一种基于SIFT的网格仿射拼接算法

图像拼接在卫星图像遥感、医学图像处理都具有广泛的应用价值。利用SIFT作为图像局部特征,构建一种基于SIFT特征的仿射计算方法,利用网格覆盖匹配特征点,通过该方法在SIFT匹配特征点中选取仿射点,进而构建相应的仿射变换,通过仿射待选点建立拼接边缘,还给出了不同程度仿射变换的图像拼接方法来解决边缘图像仿射失真的问题。实验结果表明该方法可以克服传统方法的仿射不稳定问题,具有较好的稳定性和准确度。     

基于SIFT算法的图像拼接技术研究

随着人们在生产、生活过程中对获取更加优质视觉信息的要求逐步提高,图像拼接技术成为数字图像处理领域中的热点与重点研究内容。先采用SIFT这一图像特征点检测与匹配的基础算法对图像进行特征点的粗匹配,再使用RANSAC算法对特征点进行提纯,得到最优特征点。仿真试验验证了该图像拼接技术可以提高图像的拼接效果,增强算法的鲁棒性。     

序列显微病理切片图像的自动拼接

针对存在模糊和较大旋转角度的病理切片序列图像,提出了一种具有尺度不变性的图像拼接方法。首先利用高斯图像金字塔提取图像的特征点,使用特征点主方向上描述符的相关性建立特征点匹配关系,最后采用随机抽样一致性算法计算匹配点对之间的变换模型参数。实验表明本文算法具有很强的灵敏性和适应性。     

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Harris与SIFT算法的自动图像拼接

图像拼接技术被广泛应用于遥感图像处理、计算机识别、医学图像分析及人工智能等方面。本文针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接。首先利用改进的Harris算法提取图像特征点,再使用SIFT算法来描述特征点,然后利用欧氏距离对所得的特征向量进行匹配,最终实现图像的自动拼接。实验结果表明,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接。     

基于ASIFT的低重叠度图像拼接研究

为了解决在图像重叠度过低时,采用常用的SIFT图像匹配算法,造成图像拼接困难的问题,提出了一种基于ASIFT的低重叠度图像拼接方法.ASIFT图像匹配算法相较于SIFT图像匹配算法,在低重叠度条件下,能够检测出更丰富的匹配点,且具有更高的匹配精度.根据这一特性,该方法采用ASIFT图像匹配算法进行特征点检测与匹配,然后利用其结果进行图像拼接.实验结果表明,这种方法在图像重叠度很低的情况下,也能够取得良好的拼接结果.     

柱面全景图像自动拼接算法

提出了一种基于特征点匹配的柱面全景图像拼接算法。首先将360°环绕拍摄的序列图像投影到柱面坐标系下;然后提取各图像的SIFT（Scale Invariant Feature Transform,尺度不变特征变换）特征点,通过特征点匹配完成两幅图像的配准;再根据配准结果计算出图像间的变换参数;最后采用加权平均的融合方法对两幅图像进行无缝拼接。实验表明,算法可以有效、快速地自动生成柱面全景图像。     

新型优化SIFT的图像快速配准方法研究

针对尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法图像配准时间长、匹配率低等问题,提出了重合区域图像极值特征提取法以及图像降采样特征配准法。在特征匹配的过程中,重点考虑重叠区域的特征匹配点对极值一致性约束条件,并利用差分尺度空间的局部单极值,以减小冗余特征点,节约特征提取与匹配时间;在此基础上,以图像尺度大小（选择180×180）作为缩放约束,对图像进行同比例插值缩小,并根据缩放后图像与原始图像变换矩阵之间的关系,计算出原始图像变换矩阵,实现图像的快速、精确配准。利用实例验证了所提方法的有效性和可行性。     

基于SIFT和改进的RANSAC图像配准算法

为解决RANSAC算法迭代次数过多导致图像配准精确率不高的问题,提出了一种改进的RANSAC图像配准算法。首先将参考图像和待配准图像进行NSCT变换分解成低频子带和高频子带。然后对高频子带运用矢量夹角算法和结构相似性（SSIM）来提取图像边缘特征点,对低频子带运用SIFT算法并设定合适的距离阈值来提取特征点。最后利用改进的RANSAC算法提高特征点匹配精度,选择出精匹配点对,实现图像配准。实验结果表明,该算法能有效地找到较多的匹配点对,准确地去除误匹配点对,明显地提高了配准精确度。     

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。     

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。     

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。     

基于图像增强的井下图像拼接

为了通过图像采集技术实时监控煤矿井下生产情况, 提出了基于图像增强的井下图像拼接算法。利用局部双边滤波算法对图像进行增强,在此基础上再利用近似的Hessian矩阵和框状滤波确定特征点的位置,然后,计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,最后利用特征点对计算得出变换矩阵,采用线性渐变融合方法进行图像融合。通过图像增强前后特征点数量对比实验验证了增强算法的有效性,并证明了该算法显著提高了SURF（Speeded Up Robust Features）算法的拼接效率,有利于提高匹配的准确性和拼接的快速性。     

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。     

基于快速鲁棒特征的CamShift跟踪算法

为了解决CamShift算法由于对颜色敏感导致的跟踪效果变差或失效的问题,提出一种基于局部特征匹配的CamShift跟踪算法。采用快速鲁棒特征(SURF)方法在多通道图像的目标区域和搜索区域提取包含图像信息的局部特征点,并利用近似最近邻搜索对特征点进行匹配;使用提纯后的匹配结果得到特征点的位置、尺度及方向信息,对CamShift方法进行约束和更新,以提高跟踪精度和稳定性。实验结果表明,与经典CamShift算法和同类的改进算法相比,该算法能够较好地实现对复杂背景下旋转和放缩运动目标的实时跟踪。     

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。     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

直方图均衡化与SURF重构的图像特征提取方法

针对SURF算法提取图像特征点较少的问题,提出了一种经直方图均衡化处理,重构SURF尺度空间（R-SURF）的图像特征提取方法。该方法能提高图像特征点检测数目,同时保持较高的匹配率,并且继承SURF算法的良好特性。将算法与SURF和C-SURF算法进行比较实验,结果表明R-SURF具有更好的特征检测能力。