一种基于改进SURF的遥感图像自动配准方法

现有的遥感图像自动匹配方法存在匹配准确度低、计算量大、配准效率低的问题,在经典SURF算法基础上,提出一种改进的SURF算法,首先提取遥感图像放射不变闭合区域,然后利用SURF算法提取该区域内的特征点,建立特征点筛选机制剔除信息含量低且分布不均匀的特征点,最后结合最小二乘法完成图像自动配准。研究结果表明,该配准方法在提高配准精度的同时,减少了运算时间,提高了算法的整体性能。     

基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

基于特征点的微波遥感图像自动配准算法

图像配准是图像处理工作（图像融合、图像镶嵌等）的核心技术。本文提出了一种有效的遥感图像自动配准算法,该算法采用改进的Harris 算子提取角点特征,利用待配准图像之间的灰度相关性进行粗匹配,然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点,最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。     

融合颜色和纹理的多特征匹配算法

传统SURF算法在对彩色图像匹配时仅基于灰度图像提取单一特征构建特征描述,在特征相似区域易导致误匹配,为提升图像配准精度,提出了一种多特征融合匹配算法.首先利用SURF算法进行特征点检测并构建特征描述符;其次,将彩色图像转换到归一化RG颜色空间,提取特征点邻域内的局部差值纹理信息,叠加到SURF描述符构成改进多特征描述...     

基于优化ORB算法的遥感图像精确配准技术

对于遥感图像精准配准技术的问题,提出基于优化ORB算法的遥感图像精准配准技术。首先,实现特征匹配,通过改进ORB算法将特征点进行提取,并且实现描述符的创建及匹配,得到初始控制点;然后,使用随机采样一致性方法和变换参数估计相结合,将可能错误的匹配进行剔除;最后,通过最小二乘法对变换参数进行估计,实现图像的几何纠正。对算法配准技术进行实验,实验结果表明此方法得到的配准精度较高,能够进一步提高配准效率。     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

遥感影像图像拼接算法研究

针对高分辨率遥感影像的图像特点,采用SURF特征算法实现对图像的快速拼接。该方法利用SURF算子提取特定区域的图像特征;并应用图像的几何特征做进一步的特征点筛选,以提高图像拼接效率,减少计算误差;利用RANSAC配准算法对图像进行配准,以消除误匹配;对于光照不均匀情况,致使拼缝图像插值不均匀,可采用三次样条插值法处理,使拼接后图像整体更符合人眼评价标准。     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、实时性差的问题,本文提出了一种基于区域分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子的特征描述方法对原始特征点进行描述,获得具有尺度不变性的特征点描述符,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。本文针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于特征的遥感图像自动配准算法

面向光学图像的多时相、多光谱、多传感器图像的自动配准,本文描述一个基于特征的高精度图像配准算法.它以点映射配准技术为基础,处理具有全局仿射几何失真的图像配准问题.首先,通过边缘检测和相应的后处理提取封闭边界;其次,根据边界链码相关和区域不变矩匹配策略建立边界的对应,并对对应重心即匹配点对进行一致性检测获得基元控制点;最后,估计初始变换参数,并通过显著点片的相关匹配来增加控制点个数,迭代修正变换参数以提高配准精度.多种遥感图像数据的配准实验和对比试验证实了的自动算法具有较高的可靠性和配准精度.     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

基于椭圆傅里叶描述子的遥感图像配准算法

传统的基于点特征的图像配准算法在遥感图像配 准时提取的特征点数量大、分布密,易产生误匹配,导致特 征匹配的效率和精度低。为此,本文利用椭圆傅里叶描述子(EFD)能较好保留 形状信息的特点,提出了一种基于EFD的 图像配准算法,根据匹配的边界对预估变换参数,给出特征搜索范围,从而有效地提 高特征搜索的效率。实 验结果表明,所提出算法能有效抑制误匹配的产生,提升特征匹配的效率,尤其是对于纹理 丰富的大尺寸图像,提 升效果更加明显,验证了本文算法对遥感图像配准的适用性。     

基于几何不变性和局部相似特征的异源遥感图像配准算法

针对异源遥感图像在图像配准中的几何形变问题,本文提出了一种基于几何不变性局部相似特征的异源遥感图像配准算法。GISS算法利用加速鲁棒特征算子先对存在几何差异的异源遥感图像进行预匹配,然后根据特征点的方向特征对图像进行旋转仿射校正,最后引用局部相似性描述符并集成相似性度量来考察预匹配点对的相关性,选取其中相似相关性最优的点对实行图像配准。实验结果表明,对于存在几何形变的异源遥感图像,具有较好的配准实现效果,可以有效的解决异源遥感图像之间的几何形变差异问题,具有较好的鲁棒性和配准精度。     

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法.首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像.实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值.     

改进配准测度的SUFT红外图像快速配准算法

为方便电路板卡故障诊断,实现红外图像快速、有效配准,提出一种基于SUFT(Speeded-Up Robust Features)和相似四边形的红外图像快速配准算法。该算法首先对红外图像进行特征点检测,生成SUFT特征点描述子;然后采用欧氏距离进行相似性度量,提取粗匹配特征点对,再利用相似四边形进行精匹配,去除误配准点对;最后依据精匹配点对求解变换模型参数,实现红外图像的配准。实验表明,改进后的算法能有效剔除误匹配点对,提高配准精度,配准结果较理想,与同类算法相比耗时较短。因此该算法具有快速性、稳定性等优点,且配准精度较高,有很好的实用价值。     

基于改进Harris-SURF算子的遥感图像配准算法

针传统SURF算法在遥感图像配准中存在精度和准确率不高的问题,提出基于改进的Harris-SURF图像配准方法。利用高斯二阶导数与原始图像进行卷积,提取具有尺度不变的特征值点,对Harris算法不具备尺度不变性进行改进,利用仿射变化提高配准的精度。最后,利用RANSAC算法剔除配准错误点,完成配准。     

基于拓扑结构的图像拼接算法

针对加速稳健特征(SURF)算法匹配特征点对较多,造成拼接精度低、计算量大的缺点,结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法.算法定义并采用连通矩阵得到特征点的拓扑结构,将两幅图像的连通矩阵做异或运算得到判断矩阵,多次迭代剔除特征点集合中错误匹配点和匹配度较低的点,得到拓扑结构完全相同的特征点集合,有效减少了匹配特征点对的数量,提高了特征点对的匹配正确率.根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理.对比实验结果表明,针对同一组图像进行拼接处理,所提算法的特征点匹配正确率较SURF算法提高了28.28%以上;对于小分辨率图像拼接,耗时基本保持一致;对于大分辨率图像拼接,所提算法耗时大大减少.