基于对应点匹配的眼球切片图像插值算法

图像插值是三维重建的一个关键步骤。针对眼球切片图像的特点,研究和分析了传统的图像插值方法,并在此基础上提出了一种改进的对应点匹配插值方法。先根据改进的对应点匹配准则在相邻层间建立点对点的对应关系,然后利用这些对应点进行插值,得到插值图像数据。实验结果表明,该算法能有效减少插值误差,获得令人满意的效果。     

基于学习边缘信息的图像插值算法

为解决图像插值时产生边缘模糊和重影等现象,利用神经网络学习图像边缘信息,匹配两相邻断层图像间相似点,实现图像的灰度插值.对于新插值图像上的每一个像素,在相邻两个断层各选择一系列候选对应点,利用神经网络选择最佳匹配的一对对应点,利用这对对应点的灰度值插值出新图像上相应位置的灰度值.试验结果表明,改善了传统图像插值中图像边缘模糊的现象,并且极大的消除了重影现象.     

根据轮廓寻找匹配对应点的断层图像插值方法

插值是三维重建的一个重要步骤。目前常用的直接灰度插值会使得图像边界模糊。针对这一问题,提出一种基于轮廓寻找匹配点的插值方法：首先对两幅图像进行形状插值,得到插值图像的轮廓;再根据轮廓寻找插值图像在两幅源图像上的对应点,并根据匹配准测,找到最佳匹配点;最后对匹配点的灰度进行插值,得到插值像素点的灰度值。试验结果表明,和已有的算法比较,新算法较好地提高了插值图像的质量。     

摄影测量中一种非编码点的自动匹配方法

在极限约束法基础上提出了一种非编码点匹配的改进算法,首先采用极限约束法得到候选匹配对应点,然后按编码点位置将图像Delaunay三角化,缩小匹配范用。在对应Delaunay三角形内确定匹配点,若在三角形范围内仍不能唯一的确定匹配点,则通过交比不变性来实现对应点的匹配。本方法不限制标志点的粘贴位置,满足摄影测量中实际应用要求。     

基于对应点匹配的物体深度信息测量

提出了一种基于对应点匹配的物体深度信息测量方法。首先给出了物理图像坐标系与像素坐标系之间的关系；其次，借助于相关法计算两幅图像中目标的相似度，以实现同一目标在不同成像中的匹配；然后从目标几何形状的角点出发，结合对应点的外极线约束条件，提出一种有效的对应点匹配算法，并利用对应点的视差计算基于光轴平行的双摄像机成像的目标深度信息。计算机仿真结果验证了算法的有效性。     

基于连通区域特征的图像配准方法

提出了一种图像配准方法,对图像的平移、旋转以及缩放具有矫正效果.由于使用了连通区域作为配准对象,降低了算法复杂度,提高了效率.该方法对图像的连通区域进行检测,从而获得所有区域的属性特征,通过对这些特征进行多重筛选匹配得到图像变换前后的对应点,利用仿射变换矩阵结合插值运算进行图像的校正.实验结果表明,该方法对资源的占用比低,且具有较高的精度.     

相关视觉中基于位置相似性特征的点匹配问题研究

在研究相关视觉中的X光图像点匹配问题时，依据相关视觉中两幅图像的点具有位置相似性的特征，提出了基于“最小欧氏距离和约束”的匹配准则。该准则不同于一般点匹配问题中的基于灰度信息和基于区域特征的方法，它是利用顺序匹配算法原型，并依据两幅图像中标志点满足局部范围内对应点的相对位置不变这个条件，采用进化规划搜索算法不断调整标志点序列的顺序，通过使其对应点欧氏距离和最小来逼近最佳结果，从而在较低时间内取得了绝大部分点正确匹配的效果。经过实例测试和比较，验证了算法的有效性。最后总结了该算法的思想，并推广了它的应用。     

基于物质分类的三维空间断层图像匹配插值

三维空间医学图像处理通常需要由各向异性的断层图像数据插值出各向同性的体数据。提出一种基于物质分类的匹配插值方法，在两幅原始图像一定窗口区域内选取尽可能属于同种密度物质的候选点对，再根据特片相似性判据找到最佳匹配点对插值。该方法可以获得清晰的灰度插值图像，有效地避免插值后易产生的不同种密度物质边界模糊现象。     

一种分区域多方向数据融合图像插值方法

为满足高端工业检测中对检测精度和检测时间的严格要求,针对现有图像插值方法在插值速度与精度方面的矛盾,本文提出了一种分区域多方向数据融合图像插值方法。在灰度平坦区域,采用双线性插值算法进行插值。在边缘纹理区域,则选取待插值点在源图像中对应点的4×4邻域内4个插值方向上距离最近的12个像素点,基于距离平方反比计算估计值;然后结合方向灰度梯度和插值距离两个权 重因子,进行数据融合,获得最终插值。实验表明,新提出的插值方法运行速度快,并且在图像任意级别变换时都具有较高的插值精度,能够很好地保持图像的边缘纹理细节。     

一种改进的基于边缘的自适应图像缩放插值算法

图像缩放一般都是通过插值．尽可能的以较快速度实现较好的缩放效果．但一些传统的图像插值方法(如双线性插值，双三次插值等)常使缩放(特别是放大)后的图像边缘部分模糊或出现锯齿现象．引入了一种改进的保留图像边缘特征的自适应缩放插值方法，在Nira Shezaf等人提出的自适应插值算法的基础上进行了改进．引进矩形插值和梅花形插值，提出了梯度插值权重函数，能够有效地处理模糊和锯齿现象，并得到了较好的放大图像．最后利用相关评估标准进行了图像质量评估．     

Virtual reconstruction of random moving image capturing points based on chaos embedded particle swarm optimization algorithm

During the exercise process, such as jumping, and running, the angles of different joints of the athlete's body will produce different changes, resulting in obvious mismatches in different joint feature points. The chaotic matching error makes the calculation results of the basic shape features of the athletes in different parts have large deviations. In this paper, an improved algorithm of CEPS (Chaos embedded particle swarm) optimization algorithm interpolation is introduced, which can improve the interpolation precision and reduce the calculation time of interpolation. Through interpolation, the fast Fourier transform can be used to realize the fast reconstruction of the target 3d image based on biomechanical characteristics. The experimental and simulation results show that the three-dimensional image reconstruction algorithm based on the interpolation method can reconstruct the three-dimensional image of the target, achieve the detection of the target and have good resolution, and improve the authenticity of the human motion image sequence three-dimensional dynamic simulation.     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

基于SUSAN特征点的图像配准算法

提出了一种基于SUSAN算法提取图像特征点并进行图像配准的改进算法。首先采用SUSAN算子对图像进行特征点提取,然后利用最近邻次近邻比值法对特征点进行粗匹配,通过RANSAC（随机抽样一致性）算法剔除错误的匹配点对;最后通过重采样和双线性插值完成图像的配准。实验结果表明,本算法在图像配准中具有一定的有效性。     

改进的基于深度卷积网的图像匹配算法

鉴于图像匹配中单一特征难以获得理想效果的问题,提出一种改进的基于深度卷积网的图像匹配算法.首先对卷积层作展开,利用BLAS (Basic Linear Algebra Subprograms)高效地计算矩阵乘法,从而提高了算法运行速度;然后通过基于POEM (Pattern of Oriented Edge Magnitudes)特征的匹配点筛选方法,去除部分误匹配点,增强了基础矩阵的鲁棒性.实际图像的实验验证了改进算法的准确性和实时性,对于重复纹理及旋转图像的匹配效果显著.     

改进相似性度量模型的单幅图像自学习超分辨算法

在自学习超分辨算法中,高低分辨率图像块匹配是否准确是算法的关键。在高低分辨率图像块匹配过程中,考虑图像块纹理结构的重要性,提出了一种基于纹理约束的图像块相似性度量模型,应用该模型完成了高低分辨率图像块更为准确的匹配,使超分辨结果图像的细节更加丰富,进一步提高了图像质量。该算法仅使用了单幅低分辨率图像自身的相关先验信息,有效提升了图像的空间分辨率。实验结果表明,与双三次插值算法、自相似学习超分辨算法相比,本文提出的算法超分辨视觉效果更好,并且在客观评价指标中同样表现良好。     

一种基于分块匹配的SIFT算法

SIFT算法在图像处理领域具有独特的优势,但是经过不断发展,SIFT算法在特征匹配过程中仍然具有数据处理量大、计算速度慢的问题.基于这些问题,提出了一种基于分块匹配的新型SIFT匹配算法,它通过剔除非重叠区域来降低特征提取和匹配的时间损耗.对于图像的刚性变换,算法的核心在于图像块的切分和重叠区域的计算,首先选取少量的种子点来估算两幅图像的相关变换矩阵;然后将原始图像切分为几块,通过变换矩阵找出在匹配图中的相关块;再检测所有的匹配块上的特征点;最后结合RANSAC算法去除伪匹配点对,来提高匹配的准确率.实验结果表明:与标准SIFT算法相比,基于分块匹配的SIFT算法在实时性和鲁棒性方面得到了进一步的提升,在实际图像匹配中具有一定的应用价值.     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

基于改进SURF算法的柔性装夹机器人快速工件匹配方法

针对传统SURF算法在构建局部特征描述符时耗时较长,无法满足实时性要求的问题,提出了一种改进的SURF算法。首先,运用Hession矩阵行列式（DoH）检测图像中的关键点,并利用非极大值抑制法和插值运算搜索、定位极值点;其次,采用灰度质心法确定关键点的主方向;然后,采用二进制描述符BRIEF对关键点进行描述,并利用关键点的主方向构造带有方向的特征描述符,使其具有旋转不变性;最后,运用汉明距离初步确定匹配点,再用比率检测法和RANSAC算法去除误匹配点,进而获取精准配准。实验结果表明,该改进SURF算法在应用于机器人进行柔性装夹时,对工件图像的平均匹配时间由SURF算法的214.10 ms减少到86.29 ms;而且匹配精度方面比原SURF算法提高了2.6%,因此,所提算法能够有效提高柔性装夹机器人工件图像的匹配速度和匹配精度。     

基于SIFT算子融合最大相异系数的自适应图像匹配算法

针对传统的尺度不变特征变换（SIFT）图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题,提出一种基于SIFT算子融合最大相异系数的自适应图像匹配方法。首先,在欧氏距离（Euclidean distance）比测度基础上,对SIFT算法中128维特征向量自适应获取最大相异系数优化;然后,确定最大相异系数最优取值进行匹配点筛选,并采用随机抽样一致性（RANSAC）算法进行匹配正确率计算;最后,利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证。实验结果表明,改进算法较传统SIFT算法匹配正确率提升10个百分点左右,有效降低误匹配,更能够适应相似区域较多的图像匹配应用。在实时性上,所提方法单次匹配平均耗时1.236 s,可应用于实时性要求不高的系统。