基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

基于神经网络的图象序列特征点匹配

利用神经网络优化技术解决图象序列的特征点匹配问题，将特征点匹配归结为一个带约束的优化问题，并用2D Hopfield网络实现，在Hopfield网络的能量函数的设计中，综合考虑了特征点的预测结果、特征点的遮挡等情况，从而克服了现有的多数方法所存在的误匹配现象，对于特征点的跟踪，头3帧图象的正确匹配是十分关键的。本文提出了一种3D Hopfield网络用以解决头3帧图象的特征点匹配，并提出了一个运动平滑性的代价函数用以构造3D Hopfield网络的能量函数，实际图象序列的实验结果证明了本方法的有效性。     

基于双向最大相关与视差约束的特征点匹配

提出一种基于双向最大相关与视差约束的特征点匹配方法,首先利用双向匹配策略来提高匹配精度,然后基于视差约束条件进一步剔除误匹配点,实验证明该算法不仅简单高效而且匹配精度高。     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于图的Laplace谱的特征匹配

为了能对等距变换和相似变换后的图像进行精确匹配，提出了一种基于图的Laplace谱的特征匹配方法，该方法是首先给定两幅图像的特征点，然后分别定义其Laplace矩阵，再通过分析该矩阵的特征值及特征向量来构造特征点匹配矩阵；最后根据匹配矩阵元素的大小和位置信息来实现特征点匹配，并从理论上证明了该算法在对图像进行等距变换或相似变换情况下能获得精确匹配。实验结果表明，该方法对真实图像的匹配精度可达到82％。     

一种基于局部结构信息的指纹伪特征滤除算法

自动指纹识别系统中，灰度指纹图象经过预处理过程得到细化二值图象，其中往往含有大量的伪特征，这将对后续的分类、匹配等操作造成不良影响，导致系统识别率下降，为此首先提出一种新的快速纹线跟踪算法——8邻域编码纹线跟踪算法，然后提出一种基于局部结构信息的指纹伪特征滤除算法，该伪特征滤除算法是在纹线跟踪的基础上，提取指纹特征点的若干属性，并结合特征点的局部结构信息，对各种伪特征结构进行识别和滤除，实验结果表明，本方法可以快速、准确、彻底地滤除这些伪特征结构，效果令人满意。     

扫描电镜立体图象对特征点匹配算法

本文研究了在扫描电镜中基于双目成象原理获取立体图象对以计算断口号表面三维参数的过程中，立体对图象的对应特征点的匹配问题，提出了基于不变矩度量的扫描电镜立体对图象的对应特征点模板匹配算法，经实际匹配验证，结果令人满意。     

基于图像深度信息的尺度不变特征变换算法误匹配点对剔除

特征点匹配是基于特征点的图像配准技术中的一个重要环节。针对现有基于尺度不变特征变换(SIFT）图像配准技术特征点匹配不理想,也无法较客观、快速地筛选正确匹配点对的问题,提出结合图像深度信息进行特征点误匹配筛选剔除的方法。该算法首先根据模糊聚焦线索和机器学习算法估计出待配准图像的深度信息图,再提取SIFT特征点,并在特征点匹配环节利用随机抽样一致性(RANSAC)算法迭代循环,结合深度局部连续性的原理来进一步提高匹配精度。实验结果表明,该算法具有很好的误匹配点对剔除功能。     

基于灰度差分不变量的点特征匹配

本文提出了一种新的基于灰度差分不变量的点特征匹配方法。首先，利用灰度差分不变量获得点集之间的初始匹配；然后，利用初始匹配快速、稳健地估计图象之间的唯一几何约束－对极几何约束；最后，利用对极几何约束改进初始匹配。大量的实际图象实验表明，本文所提出的匹配算法有非常快的运算速度和很高的匹配正确率。     

基于多约束的图像特征点鲁棒匹配方法

提出了一种基于多约束的图像特征点匹配的鲁棒算法，在计算匹配强度和构造匹配矩阵的基础上，通过视差约束、邻域相对视差约束和唯一性约束对匹配矩阵进行约简，以实现双目图像特征点的鲁棒匹配，最后给出了实验结果．     

基于双目视觉的基准差梯度立体匹配法􀀂

因灰度相关只是从一个侧面来描述左右图像特征点区域之间的灰度相似性,没有考虑特征点之间的空间相关性,因此利用灰度间的相似性作为测量标准进行匹配,不可避免地出现误匹配,提出了在进行双目视觉立体匹配时,采用灰度相关匹配技术,提取复峰特征点作为初始匹配集,采用视差梯度有限约束优化初始匹配集.利用左右图像一对已知对应基准点,通过计算基准点与复峰集各点间的基准差梯度,采用基准差梯度极小化评判标准,确定唯一匹配,并将匹配结果确定为新的基准点以不断更新基准点,直至左(右)图像特征点匹配完毕.通过分别对一幅弱纹理实际自然图像及已知三维坐标标准件的三维重建,证实了所提方法的有效性和可靠性.     

基于归并优化的快速特征点匹配算法

在使用点特征进行图像匹配的过程中,初始提取的特征点的数量和质量决定了最终的匹配速度和匹配精度.针对这一特点,本文提出对初始提取的特征点集首先进行动态的分块归并优化,然后使用改进的分层投影匹配算法对图像进行粗匹配,最后通过极线约束得到鲁棒的匹配结果.实验表明,本方法在对纹理丰富、尺寸较大的图像进行匹配时,大大提高了运算的速度,同时又保持了匹配的精度.     

一种用于点模式匹配的改进型谱方法

利用谱方法进行点模式匹配的主要问题是对点的位置噪声比较敏感。为了提高谱方法对噪声的鲁棒性,该文在表示矩阵的构建过程中采用高斯加权的近邻矩阵对要匹配的点模式进行描述,提出一种新的符号校正方法,利用点的属性信息对根据谱方法得到的匹配度量进行加权。仿真实验表明,在噪声情况下的点模式匹配应用中采用改进的谱方法可以获得较高的正确匹配率。     

基于多片前方交会的工业摄影测量自动匹配

针对数字工业摄影测量中的人工标志点的快速自动匹配问题,根据从物方空间角度描述核线的原理,提出了一种基于空间前方交会的匹配算法。该算法首先通过计算投影线间的最短距离来确定一组初始匹配像点;然后通过双片空间前方交会来确定一组潜在的物方点,并将其按距离分组;最后,将每一个潜在的物方点的坐标残差过大及属于同一张像片的像点剔除,同时通过判断与各物方点对应的像点数来确定同名像点。两组实验均证明,该算法不仅计算速度快,而且具有高匹配率和低误匹配率,能为数字工业摄影测量自检校光束法平差提供高精度的初值。     

一种基于雾天图像增强的SURF图像匹配方法

在地质灾害监测系统中,可以通过图像的变化检测对发生的灾害进行监测。要精确地进行变化检测,需要首先对图像进行匹配。针对雾天图像匹配精度低的问题,提出了一种基于雾天图像增强的SURF（Speed Up Robust Feature）图像匹配方法,有效地提高了雾天图像的匹配精度。用MSR（Multi Scale Retinex）算法对雾天图像进行增强处理,采用SURF算法完成特征点的提取,用欧式距离来度量特征点的相似度,根据相似三角形的距离比例不变性删除误匹配的点对。实验结果表明,该方法显著提高了图像特征点的匹配精度,为后续利用图像变化检测进行灾害监测提供了良好的基础。     

基于模板匹配的加速肺结节检测算法研究

使用传统的归一化互相关模板匹配算法进行肺结节检测耗时较长,在数据量较多的情况下容易造成漏诊或误诊。提出一种改进算法,主要从优化搜索策略入手,采用粗-精匹配思想,先使用改进SAD算法进行粗匹配找出侯准匹配点,再采用归一化互相关算法在侯准匹配点邻域内进行精确匹配找出最佳匹配点。实验结果表明,与NCC算法和卷积算法相比较,该算法在保证匹配精度的前提下,较大幅度地提高了匹配速率。采用这种算法进行自动肺节点检测可减少检测时间,对辅助完成早期的疑似肺结节点的定位和跟踪诊断有重要意义。     

基于SIFT和NCC的多源遥感影像配准方法

针对多源遥感影像的配准,提出了一种结合SIFT算法和归一化互相关（NCC）匹配算法的配准方法。该方法采用SIFT算法提取特征点并进行匹配得到一定数量的特征点对后,利用SIFT特征点的尺度和方向信息对NCC进行改进,进一步从未能匹配的特征点中获取匹配点对,经粗差滤除后得到有效的匹配特征点对,随之进行影像配准。方法结合了SIFT算法和NCC算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法. 首先利用经典的角点检测算法提取待匹配图像的特征点或角点; 其次利用相位相关法估算出两幅图像的重叠区域, 以缩小匹配范围; 然后对角点邻域模板区域施行Laplace变换; 最后利用基于改进的SSIM (结构相似性)作为相似性度量准则建立特征点之间的匹配关系. 实验结果表明, 该方法可以很好的完成特征点匹配, 匹配点对充足且具有很高的准确率, 而且对亮度差异具有一定的鲁棒性, 从而保证图像配准精度.     

Image feature detection algorithm based on the spread of Hessian source

Image feature detection can be obtained from many methods including the feature point detection. This paper adopts the image feature point detection method based on second-order characteristics of point and the image feature detection algorithm based on the Hessian matrix to detect more feature points. By combining the gray-scale-based image-matching technology with the feature-based image feature detection technology, we propose a Hessian algorithm to obtain more matching points, which can search for matching more quickly. The proposed algorithm overcomes the traditional matching methods that have Ergodic properties of the search strategy. Experiments demonstrate the speed and accuracy of the proposed algorithm, and we use the correct detected feature points to realize image registration, image fusion and image stitching.     

基于K-means聚类和RANSAC的图像配准算法研究

针对图像配准中特征点匹配方法存在实时性不高和精度低的问题,提出了一种基于K means聚类和RANSAC的图像配准算法。该算法根据匹配点对距离和方向特征的视差约束条件,首先利用K means聚类对匹配点对进行预处理,剔除大部分错误匹配点,然后利用RANSAC进行二次优化,实现了图像的快速和精确配准。实验结果表明,该算法不仅提高了图像配准的精确度,而且提高了图像配准的速度。