基于尺度限制SURF的图像配准

图像配准是数字图像处理中一个重要研究领域,是图像拼接、图像超分辨率重建的基础,基于尺度不变特征的图像配准已成为最近几年的热门研究领域,SURF算法是其中之一.对于具有尺度差异（SD）同时满足仿射变换的图像,传统SURF算法存在较大误匹配,从而影响最后的配准精度.针对误匹配问题,采用基于尺度限制（SR）的SURF算法并利用样本统计的方法来剔除误匹配,实验结果表明基于尺度限制的SURF算法能够有效的剔除误匹配,从而提高图像配准的精度.     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

铁路视频监控中基于多算法结合的图像拼接

针对铁路视频监控系统中单个监控摄像头视角范围有限的问题,提出一种用于扩大监控视角的图像拼接方法。首先提出一种简单的输入图像排序算法,对输入的两张具有部分重叠的图像进行自动排序,可以提高监控系统的可靠性和图像的配准精度;然后采用尺度与旋转不变的SURF算法提取特征点,并用改进的RANSAC算法剔除误匹配点,进一步保证了图像配准的精度,使正确匹配的特征点达到总数的80%以上;最后以渐入渐出法进行图像平滑过渡融合,消除了由于光照引起的图像拼接缝隙。实验表明,本方法在图像拼接的速度和精度上取得了较好的效果,适用性较强。     

基于改进SURF算法的遥感图像配准

SURF算法用于遥感图像配准具有更好的鲁棒性和更高的效率。但由于遥感图像通常包含较多的重复特征,进行配准时容易产生误配,导致拼接图像出现重影和不精确。针对该问题,运用GTM方法对SURF算法进行改进后用于遥感图像配准。结合特征点的位置信息,分别构建特征点的图形,通过迭代使待配准图像的特征点图形一致,去除误配点。实验结果表明,使用改进后的算法进行遥感图像配准能有效去除误配点,实现准确匹配,从而实现正确拼接。     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

基于SIFT算法的疵病图像配准

光学技术的发展对光学元件提出了更高的要求,检测的精度和准确性是其重要的部分,而疵病图像的配准是一个很重要的环节,因此对疵病图像的配准进行研究很有必要。针对疵病图像配准算法进行了阐述,并对基于特征点匹配的SIFT算法的原理及过程进行了介绍,用MATLAB软件进行编程,搭建实验平台获取疵病图像,并采用尺度不变特征变换（SIFT）算法对所获取的疵病图像进行配准、拼接,得到了完整的疵病图像。实验结果表明,该算法能有效地对疵病图像进行配准,为后续的疵病信息提取打下良好的基础。     

粒计算在图像拼接中的应用研究

应用粒计算理论提出了一种新的基于特征的图像拼接算法.图像拼接技术的关键在于图像配准问题,采用的配准方法是首先建立图像的粒计算模型,对图像进行边缘检测得到边缘图;在边缘图中利用梯度信息提取图像特征点;对两幅图像的特征点进行相关操作找出匹配特征点.实验结果表明文中所提算法的运算效率和拼接结果优于传统算法,且算法稳健,取得了良好的效果.     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

变电站机器人自动巡检中的刀闸开合状态分析

针对人工刀闸巡检主观性强、费时费力等弊端,提出一种可应用于机器人巡检的刀闸开合状态分析方法。该方法分别提取了模板图像和巡检图像的SURF特征点和特征向量,并基于最近邻匹配和随机抽样一致性(RANSAC)算法完成了巡检和模板图像的匹配与配准;然后根据模板图像上的刀闸位置信息获得配准后巡检图像的刀闸区域;接着采用Canny算法对刀闸区域进行边缘检测,并利用概率Hough直线检测算法提取边缘直线;最后根据刀闸左右两臂的直线斜率差来判断刀闸的开合状态。实验结果表明该方法对于巡检和模板图像的匹配与配准都均有较高的准确度,并能精确描述出刀闸的开合程度。     

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

一种自动化三维乳腺超声全景图的自动拼接算法

自动化三维乳腺超声(ABUS)设备因受探头尺寸的限制而导致其成像视野有限。通过将其不同视野的图像数据进行拼接实现了对乳腺组织的全景超声检查。算法首先采用自动定位乳头位置的算法来识别和标记ABUS图像中的乳头位置;其次将乳头位置指定为后续拼接算法的特征匹配点,通过匹配特征点对图片进行融合,从而完成对ABUS乳腺超声全景图的自动拼接。结果表明,本算法可有效地自动拼接ABUS乳腺超声全景图,无需人工干预,医生可通过全景图对乳腺癌筛查病例实现更为准确和客观地诊断,具有非常重要的临床应用价值。     

地球同步气象卫星图像三维球面拼接

传统图像拼接的目标是实现图像间无明显接缝的效果.而地球同步气象卫星遥感图像三维拼接的目标则是获得像素与经纬度的对应关系.提出了一种地球同步气象卫星图像三维球面拼接的方法:首先基于拓扑位置关系的轮廓配准方法,以GSHHG数据库为载体,得到初始的配准结果.然后利用基于几何拓扑一致性的特征提纯来去除误匹配.接着通过匹配点集来拟合多项式映射模型得到图像间的映射关系.在建立最佳缝合线搜索准则之后使用动态规划算法来搜索最佳缝合线,最后加权融合完成三维球面拼接.     

基于特征点概率模型与匹配的图像拼接算法

为了解决图像内容单一、特征点不明显且数量少而导致其难以拼接准确的问题,提出了基于特征点概率与匹配的图像拼接算法.首先,利用图像重叠区域特征的单应性,开发出对旋转、尺度及光照不变的可靠特征几何结构,计算焦距矩阵与旋转矩阵,实现特征点检测;利用随机抽样一致性算法,完成特征点匹配.然后,利用伯努利分布特性和贝叶斯计算,建立内点和离群点的模型概率,剔除错误匹配点,从而提高图像匹配精度,准确完成图像拼接.最后以条码对接是否准确为图像拼接质量判断基准,实验测试结果显示:与当前图像拼接技术相比,该算法拥有更高的拼接准确率与鲁棒性.     

高分辨率瓷砖图像实时拼接算法

为了解决不同纹理瓷砖图像的快速拼接问题，研究了图像拼接算法。首先，分析了图像拼接中速度和精度的关系，通过构建高斯金字塔尺度空间以减少程序的运算时间。然后，采用相位相关法配准瓷砖图像。在这个过程中，结合亚像素细化补偿分辨率下降引起的配准误差，并提出一种基于拉普拉斯算子的高频特征凸显策略以增强相位相关法鲁棒性。在多种颜色和纹理的瓷砖图像拼接实验表明，所提出的算法相比于基于SIFT和ORB算法，拼接成功率提升了60%和65%;相比于SURF、H-SURF和FFT算法，SSIM提升了9.04%、7.58%和4.02%。在运行速度上，所提出的方法相比于SIFT、SURF和H-SURF算法提升了4倍、3倍和2倍，仅为传统基于傅里叶变换的相位相关法的52%。该算法实现了快速和高质量的图像拼接，满足了工业应用中对高分辨率瓷砖的成像要求。     

基于光学GCP图像切片的SAR图像自动匹配方法

地面控制点是进行星载SAR图像几何精校正的重要条件之一.通过光学GCP切片和SAR原始图像进行匹配可以实现控制点的自动提取.提出了一种在图像梯度域,实现光学图像和SAR图像异源匹配的方法.首先根据SAR的轨道参数等信息,实现光学GCP切片和SAR图像尺度和旋转的归一化,解决异源图像间的分辨率和旋转角度差异.然后分别提取SAR图像和光学图像的梯度强度信息,为了消除SAR图像的斑点噪声,采用ROA算法准确提取SAR图像的梯度强度.SAR图像和光学图像的成像机理差别很大,直接在图像域匹配较为困难.但是它们的梯度强度图像具有相似性,为此可以通过在梯度强度图像域,应用归一化互相关匹配算法,实现同名点的自动匹配.最后采用实验证明了方法的可行性.     

Sonar Image Registration and Mosaic Based on Line Detection and Triangle Matching

Image registration is an important research topic in the field of computer vision, in which the registration and mosaic of side-scan sonar images is the keypoints of underwater navigation. However, the image registration method of keypoints is not suitable for sonar images which do not have obvious feature points. Therefore, a method of sonar-image regis-tration and mosaic based on line segment extraction and triangle matching is proposed in this paper. Firstly, in order to extract features from sonar image, the LSD method is introduced to detect line feature from images, and line segments are filtered by the principle of attention; after that, triangles are formed from line segments, an image transformation matrix can be calculated through the heuristic greedy algorithm from these triangles; finally, images are merged based on the transformation information. On the basis of practical tests, it is found that, the feature extraction method used in this paper can better describe the outline of underwater terrain, and there is no obvious stitching gap between the result of sonar images stitched. Experimental results show that the proposed method is effective than the keypoints method of the registration and mosaic of sonar images.     

SURF和RANSAC在图像拼接中的应用

图像特征检测在计算机视觉带动下得到了快速发展.SURF特征描述能够非常稳定快速地对图像特征进行检测和描述.RANSAC能够在inliers大于50％的条件下很好地估计出模型参数,在特征点匹配上起到了关键作用.本文利用SURF特征描述子对图像特征点进行检测和描述,然后运用交叉匹配的策略有效地消除一些错误匹配点对,然后运用RANSAC算法进行模型估计,最后使用线性加权的方式对图像进行融合.该方法利用了SURF快速检测和稳定性的特点和RANSAC算法时间复杂度小的特点进行特征点快速准确匹配,最终能够实现快速的图像拼接.