改进SURF算法的图像拼接算法研究

针对目前图像拼接算法存在对于图像配准过程中对应特征点对难以准确匹配的问题,提出了一个通过改进的SURF算法提取图像特征点,然后对得到的特征点进行描述,利用快速RANSAC算法配准图像,最后采用像素加权的方法进行图像融合。实验结果表明,提出的改进SURF方法有效地提高了特征点提取的准确性,去除了错误的匹配点对,将整个拼接过程的效率从之前的13.03对/秒提升到15.20对/秒。     

含噪无人机图像拼接方法

为解决传统图像拼接方法对含噪无人机(UAV)图像的拼接存在严重图像畸变的问题,提出一种基于欧拉弹性模型与加速稳健特征(SURF)算法的含噪无人机图像拼接方法.将欧拉弹性能量模型应用在无人机图像拼接的去噪预处理环节,通过SURF算法进行特征点的提取、描述与匹配,通过随机抽样一致性(RANSAC)算法进一步去除错误的特征匹配点,运用加权平均融合算法实现对含噪无人机图像的无缝拼接.实验结果表明,相比传统拼接算法,该方法能有效实现对含噪无人机图像的拼接,消除拼接图像的畸变现象,显著改善拼接图像质量.     

SURF算法在小尺寸图像拼接中参数配置的优化

在图像拼接领域,SURF算法因其出众的时效性和鲁棒性,有着十分广泛的应用。针对SURF算法中特征点提取和描述过程中参数固定,对侧重点不同的图像拼接应用存在变通性较差的问题,提出了从窗口滤波器权值,特征点周围子区域的选择以及子区域内Haar小波变换的采样点范围三方面进行参数配置优化。针对目前主流的流媒体尺寸图像,利用控制变量法在不同的SURF参数配置下,对算法的时效性、准确性和鲁棒性等性能进行了分析;通过特征点匹配率和特征点匹配效率的比较,给出了SURF算法参数的选择策略。仿真结果表明该策略可以有效提高SURF算法在图像拼接中的运算速度和准确性,丰富算法在实时领域的应用。     

基于改进快速鲁棒特征的图像快速拼接算法

针对快速鲁棒特性（SURF）算法实时性、鲁棒性等无法满足实际应用需求的问题,提出了一种对SURF的改进算法,实现图像快速拼接。改进的算法采用机器学习的方法,建立一个二进制分类器,识别出SURF提取的特征点中的关键特征点,并剔除非关键特征点。此外,采用Relief-F算法将改进的SURF描述子降维简化来完成图像配准。图像融合阶段采用带阈值的加权融合算法,实现了图像无缝拼接。实验结果表明,改进的算法具有较强的实时性和鲁棒性,并且提高了图像配准的效率,加快了图像拼接的速度。     

一种基于SURF、FLANN和RANSAC算法的图像拼接技术

针对SIFT算法在图像融合中耗时长,维度高的问题,论文设计了一种基于SURF、FLANN和RANSAC三者结合的拼接方法。首先利用SURF算法鲁棒性强、算法复杂度低的优势来进行特征点的检测,凭借FLANN算法可以调整参数来进行精确度的提升的优点来进行特征点的匹配,并与常见的BF算法匹配进行比较;针对其中错误匹配对的存在,采用RANSAC算法对存在匹配错误的点进行剔除并进行单应矩阵的计算,来找到最好的模型匹配对,降低误差;最终采用加权平均法进行图像的融合。通过实验验证,算法提高了匹配效率,拼接效果良好。     

基于网格运动统计算法和最佳缝合线的密集重复结构图像快速拼接方法

针对常用的图像拼接算法对具有密集重复结构的图像会产生大量误匹配点从而出现明显鬼影且耗时较长的问题,将网格运动统计（GMS）算法与最佳缝合线算法相结合,提出了一种密集重复结构的图像快速拼接方法。首先,在图像的重叠区域提取大量粗匹配点;接着,采用GMS算法进行精匹配,然后在此基础上估计变换模型;最后,采用基于动态规划思想的最佳缝合线算法完成图像拼接。实验结果表明,将所提算法应用于两组具有密集重复结构的图像上,不仅可以有效消除鬼影,得到理想的拼接效果,而且显著减少了拼接时间;平均拼接速度分别是传统尺度不变特征变换（SIFT）和加速稳健特征（SURF）算法的7.4倍和3.2倍,分别是结合区域分块的SIFT算法和SURF算法的4.1倍和1.4倍。所提算法能够有效地消除密集重复结构拼接时的鬼影,同时缩短了拼接时间。     

基于颜色不变量和SURF的彩色图像拼接

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。     

基于图像增强的井下图像拼接

为了通过图像采集技术实时监控煤矿井下生产情况, 提出了基于图像增强的井下图像拼接算法。利用局部双边滤波算法对图像进行增强,在此基础上再利用近似的Hessian矩阵和框状滤波确定特征点的位置,然后,计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,最后利用特征点对计算得出变换矩阵,采用线性渐变融合方法进行图像融合。通过图像增强前后特征点数量对比实验验证了增强算法的有效性,并证明了该算法显著提高了SURF（Speeded Up Robust Features）算法的拼接效率,有利于提高匹配的准确性和拼接的快速性。     

快速有效的视频图像序列拼接方法

针对现有的视频图像序列拼接方法处理速度慢的问题,提出一种基于SURF特征的快速有效的拼接算法。该算法用鲁棒性强且计算性能优越的SURF算子取代传统的SIFT算子进行特征点提取;在特征点匹配方面,提出了一种基于哈希映射和双向最近邻距离比的匹配算法,可以快速有效地获得特征点间的对应关系。为了消除由于运动物体干扰带来的误匹配,采用随机采样一致性（RANSAC）方法来消除外点确保匹配的有效性,再通过最小二乘法估计视频帧之间的全局运动参数,最终拼接形成全景图。实验结果表明,该拼接算法快速有效,鲁棒性强,具有较高的使用价值。     

空间约束的无人机影像SURF特征点匹配

与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象“一对多”的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配.为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接.该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对.最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度.实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果.     

基于SURF的序列图像快速拼接方法

针对车载摄像平台的序列图像拼接问题,提出一种基于SURF的序列图像快速拼接方法.首先,对经预处理后的序列图像提取SURF特征点,采用最近邻法匹配特征点;其次,利用RANSAC算法估计相邻帧的变换关系;再采用改进的全局配准策略,完成图像配准;最后,采用一种最大值融合法,去除了拼接缝和光照明暗变化的影响,实现序列图像的无缝拼接.实验结果表明该方法适用于车载摄像平台序列图像的快速、无缝拼接,具有较强的鲁棒性,有一定的实用价值.     

基于SIFT特征点的图像拼接技术研究

给出一种基于特征点的图像拼接方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,计算出特征匹配点后,使用RANSAC算法剔除误配,并计算出两幅图像之间的坐标变换关系矩阵H.最终使用加权平滑算法完成了图像的无缝拼接.实验证明,该算法有效提高了图像拼接的效率和准确性.     

多幅图像的自动拼接算法研究

提出一种基于特征点的多幅图像自动拼接算法。根据SIFT或SURF算法在图像的尺度空间中提取特征点,对特征点进行亚像素定位,并赋予主方向。根据特征点邻域信息分布计算得到特征向量后,基于k-d树进行最近邻和次最近邻搜索,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对。使用RANSAC（Random Sample Consensus）算法剔除错误匹配特征点对,同时对图像之间的变换参数进行鲁棒估计,使用多频带融合算法消除拼接痕迹。实验验证了该算法能够完成多幅图像的自动无缝拼接。     

基于SURF特征匹配的图像拼接算法

提出了一种了基于SURF（speed up robust features）特征匹配的图像拼接算法。SURF方法是一种快速且鲁棒性较好的特征提取算法,用该算法提取图像特征后,使用改进BBF（best bin first）的快速匹配算法来寻找图像间的匹配点;用LM算法对单应性矩阵进行优化时,本文提出使用梯度误差函数增强对光照变化的鲁棒性;最后采用多分辨率融合方法进行图像融合,有效地消除了拼接痕迹,并保持较高的分辨率。实验结果验证了该算法的高效性,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的效果。     

基于改进ORB的无人机航拍图像拼接算法

为满足无人机航拍对图像拼接实时性和鲁棒性的要求,提出一种基于改进ORB的无人机航拍图像拼接算法。首先,特征检测引入SURF算法中的海森检测算子,解决尺度不变性问题;其次,用ORB算法进行特征描述,使其具备旋转不变性;接着采用汉明距离进行准确高效的图像特征粗匹配;然后,用KNN算法去除误差较大的匹配,缩小搜索范围,用RANSAC算法再次提纯;最后,使用泊松融合进行图像无缝融合拼接。实验表明,改进ORB算法实时性好、鲁棒性强,处理速度是SURF算法的5倍,具有抗噪性、旋转不变性和尺度不变性。     

一种快速去除大尺寸工件鬼影图像的精密拼接算法

为了提高大尺寸工件测量的精度和效率,针对现有拼接方法复杂度高且不能很好处理图像鬼影的问题,提出了一种快速去除大尺寸工件鬼影图像的精密拼接算法。该算法先通过SURF算法检测出相邻图像对应特征点,然后结合最近邻匹配法匹配特征点,零均值归一化互相关算法（ZNCC）判断、检测出图像是否存在鬼影;若存在鬼影,则用小波变换融合算法去除鬼影,并求出相邻两幅图像之间的单应性矩阵H,最后实现大尺寸工件精密拼接。结果表明,该算法不仅能有效地去除大尺寸工件图像鬼影,同时提高图像拼接精度和效率。     

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Harris-SURF的无人机图像快速拼接

无人机低空拍摄的图像具有成本低、方便快捷的优点,但也存在重叠度高、覆盖范围小等问题,需通过图像拼接来获得更大范围的图像。目前,无人机图像拼接效率不高。针对此问题,提出了一种结合Harris与SURF算法优点的改进Harris-SURF算法,并将该算法应用于无人机图像的自动配准;采用加权平滑融合算法消除亮度差异,较好地实现了无人机图像的无缝拼接。实验结果表明,该算法在效率方面较SURF算法有较大提高,对存在旋转、光照及视角变化的图像均有较好的匹配效果,实现了无人机图像的快速拼接。     

肌骨超声图像特征检测及拼接

目的 肌骨超声宽景图像易出现解剖结构错位、断裂等现象,其成像算法中的特征检测影响宽景图像的质量,也是超声图像配准、分析等算法的关键步骤,但目前仍未有相关研究明确指出适合提取肌骨超声图像特征点的算法。本文利用结合SIFT （scale invariant feature transform）描述子的FAST（features from accelerated segment test）算法以及SIFT、SURF（speeded-up robust features）、ORB（oriented FAST and rotated binary robust independent elementary features（BRIEF））算法对肌骨超声图像序列进行图像拼接,并对各算法的性能进行比较评估,为肌骨超声图像配准、宽景成像提供可参考的特征检测解决方案。方法 采集5组正常股四头肌的超声图像序列,每组再采样10幅图像。利用经典的图像拼接算法进行肌骨图像的特征检测以及图像拼接。分别利用上述4种算法提取肌骨超声图像的特征点;对特征点进行特征匹配,估算出图像间的形变矩阵;对所有待拼接的图像进行坐标变换以及融合处理,得到拼接全景图,并在特征检测性能、特征匹配性能、图像配准性能以及拼接效果等方面对4种算法进行评估比较。结果 实验结果表明,与SIFT、SURF、ORB算法相比,FAST-SIFT算法所提取的特征点分布更均匀,可以检测到大部分肌纤维的端点,且特征点检测时间最短,约4 ms,其平均匹配对数最多,是其他特征检测算法的25倍,其互信息和归一化互相关系数均值分别为1.016和0.748,均高于其他3种特征检测算法,表明其图像配准精度更高。且FAST-SIFT算法的图像拼接效果更好,没有明显的解剖结构错位、断裂、拼接不连贯等现象。结论 与SIFT、SURF、ORB算法相比,FAST-SIFT算法是更适合提取肌骨超声图像特征点的特征检测算法,在图像配准精度等方面都具有一定的优势。