基于SIFT的遥感图像配准方法

针对多传感器遥感图像配准问题,改进了一种基于SIFT的图像自动配准方法.首先提取图像中适应尺度变化的局部不变特征点,提出了利用最近邻特征点距离与次近邻特征点距离之比的互对应约束得到初始匹配点对,然后利用RANSAC(Random Sample Concensus)算法删除误匹配特征点对.试验结果表明:该方法能够实现多传感器遥感图像和不同分辨率图像的自动配准.     

基于SIFT特征的遥感图像配准方法研究与实现

讨论了基于SIFT特征的遥感图像配准方法,重点介绍了基于特征点提取的算法描述以及针对基于特征点的遥感图像配准算法流程,并通过实验进行了验证.     

基于SIFT特征和广义紧互对原型对距离的遥感图像配准方法

主要讨论SIFT(Scale Invariant Feature Transform)及其在遥感图像配准中的应用。首先介绍了基于特征点的遥感图像配准的一般框架;针对基于特征点的遥感图像配准中的两个基本问题-鲁棒的特征点提取和特征点匹配,提出了基于SIFT特征点和广义紧互对原型对距离的遥感图像配准新方法,并通过“广义紧互对原型对”的概念,为不同的特征点匹配方法建立了联系。与已有的相关工作相比,该方法可以得到更多的匹配点对和正确的匹配点对。数值试验证明了该方法的有效性和鲁棒性。     

基于改进SIFT算法的图像配准

随着当今社会数字化和信息化程度的不断提高,视觉信息越来越多地以数字图像的形式存在于人们日常的生产生活中.图像处理和机器人视觉作为特征提取和分类技术的主要组成部分,对于视觉信息的高效处理,获取人们需要的信息,给生产生活带来便利.SIFT算法具有良好的图像缩放、平移和旋转稳定性,是现在计算机视觉领域中应用最为广泛的特征提取算法之一.本文就基于SIFT算法的图像配准进行详细探究.     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

基于SIFT和TPS算法的四旋翼无人机图像自动配准

针对四旋翼无人机图像姿态倾角大、图像变形明显等特点,采用尺度不变特征变换(SIFT)算法和薄板样条模型(TPS)对四旋翼无人机图像进行特征点匹配和配准实验研究,从拼接图像的目视效果和配准均方差方面比较分析了TPS模型与常用的仿射变换及多项式变换模型的图像配准效果。结果表明:在SIFT算法精确的同名点匹配下,TPS变换模型能够兼顾四旋翼无人机图像的整体刚性变形及局部的非刚性变形,无论是目视效果还是均方差定量分析,TPS变换的图像配准精度最高\,效果最好,能够满足四旋翼无人机图像的快速配准、拼接要求。     

SIFT算法在图像配准中的应用

图像配准有很多种算法,在众多算法中尺度不变特征变换(SIFT)算法具有良好的尺度,光照,空间旋转不变性,被广泛的运用于图像配准的应用中。本文对SIFT算法的基本步骤做了简单的阐述,并且在运用在图像配准的应用上。实验结果表明该算法具有较强的配准能力,是一种较好的配准算法。     

基于ICP算法的医学图像几何配准技术

几何配准是医学图像领域研究的重要内容，医学图像几何配准的目标就是建立术前和术中两组点的变换关系。该文利用股骨为模型，讨论了基于轮廓特征的ICP医学图像几何配准算法，从技术上实现了术前建模和术中取点，并编制相应的ICP算法程序。     

基于SIFT图像特征匹配的多视角深度图配准算法

为有效地解决多视角深度图配准问题,提出一种新的配准算法.首先给出一种深度图数据图像化方法,根据深度图包含的像素信息和网格顶点处的曲率值创建特征图像;然后通过对特征图像进行SIFT特征检测与匹配来获得特征点与匹配关系,从而得到原始深度图上的特征点与匹配关系;最后采用投票和预配准方法去除误匹配,实现递增式多视角深度图配准.模拟噪声实验和多个实际测量深度图的配准实验结果验证了该算法的鲁棒性和有效性.     

基于分层区域的自适应图像配准算法

针对SIFT（尺度不变特征变换）算法提取的特征点不纯、易受噪声等因素干扰的问题，提出在SIFT算法提取特征点之前对图像进行预处理，排除部分外界干扰。针对SIFT算法中128维的高维度特征描述符导致匹配速度降低，提出一种基于分层区域的方法降低描述符维度，缩短算法运行时间。针对SIFT算法匹配过程中选取固定阈值不具有广泛适用性的问题，提出一种自适应阈值的方法，解决设置固定阈值不能适用所有图像的问题，提高匹配准确率。实验结果证明，改进的算法能提高匹配准确率和匹配效率，增强算法的鲁棒性和可靠性，并且适用性广泛。     

基于SIFT特征的抗遮挡目标跟踪算法

针对多目标跟踪过程中目标易丢失的问题,提出一种基于尺度不变特征变换(SIFT)特征的多目标跟踪算法。利用SIFT特征集,通过设置目标特征留存优先级,实时更新特征集,保存目标近几帧的稳定特征。对于半遮挡导致的物体丢失现象,提出一种根据匹配特征位置关系进行目标分离的方法,可有效标定遮挡发生时的各个目标。该算法无需目标的先验信息,通过留存优先级即可较稳定地跟踪多个目标。实验结果证明其对目标遮挡、尺度变化及形变具有较好的容错性和跟踪鲁棒性。     

基于SIFT相似性度量的图像缩放

针对传统图像缩放算法存在的图像内容破坏与失真等问题,提出一种结合接缝雕刻和标准缩放的图像缩放算法。利用接缝雕刻算法对原始图像进行尺寸调整,分别从原始图像和缩放图像上提取尺度不变特征变换(SIFT)特征,并对2幅图像的SIFT特征进行匹配计算,得到两者的相似性距离。当原始图像与缩放图像之间的相似性距离达到某阈值时,即在图像重要目标或内容将要被破坏之前,停止使用接缝雕刻算法,采用标准缩放算法进行整体尺寸的调整操作。实验结果表明,该算法不仅可以有效避免图像内容的破坏与失真,而且可以较好地保护图像局部结构和全局视觉效果。     

一种改进的SIFT图像配准方法

针对普通SIFT算法效率因128维的特征点描述算子而降低的问题,提出一种改进的SIFT算法,利用圆环的特性同时对每一个特征向量进行序列化,以保证物体旋转不变性,在降低描述算子维数的基础上,利用遍历搜索查找样本特征点的最近邻和次近邻特征点。实验结果表明,当图像存在不同程度的几何变形、辐射畸变和噪声影响时,改进算法更稳定、更快速。     

位平面和SIFT相结合的图像匹配方法

针对传统的相关匹配算法计算量大,对图像旋转敏感等问题,提出了一种位平面和尺度不变特征变换（SIFT）相结合的图像匹配算法。将待拼接的两幅图像[A、][B]各自分解为8个位平面,对两幅图像都选择前4个具有视觉信息的位平面[A1A2A3A4]和[B1B2B3B4];对[A1A2、][A2A3、][A3A4]图像进行异或运算,得到3幅图像。由于异或后的图像[A1A2]具有足够的细节部分,轮廓却不清晰,图像[A3A4]轮廓清晰,但是丢失了太多细节,而图像[A2A3]具有清晰的轮廓,又具有足够的细节信息,所以采用图像[A2A3],然后与原图像[A]进行异或得到[A],同时采用同样的方法得到图像[B],再次采用SIFT算法进行点对匹配,利用欧氏距离进行图像匹配,最后利用RANSAC进行图像容错处理,得到一幅匹配图像。实验结果表明,该算法有效地提高了匹配速度,对图像明暗变化、尺度旋转等具有较强的健壮性。     

一种改进的基于SIFT特征的商标检索方法

利用商标图像的形状特征,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反映了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。提取图像的傅里叶描述子进行初步检索,按相似度排序,在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。     

基于改进SIFT的时间序列图像拼接方法研究

针对SIFT（Scale Invariant Feature Transform）算法计算复杂度高,运行时间长的问题,提出了一种改进的SIFT算法。通过扩大极值点取值范围,减少极值点数量,提高运算速度;采用12环的圆形窗口代替传统的方形窗口,简化了特征描述符的构造方法,生成78维SIFT特征描述符,进一步提高了算法的运算速度;将BBF（Best Bin First）运用到特征点对之间初次配准的搜索中,并用RANSAC（Random Sample Consensus）算法对特征点配准对进行二次处理,以消除错误配准。将改进的SIFT算法与渐入渐出融合算法相结合,实现对时间序列图像的拼接融合处理。针对拼接融合后的图像,采用局部分块检测的方法评价其效果。实验结果表明,该算法运算速度快,具有较高的鲁棒性,且拼接融合效果好。     

融合HU不变矩和SIFT特征的商标检索

利用商标图像的形状特征,提出了一种融合图像全局特征和局部特征的商标检索算法。其中全局特征反应了图像的整体信息,这些信息可用来较快地建立候选图像库,而局部特征则可以更准确地与候选图像进行匹配。提取图像的HU不变矩进行初步检索,按相似度排序,在此结果集的基础上对候选图像通过提取SIFT特征进行精确匹配。实验结果表明,该方法既保持了SIFT特征的良好描述能力,又减少了精确匹配需要的计算次数,降低了复杂度。