基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于局部结构的图像拼接算法研究

针对传统图像拼接仅考虑特征相似性的现状,提出了一种基于改进的SURF(Speeded Up Robust Features)特征匹配的图像拼接算法。首先提取尺度不变性特征点,并利用SURF算子的描述方法对特征点进行描述;然后用RANSAC(Random Sample Consensus)去除误匹配对,得到初始的转换参数;最后将描述子相似性与局部结构特征相结合,进而求得匹配矩阵,利用得到的最终转换参数进行图像融合。研究结果证明,本文算法提高了图像拼接的精准度,细节处理效果更好。     

SURF和RANSAC的特征图像匹配

针对图像匹配过程中存在匹配运行时间长、匹配正确率低的问题,采用随机采样一致性(random sample consensus,RANSAC)算法优化加速鲁棒特征(speed up robust features,SURF)的方法,提出一种适应性强的优化匹配算法。首先使用SURF算子进行特征检测和特征描述,再使用邻近算法对特征点进行预匹配,最后使用随机采样一致性(RANSAC)算法优化匹配结果。在相同的实验环境中通过对尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法和提出的优化算法进行比较,优化算法较SIFT算法和SURF算法分别减少匹配点对数38对和18对,剔除了误匹配点,提高了匹配正确率并减少了算法的运行时间。     

改进SURF快速图像匹配

首先用Hessian矩阵对图像进行特征点提取,然后通过缩小特征点周围子区域的范围将SURF特征点描述符由64维降到36维,最后用RANSAC算法剔除不稳定匹配点,完成图像的快速匹配。     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

SURF算法在航摄图像导航中的应用

姿态角测量误差是导致机载遥感成像精度低的主要原因之一.为提高机载遥感成像的精度,并针对当前姿态角的测量误差较大、高精度惯性导航设备价格昂贵等问题,提出了一种应用基于SURF的航摄图像匹配的算法来解算飞行平台姿态角的方法.首先采用多线程对相邻航摄图像并行提取SURF特征点,然后使用改进的基于KDtree的近似最近邻匹配方法寻找相邻航摄图像匹配的特征点对,并应用RANSAC算法剔除错误匹配点对,再通过最小二乘法得到图像的变换模型参数,最终解算出机载平台的姿态角变化量.对该方法的实现进行了详细的比较分析,仿真结果也证明了该方法的有效性.     

一种仿人足球机器人视觉系统环境特征获取与识别方法

环境感知是仿人机器人系统进行决策的前提和基础.提出一种通过图像拼接技术获得完整的环境信息以供决策的方法.首先通过对同一机器人所获得的不同角度的图像进行特征提取,提取SIFT特征点,然后对提取特征点的待匹配图像通过K-D树方法进行初匹配,再通过RANSAC方法剔除错误匹配点,进而利用双线性插值法进行图像融合.最后对融合后的图像利用Canny算法提取边缘线,获得环境特征.实验表明这种方法是有效的.     

排水管道视觉检测成像技术

针对排水管道视觉检测的研究现状,利用计算机视觉理论,提出一种排水管道侧壁视觉检测三维成像方法.基于排水管道侧壁成像原理,采用Harris角点提取算子进行特征点提取,并利用NCC算法对提取的特征点进行匹配.通过研究基于随机抽样一致性算法（RANSAC）中的预检验快速随机抽样一致性算法（PERANSAC）,应用该算法对参数进行预检验,在保证置信度一致的前提下,减少了参与检验的模型参数数量,提高了计算效率.实验结果表明,该方法实现了排水管道侧壁相关图片的特征点提取、匹配和基础矩阵的估计,并得到了三维成像结果.     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

基于改进加权算法的实时图像数据融合研究

在三维重建、多维数据融合和信息可视化分析等领域中,针对实时视频图像数据拼接融合的过程中常出现的拼接缝隙问题,提出了一种改进的加权融合实时图像拼接方法.该方法将视频拼接问题转化为视频对应帧图像的融合问题,通过利用SURF算法对特征数据点进行提取与匹配,对图像使用RANSAC算法和LM算法求其几何变换矩阵,再根据变换矩阵进行图像插值拼接,对拼接线区域图像内容进行加权处理完成视频图像融合.在进行图像融合处理时,提出了基于拼接线一侧加权融合和基于原图内容的加权融合算法.实验结果表明:该方法实现的拼接融合速度快、效果较好,适用于对速度和拼接效果均有要求的场景视频拼接和实时数据呈现.     

基于RGB-D相机的视觉里程计实现

针对移动机器人在未知环境中的自身定位问题,提出了一种基于RGB-D相机的移动机器人运动轨迹估计方法.首先,提取当前图像的ORB特征并与关键帧进行特征匹配;然后,采用结合特征匹配质量和深度信息的PROSAC算法对帧间运动进行迭代估计;最后,提取关键帧并利用g2o求解器进行局部优化,得到关键帧位姿的最优估计,进而得到机器人的运动轨迹.实验结果表明:与RANSAC+ICP算法相比,该方法能有效提高移动机器人的定位精度.     

改进的SIFT算法在图像特征点匹配中的应用

为了提高图像拼接过程中常用的SIFT(尺度不变特征)算法的特征点匹配准确率,减少误匹配特征点的数量,为后续的图像拼接提供准确的依据,通过将SIFT算法和RANSAC(随机抽样一致性)算法相结合,提出了一种提高SIFT算法匹配准确率的算法。在利用SIFT算法对目标图像进行特征提取以及特征点匹配后,再由RANSAC算法利用迭代方式估算出一个合理的数据模型,剔除掉不符合该模型的错误匹配点。最后利用该算法得到的匹配特征点进行图像拼接,拼接后的结果表明该算法准确、有效。     

基于改进SURF算法的交通视频车辆检索方法研究

针对传统车辆检索方法中存在准确性和区分度较低的问题,提出了一个基于改进SURF(speeded up robust features)算法的视频车辆检索方法。在车辆视频关键帧提取的基础上,根据改进SURF算法完成车辆图像的特征提取及匹配,其中包含改进FAST(features from accelerated segment test)特征点检测、SURF特征向量提取以及最近邻查询方法来进行特征点的匹配;通过计算比较待检索车辆图像与数据库车辆图像的相似度,算法完成图像筛选并反馈检索结果。实验结果表明:针对交通监控视频中待检索车辆,该方法能够较为准确地进行检索并反馈结果。     

改进的RANSAC立体匹配算法的研究

图像匹配的精度在很大程度上决定着三维重建的成功与否.为了提高图像匹配的精度和速度,提出了一种改进的随机抽样一致性(RANSAC)算法的图像匹配方法.该方法首先采用Harris角点检测算子提取图像的特征点,然后通过SIFT算法计算特征描述子对图像进行初匹配,最后采用改进的RANSAC算法对误匹配点进行剔除,在保证精度的前提下提高了算法的速度.主要从两个方面进行RANSAC算法的改进:采用均匀分布9点算法生成的基本矩阵代替常规方法中的单应矩阵作为模型进行计算,使得模型具有较高的鲁棒性;使用随机块选取法选择样本,保障了选点的均匀分布性并且保证了精度.实验结果表明,此方法不仅能够得到较高的精确度,而且还大幅度减少了计算量,提高了匹配速度.     

基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

SURF算法在铸造缺陷无损检测中的应用

通过对铸造缺陷无损检测方法的研究,依据X射线成像特点,提出了一种基于SURF算法的自动检测方法:首先对标准样本图像构件采用SURF算法提取相应的特征值,得到样本构件的SURF特征;然后在旋转工作台旋转一周范围内提取待检产品的SURF特征,并与样本构件进行匹配;最后根据特征点的匹配个数判定产品是否含有此构件。实验结果表明,该方法能够准确地检测出产品是否含有特定构件,为铸造缺陷无损检测提供了一种新的检验方法。     

用于遥感图像拼接的改进SURF算法

经典的SURF算法存在许多不足,如特征描述符维度高、运算量大,对于旋转和拍射视角变换角度过大时,匹配精度低等。针对以上问题,提出了一种改进算法,首先通过Hessian矩阵提取特征点,然后采用特征点圆形邻域进行特征描述,使用Haar小波响应为每个特征点建立描述符,同时计算邻域内归一化的灰度差分及二阶梯度,形成新的特征描述符,最后采用RANSAC算法剔除误匹配点。该算法不仅较经典SURF算法具有速度优势,同时充分利用了灰度信息和细节信息,具有更高的精度。实验结果表明:该算法对图像的模糊、光照差异、角度旋转、视场变换等均有良好的鲁棒性和稳定性。将该算法应用于遥感图像拼接,得到无明显几何移位、边缘衔接良好的拼接图像。该算法是一种耗时短、精度高的图像配准算法,能够满足遥感图像拼接对配准的要求。     

基于SURF特征相关的红外图像自动拼接

提出一种鲁棒性较好的图像拼接算法解决红外图像序列的自动拼接问题。首先应用图像子区域相位相关得到图像间近似重合子区域和图像间近似仿射变换参数;接着根据得到的参数值对SURF特征计算和特征匹配进行优化,提高了图像配准速度;然后以特征点对的对称投影位置误差最小化为目标,应用RANSAC和LM算法对图像间透视变换矩阵进行优化;最后应用得到的透视变换建立图像序列整体配准关系,并采用线性过渡法进行重叠区域融合得到最终的拼接图像。     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。