基于深度学习LoFTR算法的路面图像拼接

相比基于特征点的传统图像特征匹配算法,基于深度学习的特征匹配算法能产生更大规模和更高质量的匹配.为获取较大范围且清晰的路面裂缝图像,并解决弱纹理图像拼接过程中发生的匹配对缺失问题,本文基于深度学习LoFTR (detector-free local feature matching with Transformers)算法实现路面图像的拼接,并结合路面图像的特点,提出局部拼接方法缩短算法运行的时间.先对相邻图像做分割处理,再通过LoFTR算法产生密集特征匹配,根据匹配结果计算出单应矩阵值并实现像素转换,然后通过基于小波变换的图像融合算法获得局部拼接后的图像,最后添加未输入匹配网络的部分图像,得到相邻图像的完整拼接结果.实验结果表明,与基于SIFT (scale-invariant feature transform)、SURF (speeded up robust features)、ORB (oriented FAST and rotated BRIEF)的图像拼接方法比较,研究所提出的拼接方法对路面图像的拼接效果更佳,特征匹配阶段产生的匹配结果置信度更高.对于两幅路面图像的拼接,采...     

基于改进SIFT的图像拼接算法

针对基于SIFT算法的图像拼接中算法复杂度过大和特征点匹配不准的问题,提出了用CS-LBP算子结合SIFT特征点生成特征描述符以及特征双向匹配的图像拼接算法。首先提取SIFT关键点,对每个关键点生成81维的CS-LBP特征描述子,然后利用特征向量双向匹配策略寻找符合特征匹配关系的匹配点对完成粗匹配,最后再利用RANSAC算法计算待拼接图像之间的变换矩阵,从而实现图像的拼接。实验结果表明,该方法能够有效地减少运算量,加快运算速度,拼接效果也较为理想。     

基于SIFT特征匹配的图像无缝拼接算法

基于尺度不变(SIFT)的特征匹配思想和像素加权平滑的图像融合思想,提出了1种鲁棒、精确的图像拼接算法,从而解决尺度、视角及光照变化较大情况下图像拼接问题。SIFT特征匹配算法利用128维向量对特征点进行描述,利用最近邻法完成2幅图像特征点的匹配。对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,同时估计模型参数,并借鉴加权平滑算法消除拼接图像之间的缝隙,进一步提升拼接效果。实验结果表明,该算法在继承了SIFT算法鲁棒性的同时,进一步提升了拼接精度,降低了图像亮度等差异的影响,使拼接图像自然逼真。     

基于特征点匹配的视频图像实时拼接系统

提出了一种基于尺度不变特征变换算法的视频图像实时拼接方法。首先,用等焦距柱面变换对待拼接的图像进行处理,使相邻摄像机所拍摄的图像帧投影在同一柱面上;然后,优化k-d树的最近邻算法提高了特征点匹配的速度;最后,随机采样一致性算法剔除了错误的匹配点,提高了匹配的准确性,并得到投影变换矩阵进行多摄像机图像帧拼接。实验结果表明,与传统的图像拼接算法相比,该方法极大地提高了视频图像拼接的鲁棒性,实现了视频图像的实时拼接。     

磨粒图像自动拼接与预处理技术研究

磨粒图像拼接是铁谱分析技术中遇到的难题之一.为了解决该问题,介绍了图像拼接的原理,分析了磨粒图像拼接的特点.在介绍了各种图像拼接方法优缺点的基础上,分析了适合于磨粒图像的拼接方法,并提出了改进算法,综合考虑了算法的速度和算法效果,给出了实现方法与途径.实验结果表明,其中基于比值的方法程序实现容易,速度快;基于图像相关性的配准方法稳定可靠,加上基于直方图的模版自适应选取,提高了磨粒拼接的自动化程度.     

基于匹配策略融合的低误差快速图像拼接算法

针对目前多数拼接算法正确匹配率低、耗时及误差大的问题,提出了基于匹配策略融合的改进图像拼接算法。该算法首先仅在图像的重合区域提取SIFT特征点,并计算SURF特征描述符;其次,融合改进的最近邻比次近邻、双向交叉检查及匹配差值的阈值化3种匹配策略,结合坐标约束及RANSAC算法完成特征匹配;最后,提出利用配准参数计算任意图像到参考图像坐标空间的投影变换模型的方法,并利用多线程技术将所有图像投影至参考坐标系,经过亮度校正、加权融合后合成全景图。实验结果表明,提出的拼接算法正确匹配率提高了10~20%,拼接总耗时约为传统逐帧扩大式拼接算法的1/3,且累计误差大大降低,拼接图像畸变小。     

基于SIFT的无人机航拍图像快速拼接技术研究

无人机航拍图像自动拼接技术可以获得宽视野、高分辨率的图像,在地图生成、军事侦察等方面具有重要的研究意义。对于特征点匹配时间较长的问题,提出一种新的图像拼接算法。通过无人飞行器获取航拍图像,采用SIFT特征提取算法提取图像的特征点,并在图像初步匹配中加入序贯相似性检测算法(SSDA算法),再根据RANSAC算法计算转换矩阵,去除误匹配的特征点对,最终完成图像拼接工作。通过实验证明,所用算法使匹配速度加快,大大缩减了运算时间,同时得到较好的无缝拼接结果图。     

基于邻域梯度向量的弹壳图像拼接算法研究

研究用于取证的弹壳图像拼接问题,提高拼接准确率。由于枪弹壳体形小,在多角度拍摄用于拼接的图像时,不可避免会重叠拍摄使得获取的图像间相似性较大,传统的基于特征匹配的弹壳图像拼接方法,易受图像间相似性影响而造成图像特征误匹配,导致弹壳图像拼接准确率不高的问题。为了解决这一难题,提出基于邻域梯度向量的弹壳图像拼接方法。通过计算图像分块邻域梯度向量,据向量距离得到初步匹配集,并采用自适应参数组合算法去除初步匹配集中的错误匹配,然后利用聚类算法完成弹壳图像的拼接融合,避免了传统方法受图像相似性的影响而造成拼接准确率不高的问题。结果表明,此种方法能够去除图像相似性的干扰,准确完成弹壳图像的拼接,取得了满意的结果。     

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。     

基于Order-Aware网络内点筛选网络的电力巡线航拍图像拼接

电力巡线图像纹理复杂且具有视差变化,针对传统算法获取成对匹配点数量较少、配准精度较低,严重影响电力巡线无人机图像拼接效果等问题,提出了一种基于改进OANet的图像拼接算法。首先,借助加速“风”（AKAZE）算法对待拼接电力巡线图像进行粗匹配;其次,对OANet中Order-Aware模块添加挤压和激励网络（SENet）,从而增强网络对局部和全局上下文信息的抓取能力,得到更精确的成对匹配点;然后,通过MPA算法配准待拼接图像;最后,借助内容压缩感知算法计算重叠区域的最佳缝合线以完成图像拼接。改进OANet相较原OANet的正确匹配点数量增加了10%左右,耗时平均增加了10 ms;与APAP算法、AANAP算法、MPA算法等配准拼接算法相比,所提算法的拼接质量最好,其待拼接图像的重叠区域的均方根误差为0,非重叠区域未发生畸变。实验结果表明,所提算法可快速、稳定地拼接电力巡线航拍图像。     

基于特征线段的图像快速拼接算法

在讨论图像拼接的模板匹配法的基础上,针对计算量太大的问题,提出了一种提高效率的改进算法。选取四条特征线段做为模板,并利用相邻图像之间的颜色信息进行图像拼接。试验结果表明,改进算法不但降低了计算复杂度,还很好的保证了拼接质量。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。     

一种去除运动目标重影的图像镶嵌方法研究

针对图像镶嵌过程中如果图像序列中存在运动目标就会引起重影的问题,文中提出了一种新的去除运动目标重影的图像镶嵌方法。算法首先对视频图像进行了运动分割,在图像匹配阶段采用边缘特征点进行匹配,并由马尔可夫随机场模型生成运动目标的二值模板,剔除掉运动目标二值模板上的边缘点,从而保证图像匹配的准确率。在镶嵌阶段使用活动轮廓模型生成一条最优镶嵌线,产生的镶嵌线充分考虑了图像的边缘特征和梯度信息,确保了镶嵌后图像两边纹理差异更小。从连续视频帧中选取多帧图像进行实际的图像镶嵌,实验结果表明文中算法取得了较好的效果。     

海事监管中无人机航拍图像快速拼接算法

针对海事监管中航拍图像拼接生成大视场图像的时效性较低以及配准准确性不高的问题,提出了一种快速高效的无人机(UAV)航拍图像拼接算法.根据海事监管辖区航拍图像特点缩小了角点搜索范围,通过设定自适应的梯度阂值和角点响应函数阈值筛选角点,通过局部最大角点响应函数值取舍准则实现了角点均匀化分布;采用基于相位相关的模板粗匹配方法和带有特征约束的RANSAC细匹配方法求出最优变换矩阵;利用人眼的视觉特性改进传统加权平均融合算法的加权因子使图像拼接过渡自然.实验结果表明:算法具有较好的自适应性,在拼接效率和准确率上较传统算法有了很大改善.     

基于SIFT特征的眼底图像自动拼接

针对眼底图像对比度低、不同视场的图像间存在几何畸变等特点,提出一种基于SIFT特征的眼底图像自动拼接算法。该算法分别提取待拼接眼底图像的SIFT特征点,并用向量进行描述,确定两幅图像特征点的匹配关系,使用MLESAC算法去除误匹配点对,提出对特征点对提纯的距离-斜率相似测度方法,计算匹配点之间的透视变换矩阵,最后进行图像配准和拼接。对实际眼底照相机获取的多幅图像拼接结果表明,该算法具有很好的鲁棒性和稳健性,可以实现眼底图像的高精度自动拼接。     

特征提取与模板匹配结合的图像拼接方法

本文提出一种特征点与模板匹配相结合的图像拼接方法,先对相邻两幅图像利用Harris算子提取特征点,然后根据特征点的位置确定模板的大小和位置,大大减小了图像拼接的计算量,提高了拼接速度。用两幅相邻的月球表面图像进行实验,实验结果表明本文算法能取得较好的效果。     

序列图像的目标识别算法改进

提出一种改进的动态模板匹配算法,将仿射不变矩作为提取目标时的不变特征,同时采用一种改进的canny算法对目标进行边缘检测,以去除伪边缘,利用长方形模板代替方形模板,提高算法的实时性。实验结果表明,该算法的识别率高于传统动态模板匹配算法,同时可以有效降低计算量。     

序列图像的目标识别算法改进

提出一种改进的动态模板匹配算法,将仿射不变矩作为提取目标时的不变特征,同时采用一种改进的canny算法对目标进行边缘检测,以去除伪边缘,利用长方形模板代替方形模板,提高算法的实时性。实验结果表明,该算法的识别率高于传统动态模板匹配算法,同时可以有效降低计算量。     

基于粒子群优化的模板匹配跟踪算法

针对基于模板匹配的跟踪算法运行速度较慢、成功率较低的问题,提出了一种基于粒子群优化(PSO)的模板匹配跟踪算法。该算法采用粒子群优化算法作为模板匹配算法候选模板的搜索策略,并采用自适应的更新目标模板。首先,在设定的搜索区域内随机采集30个候选模板,计算出个体最优候选模板和全局最优候选模板;其次,根据粒子群优化算法进行迭代求出匹配值最佳的候选模板即为目标;最后,根据最佳候选模板的匹配值大小来自适应更新目标模板。理论分析和实验仿真表明,与基于模板匹配的跟踪算法和基于粗精搜索的模板匹配跟踪算法相比,基于粒子群优化的模板匹配跟踪算法的计算量平均要少91.1%和69.8%,且成功率为原算法的2.02倍和1.94倍。实验结果表明,基于粒子群优化的模板匹配跟踪算法能实现很好的实时跟踪,并且提高了跟踪的鲁棒性。     

基于特征点匹配的改进模板匹配算法

特征点匹配是图像匹配领域中一项重要研究内容。暴力匹配中强调缺少特征匹配不是由于太少的正确匹配,而在于很难分辨真假,故加入模板匹配进行约束,提出一种改进模板匹配算法。为了提升匹配速度和精度,该算法通过提供特征点的坐标,可以计算出每个特征点的得分值,并将其用于从输入图像中提取模板。基于输入图像和另一幅图像之间的模板匹配,使用暴力匹配算法在模板和匹配区域之间进行特征点匹配。该算法可以将高匹配数转换为高匹配质量。实验结果表明,该算法匹配速度较快、准确度较好。