基于SIFT和SURF图像拼接算法的改进算法

目前,图像拼接技术已经成为数字图像处理、计算机图形学和人工智能等领域的研究热点。介绍基于SIFT(Scale Invariant Feature Transform)特征点的图像拼接算法和基于SURF(Speeded Up RobustFeatures)特征点的图像拼接算法,并且对这两个算法的性能做了比较,给出各自的优劣点。最后,基于这两种算法,提出一种加快图像拼接速度和质量的算法。     

基于SURF和KLT跟踪的图像拼接算法

针对现有图像拼接精度不高和速度慢的问题,提出一种图像自动拼接算法。采用特征向量实现图像序列完全自动排序,把特征向量作为图像中的运动目标,利用KLT跟踪算法计算特征点的偏移量,从而得到图像之间精确的单应性变换矩阵,给出一种基于视觉特征的色彩融合方法实现图像的无缝拼接。实验证明该算法提高了匹配的精度和速度,能够实现自动排序,并具有较好的鲁棒性。     

一种基于SURF、FLANN和RANSAC算法的图像拼接技术

针对SIFT算法在图像融合中耗时长,维度高的问题,论文设计了一种基于SURF、FLANN和RANSAC三者结合的拼接方法.首先利用SURF算法鲁棒性强、算法复杂度低的优势来进行特征点的检测,凭借FLANN算法可以调整参数来进行精确度的提升的优点来进行特征点的匹配,并与常见的BF算法匹配进行比较;针对其中错误匹配对的存在...     

基于图像特征的合成孔径声纳声图像拼接研究

利用合成孔径声纳(SAS)声图方位向线分辨率恒定的特点,提出了基于图像特征的SAS声图拼接方法,其关键技术是使用SURF算子和RANSAC算法。方法使用SURF算子提取SAS声图的特征点,使用RANSAC算法对SAS声图进行精匹配处理。对SAS实测图像进行了处理,结果证明了该方法的有效性。     

一种基于SURF特征的图像拼接方法

为了提高图像拼接方法的性能和适用性,提出一种基于改进尺度不变特征SURF的图像拼接方法。该方法在提取SURF特征的基础上,利用最近邻算法建立特征点对之间的初始匹配。采用具有鲁棒性的RANSAC算法去除错匹配,获得图像之间的变换关系矩阵,最后采用加权的渐进渐出融合算法消除拼接接缝。实验结果表明,本文方法在满足精度要求的同时,提高了处理速度。     

基于改进Harris-SURF的无人机图像快速拼接

无人机低空拍摄的图像具有成本低、方便快捷的优点,但也存在重叠度高、覆盖范围小等问题,需通过图像拼接来获得更大范围的图像。目前,无人机图像拼接效率不高。针对此问题,提出了一种结合Harris与SURF算法优点的改进Harris-SURF算法,并将该算法应用于无人机图像的自动配准;采用加权平滑融合算法消除亮度差异,较好地实现了无人机图像的无缝拼接。实验结果表明,该算法在效率方面较SURF算法有较大提高,对存在旋转、光照及视角变化的图像均有较好的匹配效果,实现了无人机图像的快速拼接。     

改进SURF算法的图像拼接算法研究

针对目前图像拼接算法存在对于图像配准过程中对应特征点对难以准确匹配的问题,提出了一个通过改进的SURF算法提取图像特征点,然后对得到的特征点进行描述,利用快速RANSAC算法配准图像,最后采用像素加权的方法进行图像融合。实验结果表明,提出的改进SURF方法有效地提高了特征点提取的准确性,去除了错误的匹配点对,将整个拼接过程的效率从之前的13.03对/秒提升到15.20对/秒。     

基于SURF特征匹配的图像拼接算法

提出了一种了基于SURF（speed up robust features）特征匹配的图像拼接算法。SURF方法是一种快速且鲁棒性较好的特征提取算法,用该算法提取图像特征后,使用改进BBF（best bin first）的快速匹配算法来寻找图像间的匹配点;用LM算法对单应性矩阵进行优化时,本文提出使用梯度误差函数增强对光照变化的鲁棒性;最后采用多分辨率融合方法进行图像融合,有效地消除了拼接痕迹,并保持较高的分辨率。实验结果验证了该算法的高效性,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的效果。     

基于多尺度图像融合和SIFT特征的水下图像拼接研究

充分考虑水下环境和水下成像的特点,将多尺度融合的图像增强算法应用于水下配准算法的预处理图像中,修复深水域偏色严重的图像.用改进SIFT算法进行特征提取,采用自适应阈值法筛选关键点,扩大关键点提取范围;用Canny算法计算关键点的梯度和大小,平滑噪声的同时也可以保留图像更多细节;使用平均Haus-dorff距离和BBF最邻近查询法对关键点进行粗匹配,再用RANSAC进行进一步提纯;计算得到变换矩阵后输出最终拼接图像.实验验证了该算法适合水下环境特点,可以提升水下图像配准和拼接的效果和准确率.     

动态图像的拼接与运动目标检测方法的研究

动态图像运动目标检测是图像处理中的热点,但动态图像的识别范围却成了目标检测的限制,针对此问题,本文提出了一种利用图像拼接技术扩展图像识别范围、并在此基础上完成运动目标检测的方法。在图像拼接中采用了SURF图像匹配算法,运动目标识别利用背景差分法,实验中使用的是开源的Linux操作系统、以及为图像处理提供了大量算法和函数的OpenCV软件开发库。针对不同分辨率、不同角度采集的图像进行了实验研究,结果表明,可以在较好满足图像识别范围的同时,明确地检测出运动目标的相关信息。同时,本文提出一种通过图像拼接实现扩展运动目标检测的方法,满足了实时性要求,达到了增加图像清晰度的目的,但是,在摄像设备与场景之间的相对运动方面还存在着有待解决的问题,这将成为今后研究的重点方向。     

基于颜色不变量和SURF的彩色图像拼接

提出了一种基于颜色不变量和SURF算法相结合的彩色图像拼接方法。该方法利用图像彩色信息计算得到的颜色不变量信息代替灰度信息作为输入,提取图像SURF特征点并进行特征点匹配,根据相似性变换原理对误匹配点进行过滤,提高变换矩阵计算的准确率,采用亮度渐变原则对重叠区域进行像素平滑过渡,实现图像无缝拼接。实验结果表明,该方法在保持算法的快速性和准确性的同时,获得的配准点多而且准确,采用亮度渐变原则拼接增强了对光照变化的鲁棒性,且有效地消除了拼接痕迹,在图像拼接和地质分析领域有一定的实用价值。     

一种实时鲁棒的超分辨率图像重建方法

在智能交通系统中,超分辨率重建技术有着广泛的应用。提出一种新的超分辨率图像重建方法,用于提高超分辨率图像的重建质量。该方法从低分辨率图像中提取出具有独特性和鲁棒性的SURF特征描述子,进行匹配计算,采用最小二乘法估计运动参数,采用ANC算法对图像进行插值计算。实验结果表明,该方法具有较强的鲁棒性和实时性,重建质量较之其他重建算法要高。     

基于图像目标特征空间自学习分类算法

为解决图像分类过程中特征点选择的随机性对分类精度造成的影响,提出一种基于图像目标特征空间自学习分类算法。利用基于颜色和纹理特征的多通道局部主动轮廊模型找到图像的目标区域,在目标区域选取特征并对特征稀疏编码建立图像的目标特征空间。为进一步提高图像分类精度建立投票机制下基于图像目标特征空间的自学习算法。实验结果表明,该方法能避免特征选择的随机性对实验结果的影响,有效地提高图像分类的精度。     

基于聚类和马氏距离的多角度SURF图像匹配算法

对具有不同旋转角度和变化的图像进行匹配是图像识别中的技术难点,SURF算法在多角度图像的特征点检测和匹配过程中存在易受噪声点干扰、产生误匹配从而导致匹配效率低等不足。结合聚类和马氏距离,提出一种改进的多角度SURF图像匹配算法。首先利用聚类算法对原有算法提取的特征点进行噪声剔除处理,生成新的特征点数据集;然后利用马氏距离能够有效考虑整体相关性及其具有仿射不变性等特点,将SURF算法中的欧式距离用马氏距离替代。实验应用于多角度图像匹配时,改进算法较原SURF算法在匹配效率和准确率上有明显提高。     

基于平面单应性的单目视觉里程计设计

针对如何准确获取位姿信息来实现移动机器人的避障问题,提出一种可用于实时获取移动机器人位姿的单目视觉里程计算法。该算法利用单目摄像机获取连续帧间图像路面SURF（Speeded Up Robust Features）特征点;并结合极线几何约束来解决路面特征点匹配较难的问题,通过计算平面单应性矩阵获取移动机器人的位姿变化。实验结果表明该算法具有较高的精度和实时性。     

结合SURF算子和极线约束的柑橘立体图像对匹配

提出一种结合SURF算子和极线约束的立体匹配方法。对采集的双目视觉柑橘图像进行R-B分量的计算,在该分量上,采用快速hessian检测子进行特征点检测,并使用SURF描述子对检测到的特征点进行64维的特征描述。采用欧式距离和极线约束进行特征点匹配。实验表明,该方法对一幅图像对的平均处理时间为293ms,在果实被遮挡或光线变化的情况下均能较好地进行特征点提取和匹配。该方法为后续的深度信息计算提供了基础。     

基于SURF特征与模糊推理的掌纹识别

针对现有掌纹识别算法对掌纹图像在采集过程中的位置、方向、亮度变化缺乏足够的鲁棒性,而且计算复杂度较高的问题,提出了一种基于SURF描述字的掌纹识别算法。算法分为训练与识别两个过程,在训练过程中,提取属于同一类所有训练样本的SURF描述字进行互配,然后计算训练样本中互配频次超过该类样本数的1/2的每个关键点的匹配率及其在匹配训练样本中坐标的均值与方差以及SURF描述字均值、SURF描述字与均值的最大欧氏距离组成类别数据库。在掌纹识别过程,基于SURF提取待识别掌纹图像的关键点,确定关键点的SURF描述字与其位置坐标,然后,计算类别数据库中每个类别的每个关键点与待识别掌纹图像所有关键点模糊匹配度的最大值作为该关键点的模糊匹配度,最后基于模糊推理实现掌纹识别。实验结果表明该算法对掌纹图像的旋转、尺度和亮度的变化具有较好的鲁棒性,具有稳健和高精度的特性,并且识别过程计算成本较低,满足了实时性应用的要求。     

基于微观图像的图像拼接算法研究

针对传统图像拼接算法不适用于局部特征点多的微观图像实时拼接问题,结合Harris角点、SURF算法和K-Means算法提出了一种改进的算法。具体的算法流程如下：通过Harris角点提取微观图像中的特征点,并在形成SURF描述子后利用最近近邻算法对这些特征点进行粗配准。通过K-Means算法对初次配准的特征点进行聚类分簇获取聚类中心,并提取有效聚类区域的特征点。对有效的特征点进行精确配准,并校验配准后特征点的斜率一致性和距离一致性,从而实现精确的特征点匹配。实验结果证明,该算法克服了特征点多造成图像拼接时间长和拼接误差大的问题,具有较强的鲁棒性和稳定性,可应用于微观图像实时拼接领域。     

基于图像匹配的移动应用自动化测试方法研究

海量的移动应用使得面向移动应用的测试技术研究成为当前的研究热点,通过基于手机截图的移动应用软件自动化测试,可以节省大量的时间和人力,以此为背景提出了一种基于图像匹配和手机截屏区域标注的自动化测试方法。主要考虑到手机界面分辨率和显示细节有限的特点,并根据移动应用在移动终端中UI中的图像、文字、列表、网格等各种区域显示的特点,通过SURF特征点匹配、RANSAC算法优化和投影变换,以及区域树优化,实现移动应用的UI截图与基准截图的自动匹配和对比。实验结果证明通过采用设计的自动化测试方法,单进程运行的效率是采用SIFT算法的1.69倍,是手工的2.01倍;能检测出人工检测发现的109个界面显示问题中的106个,准确率是未经优化前的1.71倍。     

图结构在航空遥感图像特征点匹配中的应用

为了解决海上航空遥感图像拍摄目标及相机视角变化快,相似特征多导致的匹配不一致问题,并提高匹配算法的效率,提出了一种基于图结构的航空遥感图像特征点匹配算法。该特征匹配过程分为初始匹配和精确匹配两步,首先采用快速特征提取算法SURF进行特征提取并进行初始匹配,然后在精确匹配过程中充分考虑图像的局部空间结构及全局信息,建立[K]近邻图结构,用[K]近邻结构差异与点集的变换误差作为匹配的收敛条件,以解决图像目标发生变化而导致的[K]近邻结构不一致及[K]近邻结构相同时仍然存在干扰点两个问题,最终实现快速精确的特征匹配。