基于SIFT特征匹配的全景图像拼接算法

基于尺度不变SIFT(Scale Invariant Feature Transform)特征匹配思想[1],是一种鲁棒性、准确的图像拼接算法。SIFT特征匹配算法是当前图像配准工程领域最优先采用的技术之一,因其具有极强的匹配能力,可解决在多尺度、多拍摄视角、多光照条件下图像之间配准问题。算法在大多数情况下实验结果证明采用此方法提高普通图像拼接速度,减少因图像差异化的影响,使结果图像自然逼真。     

基于SIFT变换和RBF神经网络的彩色全景图拼接算法

目的 为了复原存在平移、色彩差异、旋转、形变等问题的全景图,提出一种结合SIFT（尺度不变特征变换）和RBF神经网络的彩色全景图拼接算法。方法 通过SIFT算法匹配出两子图中对应的特征点,利用仿射变换解决图像间的旋转和形变问题,采用RBF神经网络纠正子图的色彩差异,最后利用权值矩阵融合技术实现重叠区域的融合。结果 文中算法在拼接效果上优于其他算法,其拼接效果DoEM值为0.902,图像重叠区域过度平滑,有效地避免了融合区域的亮度块或亮度线。结论 该算法效果好,可解决全景图复原过程中多方面的难题。     

基于尺度不变特征变换特征的显微图像在线拼接方法

为解决显微镜观测视野狭小的问题,提出了一种基于尺度不变特征变换(SIFT)特征的显微图像自动拼接方法.该方法充分考虑了显微图像采集过程以及显微图像自身的特点,通过一系列适用于显微图像拼接的算法,控制单幅图像拼接时间在1秒内,进而可以保证显微图像拼接随图像采集在线完成,同时,利用SIFT特征匹配准确度高的优点,可达到亚像素级的拼接精度.该方法拓展了显微镜的应用,尤其适用于生物和医学显微图像观测.     

无地面控制点航空图像无缝拼接算法

针对航拍图像拼接中,因为航带中航片拼接误差积累导致拼接后期图像发生扭曲问题,本文提出一种利用捆绑调整技术削弱航片拼接过程中误差累积。该算法采用SIFT（Scale Invariant Feature Transform）进行特征点提取和匹配;结合改进的RANSAC（Random Sample Consensus）对特征点进行提纯,剔除外点;由过滤后的特征点通过最小二乘法计算图像间的单应性矩阵,在此基础上运用捆绑调整法整体优化单应性矩阵进行图像间的拼接,解决了拼接后期图像扭曲问题。最后,通过动态加权的融合方法实现图像接缝处平滑过渡。为验证该算法的有效性,选用真实无人机航拍序列图像进行拼接实验,取得良好的拼接效果。     

基于光照调整和特征曲线的全景图拼接

图像拼接是生成全景图的关键技术之一。针对传统图像拼接方法只能处理光照一致图像的问题,笔者提出了一种对环境光照鲁棒的全景图拼接方法。该方法运用同态滤波、特征点自动提取、特征曲线匹配等技术,有效地解决了图像拼接中的光照差、区域精确匹配、噪声点及图像融合问题。实验表明对光照变化的图像采用该方法进行拼接可以获得满意的视觉效果。     

基于SIFT特征点的无人机影像拼接方法研究

针对无人机空中姿态不稳定,其拍摄影像存在倾斜、曝光不均匀等缺点,采用常规的影像匹配方法效果不佳,甚至无法匹配,而SIFT算法对图像几何变形,分辨率差异、旋转等有较好适应性.利用SIFT算法对无人机影像进行特征点的提取,并采用最小二乘算法对影像进行精匹配.同时,为了减少拼接过程中误差的传播,提出了分块拼接方法.实验结果表...     

一种基于多边形柱面全景图的虚拟漫游新方法

提出了一种基于图像绘制的多边形柱面全景图的虚拟漫游方法。利用普通的手持相机在一个多边形区域内沿某一路径拍摄并拼接多幅全景图,通过基于SIFT的特征点检测来计算深度,用狭缝图像插值来实现整个区域内的平滑漫游。该方法具有采样简单、虚拟场景真实感强,支持连续大范围漫游的特点。     

基于仿生复眼的运动相机的运动目标检测

基于运动相机的运动目标检测是计算机视觉领域的热点与难点。基于仿生复眼结构的相机运动条件下的运动目标检测方法利用仿生复眼结构模拟多相机运动状态下的图像采集;使用SIFT特征点匹配与图像差分结合的方法提取运动区域,不需要建立背景模型,使用SIFT特征点匹配完成图像的配准,利用图像差分的方法得到运动目标,使用颜色值归一化,利用前景像素与背景像素的插值与比值确定该像素是否为阴影区域的方法。实验证明,该方法在不进行背景建模的条件下成功去除了阴影,实现了相机运动状态下的运动目标检测。     

基于改进 SIFT的图像快速自适应匹配算法

目的分析SIFT算法特征点描述子生成比较缓慢和匹配过程距离比阈值无法自适应调节的问题,探索一种改进SIFT的图像快速自适应匹配算法。方法通过简化特征点描述子的生成过程,提高算法效率,并通过自适应地调节距离比阈值参数,提高算法的鲁棒性。结果与原算法相比,图像快速自适应匹配算法的匹配点数减少,匹配准确度高,计算时间缩短。结论该算法在匹配效率和准确度方面具有明显优势,能够将计算机视觉用于工业无损检测、印品图像检测、印刷网点图像检测和包装图像检测中,具有较好的推广价值。     

一种用于图像拼接的角点匹配算法

针对基于自适应光学技术的人眼眼底待拼接图像灰度、清晰度不一致以及细节的差异使检测出的角点无法匹配,进而导致图像不能拼接的问题,提出一种在OpenCV配置环境下角点检测的基础上,进行角点匹配的新方法.该方法利用角点间的距离和斜率在眼底很小的区域内基本不变的特性,将两幅图像的角点对相互匹配,进而找到两幅图像中三对一一对应的角点.实验结果表明,用该方法可以解决人眼图像拼接的角点检测和角点匹配问题,而且运算速度快,检测效率高.     

An Image Mosaic Method for Defect Inspection of Steel Rotary Parts

According to the features of the inspection images for the steel rotary parts with defects, a novel image mosaic method, using Scale Invariant Feature Transform (SIFT) feature tracking with purifying feature points based on slope probability measure and RANSAC algorithm, is proposed. First, the method preprocesses the captured sequence images, and then implements projection transformation for these images. Then, the registration parameters for two adjacency images, using the SIFT algorithm and removal algorithm of the pseudo matching feature point pairs based on slope probability measure and RANSAC algorithm, can be solved to mosaic the defect inspection images of the parts with enough characteristic information. On this basis, a hardware-based method is used to perform image stitching of the measured parts. Experimental results show that the method can produce a large number of the correct matching feature point pairs, and can get a seamless, clear surface image of the parts, which will settle the foundation for automatic accurate inspection of the surface defects on metal parts.     

基于兴趣点特征匹配的印刷图像缺陷检测

提出了1种基于兴趣点特征匹配的印刷图像缺陷检测方法.首先利用SIFT特征检测器,获取图像中具有旋转和平移不变性的特征点,然后采用最近邻方法进行特征点匹配,最后使用最小二乘优化算法,计算2幅图像特征点对的变换矩阵来实现缺陷图像的检测.实验结果表明:该方法能够快速准确地提取出2幅图像间的对应特征点,大大降低了误匹配的概率,在图像发生较大平移和旋转的情况下,仍能准确地实现图像的对准及缺陷图像的检测.     

基于包装件智能分拣的视觉尺寸测量技术

目的快速实现包装纸箱尺寸的机器视觉测量。方法采用机器视觉技术方法,运用双目摄像机的成像原理,通过SUSAN角点提取算法结合棋盘标定法求取摄像机内外参数,修正图像畸变,采用SIFT匹配算子对左右2幅图像进行匹配,找到对应的匹配特征点,利用匹配点对的视差值恢复图像深度信息,进而求解出包装箱的长宽高值。结果对不同摆放姿态的包装箱均能实现快速测量,机器视觉检测值与实物值相比,其误差均在1 cm左右,满足检测要求。结论文中方法具有匹配精度高、鲁棒性强的特点,能快速实现对不同摆放姿态的包装箱尺寸测量。     

液晶屏字符显示缺陷检测算法研究

设计了一种基于图像匹配技术的缺陷检测算法,实现了字符缺陷的自动化检测.介绍了检测装置的总体框架和检测算法,算法的核心是提出的改进的基于形状模板的图像匹配算法,利用加权归一化向量点积相似度量计算方法,采用图像金字塔分层搜索策略,与常用的SIFT(Scale-invariant feature transform)匹配算法比较,该匹配算法具有较短的匹配时间和较高的匹配精度.通过实验,算法能够准确有效地检测出字符缺陷,避免了人工检测的误判.     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

基于图像匹配的移动机器人导航研究

针对移动机器人导航过程中基于尺度不变特征变换(SIFT)算法图像匹配速度较慢,提出了基于减法聚类和特征描述符二值化的改进SIFT算法。通过减法聚类消除大量特征点中的冗余特征点,在不影响原SIFT算法稳定性的前提下有效降低了特征点数量,然后将生成的特征描述符进行二值化,依据Hash函数生成索引,以汉明距离作为度量准则。实验结果表明:与原SIFT算法相比,改进的SIFT算法中特征点数量下降30%~40%;匹配对数基本维持不变;匹配率上升6%~12%;匹配时间下降60%~70%。与基于颜色矩的改进SIFT分级图像匹配算法相比,改进的SIFT算法中特征点数量下降15%-25%;匹配对数基本维持不变;匹配率上升5%~10%;匹配时间下降45%~55%。