图象拼接中伪匹配的判别和消解

图象拼接就是把边界部分重叠的多幅图象接成一幅完整图象,图象拼接中的困难之一是：当相邻两幅图象重叠区域缺乏显著特征,或者存在多个特征相似的部分,就会发生伪匹配而导致拼接失败。该文基于均方误差曲线和相邻空间约束关系,提出了一种伪匹配判别方法。实验表明,该方法可以有效的进行伪匹配的判别和消解。     

远程会诊中病理切片图象的拼接算法研究

针对现有图象配准方法存在的问题，提出了一种新的基于特征的图象对准算法，利用差值数据中最大包与次大包偏差的极大值来匹配相邻图象，研究结果表明该算法在获得良好拼接的基础上，大大提高了拼接速度，是一种快速实用的拼接算法。     

基于分层渐近匹配的鲁棒图象拼接

针对基于图象灰度匹配的图象拼接存在的两个主要缺点,提出了一种自动图象拼接新算法,即在相似度的代价函数定义中,通过引入基于M估计的鲁棒计算方法来消除局外点对全局变换参数估计的影响,而在初始参数估计问题上,则采用分层渐近匹配的机制及梅林变换,从而有效地解决了方位变动较大的图象带来大的初始参数估计的困难,同时有效地提高了计算效率.实验表明,该算法较大地扩展了基于灰度匹配的图象拼接算法的适用范围,具有良好的性能.     

对环境光照鲁棒的全景图拼接

提出了一种从光照变化的序列图象中拼接全景图的方法 .该方法首先将待拼接图象的重叠部分分解成水平集表示 ,并且定义一个形态学距离用于测量水平集之间的相似度 ,然后根据这个形态学距离 ,对其中一幅图象的每一个水平集都在另一幅图象的水平集中找到对应 ,从而得到一个单调转换函数 ,用于表示两幅待拼接图象水平集之间的映射 ,用这个转换函数调整其中一幅图象的对比度与另一幅图象相对应 ;最后 ,用基于灰度匹配的方法将两幅图象拼接 ,图象两两拼接后经全局误差校正即可得到一幅正确拼接的全景图 .该方法可以广泛应用于基于图象的绘制、图象处理等领域     

多组视频流的实时图象拼接

此文介绍了一个实时图象拼接系统.该系统从多个录像设备(如网络摄像头)采集的视频流中实时拼接出全景图象.本系统由两个主要摸块组成实时视频采集,实时图象拼接以及自动更新.为有效地实现图象匹配,该系统运用了基于多分辨率特征的方法.此算法较之传统的基于亮度的方法有着更多优点.实验结果显示上述系统实现了高质量图象拼接并明显地提高了实时处理的速度.本系统适合于如视频监控以及虚拟现实等应用.     

一种新的彩色图像自动拼接方法研究

针对彩色图像拼接过程中模板选择局限性的问题,提出一种改进彩色图像自动拼接方法。基于边缘检测得到的彩色图像结果,首先,从指定图像的重叠区域内自动选择并获得有效的特征模板;然后,依据最大相似性准则从另一幅图像中找到并获得最佳图像匹配点,进一步实现两幅相邻的彩色图像之间的匹配计算;最终,利用平滑算法法则对两幅图像的重叠区域进行融合处理,从而达到彩色图像的快速自动拼接的效果。通过实验表明,该算法能够有效提高图像之间的匹配精度,并且对大部分彩色图像具有很好的拼接效果。     

基于模板匹配的彩色图像自动拼接方法

实际图像采集处理系统中,经常遇到需要将多幅具有重叠区域的彩色图像自动拼接成一幅大的图像的难题。基于模板匹配的原理,文中提出了一种新的彩色图像自动拼接方法。对两幅具有重叠区域的彩色图像,该方法先利用图像特征信息从一幅图像的重叠区域中自动寻找一小块模板图像,然后根据最大相似性准则在另一幅图像中重叠区域里搜索,直至找到最佳图像配准点,最后利用平滑因子对两幅图像的重叠区域进行数据融合操作,实现了彩色图像的快速自动拼接。实践证明,该方法对大部分彩色图像具有很好的拼接效果。     

基于模板匹配的彩色图像自动拼接方法

实际图像采集处理系统中,经常遇到需要将多幅具有重叠区域的彩色图像自动拼接成一幅大的图像的难题.基于模板匹配的原理,文中提出了一种新的彩色图像自动拼接方法.对两幅具有重叠区域的彩色图像,该方法先利用图像特征信息从一幅图像的重叠区域中自动寻找一小块模板图像,然后根据最大相似性准则在另一幅图像中重叠区域里搜索,直至找到最佳图像配准点,最后利用平滑因子对两幅图像的重叠区域进行数据融合操作,实现了彩色图像的快速自动拼接.实践证明,该方法对大部分彩色图像具有很好的拼接效果.     

用混合弹性模型解决图象变形匹配问题

由于用传统的刚体匹配方法难以解决待匹配图象之间的结构差异 ,因此需要引入变形模型来进行图象的非刚体匹配 .为此提出了一种利用混合弹性模型 (HEM)来解决图象变形匹配问题的新方法 .该方法不需要预先提取图象的特征 ,而是直接利用匹配图象之间的灰度信息来实现图象之间的匹配 .匹配时 ,首先通过基于主轴的方法来实现两幅图象之间的全局仿射匹配 ;然后利用线性弹簧网模型来求取两幅图象之间的相关性 ,并进一步利用薄板样条模型来实现两幅图象的变形匹配 .该方法在匹配过程中还采取了多分辨率匹配策略 ,合成图象和医学脑图象的实验结果表明 ,该方法是有效的     

真实场景的图象拼接方法

由于数字视频,虚拟现实场景经常涉及到多帧图象,且需要将它们拼接起来,为了获得良好的拼接效果,提供了一种基于真实场景的图象拼接方法,即采用Levenberg-Marquardt迭代非线性最小化算法,使相邻图象重叠部分的局部误差达到最小,首先找到图象间正确的几何变换关系来进行图象配准;然后用逆映射方法把图象"缝合"在一起,并采用加权算法对拼接后的图象进行融合,从而消除了拼缝处的缺陷.实验结果满意,拼接效果良好.     

基于比值法和模板匹配法的灰度图像拼接

提出一种改进的基于比值法和模板匹配法的灰度图像拼接算法。对两幅具有重叠区域的灰度图像，先通过设置拼接参数对话框，在另一幅图像中找到最佳匹配点，最后利用平滑因子对两幅图像的重叠区域进行数据融合操作，实现了灰度图像的快速自动拼接。实验证明．该方法对大部分灰度图像具有很好的拼接效果。     

一种基于Harr小波的快速模板匹配算法

针对传统模板匹配算法的缺点，提出了一种基于Harr小波和SSDA的模板匹配算法，对图像进行由粗到细的匹配。实验结果表明：该算法流程简单，实时性好，匹配精度高。在不失匹配精度的条件下，克服了运算量大的缺点，从而满足图像匹配系统的实时性要求。     

Simple low-dimensional features approximating NCC-based image matching

This paper proposes new low-dimensional image features that enable images to be very efficiently matched. Image matching is one of the key technologies for many vision-based applications, including template matching, block motion estimation, video compression, stereo vision, image/video near-duplicate detection, similarity join for image/video database, and so on. Normalized cross correlation (NCC) is one of widely used method for image matching with preferable characteristics such as robustness to intensity offsets and contrast changes, but it is computationally expensive. The proposed features, derived by the method of Lagrange multipliers, can provide upper-bounds of NCC as a simple dot product between two low-dimensional feature vectors. By using the proposed features, NCC-based image matching can be effectively accelerated. The matching performance with the proposed features is demonstrated using an image database obtained from actual broadcast videos. The new features are shown to outperform other methods: multilevel successive elimination algorithm (MSEA), discrete cosine transform (DCT) coefficients, and histograms, achieving very high precision while only slightly sacrificing recall.     

基于改进的四叉树Sobel算子图像分割研究

研究图像分割精度提高问题,由于图像噪声的干扰,造成图像模糊。传统的Sobel图像分割方法容易造成图像分割不清晰和对比度不明显。为解决上述问题,应用Sobel算子检测出数字图像真正的边缘,并进行边缘提取;最后运用四叉树算法对去噪图像进行多区域目标分割,并对分割的不同区域进行合并,有效地解决了因局部图像的叠加和分割不准确的难题,并且通过仿真实验显示,本文提出的改进型算法,也就是利用四叉树Sobel算子,能够有效地去除图像分割所带来的去除噪声,大大地提高升图像边缘的清晰度,是一种有效地图像分割方法。     

基于小波变换的图像边缘检测匹配算法

小波变换能够获取信号的时频局部化特征,可作为一种有效的图像边缘检测工具。本文提出一种基于二维小波变换的图像边缘检测方法。首先对图像分别做两方向的小波变换,进而得到二维小波变换的幅值和梯度,然后利用非极大值抑制方法检测二维小波变换的模极值点作为图像的边缘点,最后利用Hausdorff算法实现模板边缘与实时图边缘之间的匹配。仿真试验表明本文所提出算法的有效性。     

基于可变模型的目标实时跟踪

为了在图像序列中实现目标的快速定位和实时跟踪，该文提出了一种基于可变模型的快速目标跟踪算法，在已知模型条件下，利用区域模型相关匹配的思想对目标模型进行实时更新，充分利用目标莲续运动过程中目标形状在两个连续帧中变化不大、相邻两帧中目标的速度和位移变化不大的特点，以当前帧目标模型作为下一帧的先验模型；综合运用模型梯度信息、运动信息和模型区域特征匹配的方法来跟踪目标。由于算法综合考虑了目标模型的区域信息和轮廓信息，因此对背景干扰不太敏感。在头部跟踪实验过程中，该文算法跟踪移动目标的实时性和准确性比较好，抗干扰能力较强，基本上可以满足鲁棒性和快速性的要求。     

一种新的相关跟踪方法研究

相关跟踪过程中，序列图象中的实时图和参考图之间必然存在灰度差异以及一定程度的几何形变和对目标的局部遮挡，而传统相关匹配算法中，每一对像素点对匹配结果的贡献是均等的，这样就使得算法的性能很容易受到图像中噪声、局部遮挡等因素的影响。为此，从另外的角度提出了一种新的图象相似度度量方法，即将目标图象中与模板图象相接近的点的个数作为相似性度量来进行匹配，这种方法得到的相关曲面更尖锐，匹配置信度更高。又因为跟踪过程，实时图必然存在这样或那样的变化，对模板合理地进行更新是相关跟踪的关键，在上述的图象相似度度量方法的基础上，另外又提出了一种非常有效的模板修正方案，从而使得跟踪算法对环境的适应能力和稳定性得到大大提高，实验结果证明了该方法的优越性。     

基本图像处理算法的优化过程研究

针对实时、高效的图像处理任务的实现,以视频图像中基于模板匹配的运动目标开环跟踪算法为例,对其基于Matlab原型算法的跟踪性能进行评估,具体介绍了对此算法的多级优化过程。从Matlab原型算法开始,主要 从以下两方面进行优化:在提高实时处理速度方面,采用C语言提速、乘法提速、Release提速、合并运算、CUDA架构提速等10级以上的优化策略;在提高正确率方面,采用简单的多模板策略。测试结果表明,算法速度提高了200多倍,最终达到30Hz的实时处理速度,并且大幅提高了跟踪正确率。     

Homogeneity similarity based image denoising

This paper presents a homogeneity similarity based method, which is a new patch-based image denoising method. In traditional patch-based methods, such as the NL-means method, block matching mainly depends on structure similarity. The homogeneity similarity is defined in adaptive weighted neighborhoods, which can find more similar points than the structure similarity, and so it is more effective, especially for points with less repetitive patterns, such as corner and end points. Comparative results on synthetic and real image denoising indicate that our method can effectively remove noise and preserve effective information, such as edges and contrast, while avoiding artifacts. The application on medical image denoising also demonstrates that our method is practical.     

Template matching using the parametric template vector with translation,rotation and scale invariance

A new method for the template matching, invariant to image translation, rotation and scaling, is proposed. In the first step of our approach, the ring-projection transform (RPT) process is used to convert the 2D template in a circular region into a 1D gray-level signal as a function of radius. The advantages of the RPT process are that it owns the characteristic of rotation invariance and reduces the computational complexity of normalized correlation (NC). Then, the template matching is performed by constructing a parametric template vector (PTV) of the 1D gray-level signal with differently scaled templates of the object. The merits of our approach are that it not only obtains rotation invariance, but also scale invariance Additionally, our approach is conceptually simple, easy to implement and only one training image is needed for the training phase. Experimental results show that the computational time of the proposed approach is faster and the performance is better than the parametric template (PT) method and the affine moment invariants (AMIs) method in the image rotation or scaling. Moreover, our approach not only enjoys high accurate rate under the changes of translation, rotation and scale, but also estimates the scaling value of the target object in the input scene. Experiments with Gaussian noise demonstrate that the proposed algorithm is robust to detect the target object with the changes of translation, orientation and scale. This indicates that our approach is suitable for on-line template matching with scene translation, rotation and scaling.