基于改进的SIFT特征的数字图像无缝拼接技术

SIFT(Scale Invariant Feature Transform)是一种具有尺度和仿射不变性的综合性能较好的特征描述子,称为尺度不变特征转换算子。该算子在某种程度上可解决目标的旋转、缩放、平移、光照影响等问题,但解决问题的过程的同时也伴随着计算量大、运算时间长、存在错误匹配、效果不明显等问题。所以本文研究的数字图像无缝拼接技术是应用了改进的SIFT算法,即快速鲁棒性尺度不变特征提取(Speeded Up Robust Features,SURF)算法,采用基于改进的SIFT特征的算法对图像的特征点进行提取与匹配,然后利用随机抽样一致算法反复迭代,找到变换矩阵初始值,根据变换矩阵进行两幅图像之间的统一坐标变换,并应用加权平滑算法进行图像融合完成了图像的无缝拼接。     

一种基于特征点的遥感图像匹配算法

以遥感图像为研究对象论述了一种基于特征点的图像匹配算法在遥感图像匹配与拼接中的应用及改进。在提取图像特征点上,尺度不变特征转换SIFT算法能够对缩放、旋转、仿射的图像保持尺度不变特性。对于提取出的SIFT特征点,采用改进的随机抽样一致性RANSAC方法进行提纯,剔除多余的特征点,缩短匹配时间。实验证明,该算法有效提高了遥感图像匹配的效率和准确性。     

基于Harris与SIFT算法的自动图像拼接

图像拼接技术被广泛应用于遥感图像处理、计算机识别、医学图像分析及人工智能等方面。本文针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接。首先利用改进的Harris算法提取图像特征点,再使用SIFT算法来描述特征点,然后利用欧氏距离对所得的特征向量进行匹配,最终实现图像的自动拼接。实验结果表明,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接。     

Canny边缘特征18维描述符在图像拼接中的应用

为将同一场景中具有重叠区域的序列图像合成为一幅宽视角、高分辨率的图像,基于尺度不变特征变换(SIFT)算法,提出一种结合Canny特征边缘18维特征描述的图像拼接方法。采用SIFT算法提取图像特征点,利用12个圆形区域中的梯度方向累加值、3个同心圆区域中的灰度累加值及3个灰度差分值建立18维特征描述符,保留图像Canny边缘16邻域特征点,选用RANSAC算法进行特征匹配对提纯,计算出不变换矩阵H,并用渐进渐出算法完成图像融合。实验结果表明,与传统SIFT算法相比,该方法对光线变化、旋转、尺度缩放等图像均能取得较好的拼接效果。     

高斯二阶差分特征算子在图像拼接中的应用

为了将同一场景中具有重叠区域序列的图像快速准确合成一幅具有宽视角、高分辨率的图像,提出了基于高斯二阶差分(D2oG)特征检测算子的SIFT算法.采用高斯二阶差分(D2oG)金字塔的过零点检测提取图像尺度不变特征点,并选用RANSAC算法对特征点匹配对进行提纯,在此基础上计算不变换矩阵H,最后,用渐进渐出平滑算法完成图像的无缝拼接.实验中分别采用所提方法和SIFT算法对具有典型变换的4种图像进行拼接与测试,结果表明:所提方法提取的匹配点数、拼接所消耗时间明显低于采用SIFT算法,同时匹配效率也高于后者.此方法降低了运算复杂度的同时,图像拼接实时性也得到提高.     

基于SIFT的岩石薄片图像拼接

为了解决传统的基于尺度不变特征变换(SIFT)算法的图像拼接方法无法使用SIFT特征匹配算法对岩石薄片图像中的空白区域图像进行特征提取,进而影响整个岩石薄片图像拼接的问题,在尺度不变特征变换匹配算法的基础上,提出了一种将岩石薄片图像的行列中心位置作为拼接基准点的图像拼接方法。该方法改进了特征点的提取方式、变换矩阵的计算顺序以及矩阵优化的顺序,并利用相邻图像之间的位置关系估计出空白区域图像的变换矩阵,实现了整个岩石薄片图像的拼接。实验结果表明,该方法可以较好地完成岩石薄片图像中空白图像的拼接,能够较为完整地保留整个岩石薄片的纹理信息,具有一定的实际应用价值。     

结合SIFT变换与Otsu匹配的彩色眼底图像拼接方法

针对多幅单模彩色眼底图像的拼接问题,提出一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT）与最大类间方差（Otsu）匹配的拼接方法。为克服光照不均对特征提取造成的影响,采用SIFT变换提取眼底图像特征点;利用Otsu剔除误匹配点,提高特征点的匹配精度;在此基础上,计算匹配点对之间的仿射变换矩阵,进行图像空间变换实现图像配准,并对配准图像进行融合。结果表明,提出的方法可实现对多幅单模彩色眼底图像的高精度自动拼接,具有很强的鲁棒性。     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

一种SAS图像拼接改进算法

SWF算子提取的特征点对图像尺度和旋转具有不变性,对环境变化、噪声以及仿射变换都具有很强的鲁棒性。本文在基于SIFT算子和RANSAC算法的图像拼接算法的基础上,根据SAS图像分辨率高、相邻帧图像重合度大且只存在平移和旋转变换的特点,对提取稳定特征点和计算拼接图像之间特征点匹配对的过程进行了改进。实际的SAS湖试图像拼接处理结果说明,改进算法提高了拼接算法的速度和图像之间的配准精度,增强了算法的鲁棒性。     

一种改进的RANSAC图像拼接算法

针对RANSAC算法迭代次数过多导致的图像拼接效率不高的问题,提出一种改进的RANSAC图像拼接算法;首先采用SIFT算法提取尺度不变特征点,利用双向互匹配策略对特征点进行匹配,在使用RANSAC算法计算单应性矩阵之前,利用相邻特征点之间的关系对初始特征点对进行筛选,最后使用加权平滑法完成图像的融合;实验结果表明该方法有效地减少了特征点对数,提高了RANSAC的运行时间,图像拼接效率有了很大的提高。     

基于结构信息的图像拼接算法

研究了纹理较多、噪声较大的两幅或多幅的图像拼接问题.两幅图像拼接时,提取图像特征点的好坏对图像拼接结果有很大影响.经典的SIFT算法是一种较好的局部特征点提取算法.而对于纹理较多,噪声较大的图像中,SIFT算法会提取数量较大的特征点,影响匹配的准确性和速度.本文提出基于结构信息的图像拼接算法（SKM,Structual Keypoint Matching）,利用RTV算法提取图像的信息结构,有效地去除图像中的纹理噪声.去噪后,利用SIFT算法提取特征点进行匹配,最后利用RANSAC算法对匹配点对进行筛选,提高准确度.通过由SKM算法得到的变换矩阵H作用于原始图像,完成图像的拼接.     

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法.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,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接.整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性.实验结果验证了方法的有效性.     

基于特征点匹配的全景图像拼接技术研究

提出了一种基于特征点匹配的全景图像拼接算法,首先提取各图像中的SIFT特征,通过特征点匹配完成两幅图像的配准;再根据图像配准结果计算出图像间的变换矩阵;最后采用渐入渐出加权平均的融合方法对两幅图像进行无缝拼接。实验表明,该算法具有匹配精度高、鲁棒性强等特点,可以快速而自动地生成全景图像。     

最佳点平滑法寻找最佳拼接缝

针对目前大多数算法在图像拼接过程中仍然存在明显缝隙的缺陷,提出了最佳点平滑方法,首先采用SIFT算法提取特征点,并用PCA-SIFT对特征描述符做降维处理;然后通过RANSAC消除误匹配点,将三基色最为接近的点作为拼接点,之后对拼接点集进行平滑处理;最后得到最佳拼接线。通过仿真实验表明,算法在保证了时间效率的同时,使得彩色图像得到了更好的拼接效果。     

基于改进的SIFT算法的红外图像配准

电路板红外图像具有分辨率低、对比度低、信噪比低、视觉效果模糊的特点,目前的图像配准算法用于电路板红外图像配准时,运算时间长且匹配准确度低.针对电路板红外图像的特点,梳理了图像配准方面的国内外研究现状,分析了SIFT算法的基本原理,对原有的SIFT算法进行了修改.对特征点的提取方式进行了改进,减少了不必要的特征点;改进了特征点的描述符,降低了特征向量的维数;在特征点匹配的时候加入了分层阈值.对改进的算法进行了一系列的测试,针对三对电路板的红外图像进行配准,实验结果表明,相比于传统的SIFT算法,改进的SIFT算法在进行电路板红外图像配准的时候,匹配的准确率和运算时间得到了很大的提升,为电路板红外图像的配准提供了新的方法.     

基于彩色信息的尺度不变特征变换图像特征点提取与匹配

针对将彩色图像转化为灰度图像后再进行特征点提取与匹配会丢失彩色信息,可能导致误匹配这一问题,采用一种基于彩色信息的SIFT特征点提取及匹配算法(CSIFT)以实现彩色图像的特征点提取及匹配,结合目标的颜色特征与几何特征,以颜色不变量作为输入图像,再提取特征点并描述特征点周围的信息,通过最近邻匹配法求出图像间的匹配对。实验将该算法应用于视觉里程计中,对相机所拍的相邻两帧图像进行了特征点提取及匹配,并比较了该算法与传统SIFT算法的差异。实验结果表明该算法是有效的。     

基于改进CNN-RANSAC的水下图像特征配准方法

水对光的吸收和散射效应降低了水下图像的质量,水下图像的可视范围受到限制,复杂水下场景下的鲁棒性和精确性问题使得特征提取与匹配成为一项具有挑战性的任务。为了更好地配准水下图像,提出了一种改进CNN-RANSAC的水下图像特征配准方法,首先通过基于深度卷积神经网络的水下图像增强方法对水下图像进行增强预处理,通过水下图像分类数据集迁移学习训练VGGNet-16网络框架,利用修改后的网络框架进行特征提取,生成鲁棒的多尺度特征描述符与特征点,经过特征粗匹配与动态内点选择,使用改进的RANSAC方法剔除误匹配点。在大量水下图像数据集上进行了充分的特征提取和特征匹配实验,与基于SIFT和SURF的配准方法相比,该方法能够检测到更多的特征点,实现了匹配正确率的大幅度提高。