配的拼接设计方案,显著提高了图像拼接的准确率和效率.     

一种基于Harris角点特征的图像拼接方法

本文通过对已有图像拼接算法的分析研究,改进了拼接算法中的特征点匹配问题。首先利用Harris角检测算法提取特征点,然后通过归一化相关法进行初始匹配,接着引入马氏（Mahalanobis）距离,实现图像的精确匹配。最后通过加权平均的方法完成图像的融合。实验证明该方法能有效地去除伪匹配特征点对,降低了误匹配的概率,是一种有效的图像拼接方法。     

基于拓扑结构的图像拼接算法

针对加速稳健特征(SURF)算法匹配特征点对较多,造成拼接精度低、计算量大的缺点,结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法.算法定义并采用连通矩阵得到特征点的拓扑结构,将两幅图像的连通矩阵做异或运算得到判断矩阵,多次迭代剔除特征点集合中错误匹配点和匹配度较低的点,得到拓扑结构完全相同的特征点集合,有效减少了匹配特征点对的数量,提高了特征点对的匹配正确率.根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理.对比实验结果表明,针对同一组图像进行拼接处理,所提算法的特征点匹配正确率较SURF算法提高了28.28%以上;对于小分辨率图像拼接,耗时基本保持一致;对于大分辨率图像拼接,所提算法耗时大大减少.     

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。     

图像拼接技术在双摄像机监控中的应用

针对单摄像机监控范围的局限性,给出一种双摄像机图像拼接方法。首先检测出视频序列图像的兴趣点,并引入改进的尺度不变特征变换算法构建64维匹配描述子;在匹配过程,采用BBF算法进行匹配,提高搜索效率;匹配完成后,采用随机抽样一致性消除误匹配;最后采用加权平均法进行视频序列图像融合,实现序列图像的无缝拼接。实验结果表明,本文方法有较高的匹配效率和匹配准确率,可以明显扩大视频监控的范围,其在视频监控、信息收集及司法取证等方面有一定的实际应用价值。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

一种用于图像拼接的改进ORB算法

针对Oriented FAST and Rotated BRIEF(ORB)算法缺少尺度不变特性,误匹配率高,易造成图像拼接质量差等问题,本文提出一种用于图像拼接的改进ORB算法。首先使用一种基于尺度不变的特征检测算法对图像进行特征点检测,然后用ORB描述算法对特征点进行特征描述,用ORB匹配算法进行粗匹配,再用双向匹配和Random Sampling Coherence(RANSAC)算法对匹配点进行精匹配和提纯,进一步提高其正确率,最后使用渐入渐出加权融合完成图像拼接。实验结果表明,本文方法在图像的缩放和旋转、模糊、光照强度、拍摄视角等情况下都具有优秀的鲁棒性和稳定性,是一种实时性强、准确度高、拼接质量优秀的图像拼接方法。