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。     

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。     

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%。     

一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。     

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.     

一种改进的联合点特征与灰度特征的红外图像配准算法研究

在研究红外图像成像原理与特征、传统红外图像配准方法的基础上,提出了一种改进的联合点特征与灰度特征的红外图像配准算法。首先采用经典的Harris角点检测算法提取一次角点,在一次角点的基础上对其进行下降排序,对排序结果进行不同份数的等分并提取每一部分的中间值,最后根据图像配准需求有效利用中值选择不同的特征点;该算法充分利用环形区域的旋转不变性和特征点区域灰度差异性很小的原则进行特征点匹配。实验结果表明该算法能够提取出更加精确的匹配点,能够有效的完成红外图像配准。     

基于斜率一致性的电气设备红外与可见光图像配准方法

针对电气设备同一场景间红外与可见光图像间难以 匹配的问题,提出了一种基于斜率一致性的图像配准方法。首先通 过基于多方向结构元素、不同权值的数学形态学边缘检测算法分别提取红外与可见光图像的 边缘,得到粗边缘图像; 然后通过SURF算法检测两幅边缘图像的特征点,根据正确的匹配点对之间斜率一致性的先 验知识,进行特征点匹配; 最后通过最小二乘法求得仿射变换模型参数实现两幅图像的配准。实验结果表明,本文方法 有效提高了匹配点对的正 确率,特征点的定位也更加精确,能够对电气设备红外和可见光图像实现高精度的配准 。     

基于SURF算法的现场概貌图像拼接技术分析

阐述SURF算法提取图像中的特征点进行粗匹配,通过RANSAC算法提高匹配准确率,利用加权平均的方法对拼接图像进行图像融合,并进行柱面投影,生成全景图像,从而获得完整的现场概貌图像。     

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。     

一种基于各向异性尺度空间的SAR图像匹配算法

针对斑点噪声对合成孔径(SAR)图像匹配算法的影响,提出了一种基于各向异性尺度空间的SAR图像匹配算法。首先,采用加性算子分裂算法解方案来构建各向异性尺度空间,在滤除斑点噪声的同时更好地保留图像细节;然后,在非线性尺度空间中提取特征点,并采用改进的SURF描述子描述特征,弱化斑点噪声对匹配的影响;最后,采用变换参数约束策略筛选匹配点对,提高匹配正确率。该方法既保持了同名点的精度还增加了同名点的数量,通过对不同极化、时相、波段以及不同视角下多种地物的匹配实验,验证了该方法的优越性。     

基于稀疏表示和色彩传递的图像融合与彩色化

针对红外图像和微光图像的特点,提出一种基于稀疏表示和色彩传递的双波段图像融合与彩色化方法。该方法首先采用改进的基于K_SVD的分块稀疏表示获得红外与微光图像的稀疏融合图像,然后在YUV空间采用基于色彩传递的自然感彩色夜视处理技术,对红外与微光图像进行彩色化融合,最后用稀疏融合图像的灰度值代替彩色融合图像的Y分量,从而实现双波段图像的融合与彩色化。实验表明,本文提出的彩色融合算法能够综合红外与微光特征信息,且使图像具有最佳的亮度对比和细节信息,图像色彩更易于人眼观察。     

基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

改进边缘质量和运动估计的超分辨率图像重构

凸集投影算法（POCS）是一种广泛使用的超分辨率图像重构方法。针对传统的POCS超分辨率图像重构算法出现的边缘模糊及匹配时的局限性问题,首先利用二阶梯度检测出像素周围0°、45°、90°、135°四个边缘。在构造参考帧时采用基于梯度的插值算法,沿边缘方向进行线性插值,沿非边缘方向进行基于一阶梯度的带权插值。在运动估计时,采用SURF匹配算法,提高匹配的鲁棒性和实时性。在修正参考帧时,分别定义中心在四个边缘方向的点扩散函数（PSF）。利用完全参考图像质量评价和无参考图像质量评价分别对仿真实验和实物实验进行了评价,评价结果表明提出的算法较传统POCS算法有明显的改善。      

基于一致性敏感哈希的高精确度图像匹配算法

针对基于特征点的图像匹配方式在复杂纹理场景中匹配效果不理想的问题,提出一种将加速稳健特征算法(SURF)与一致性敏感哈希匹配结合的图像匹配算法(CSH)。使用SURF算法对图像进行特征点提取,再以特征点为圆心构建特征区域,最后对特征区域使用CSH进行匹配,从而实现高精确匹配。为了进一步加快算法运行速度,对现有的SURF算法进行修改,在提取SURF特征点时去除了对于特征点方向的计算。仿真实验证明,算法较一般的特征算法在复杂纹理图像匹配中效果更佳,且较CSH算法效率提升了10%~15%。     

融合图像灰度信息与边缘特征的快速匹配算法

基于灰度相关的图像匹配算法对光照变化敏感,且计算量大,效率低,而基于特征的图像匹配算法结构复杂且在很大程度上依赖于特征提取的质量。为此,本文提出了一种基于Sobel边缘特征和小波变换的递推多模板快速匹配算法。首先用Sobel算子提取边缘特征;然后用小波变换对图像进行多尺度分解;最后用本文提出的递推多模板快速算法仅对集中了图像主要信息量的低频部分进行互相关匹配。将该算法应用于基于ADSP-S201的图像制导系统中,实验表明,此算法在保证匹配准确度的同时完全能达到系统实时性要求。      

低对比度图像特征点提取与匹配

针对常用特征点匹配算法在低对比度图像中存在特征点少、匹配精度低的问题,将图像自相似性用于图像特征点提取,并改进特征点匹配过程,提出了自相似性与改进归一化互相关相结合的方法.该方法首先根据像素点自对称值提取出图像特征点,然后通过特征点的尺度信息构建自适应相关窗口来改进互相关匹配,最后由阈值筛选和随机抽样一致性算法优化匹配结果,从而完成低对比度图像特征点的提取和匹配.实验结果表明,该方法在匹配低对比度图像特征点时相比常用算法具有较高的效率,且对图像尺度和旋转变换具有较强的鲁棒性.     

基于SURF-HOG与显著性特征的红外可见光图像配准融合北大核心CSCD

针对现有红外与可见光图像配准不精确,边缘及细节纹理缺失,融合时间较长,不能突出重点目标等不足,提出一种基于SURF-HOG描述符与红外显著性特征的红外与可见光图像融合方法。首先,在红外与可见光图像配准阶段,在SURF(Speed-Up Robust Features,SURF)框架内构建基于HOG(Histogram of Oriented Gradient,HOG)的特征点描述符,并通过NNDR(Nearest Neighbor Distance Ratio,NNDR)进行红外与可见光图像的特征点匹配;其次,在显著特征提取阶段,先通过四叉树算法对源红外图像分解,然后通过贝塞尔插值法重建红外图像背景,接着分别对红外图像中的背景及目标进行自适应抑制以提取目标红外显著性特征;最后,结合已配准的可见光图像与重建后的红外图像以获取最终融合结果。实验结果表明,所提方法对不同场景下的红外与可见光图像具有较高的配准精度,不同场景下的融合结果不但主观视觉上具有显著的目标特征,同时背景纹理和边缘细节清晰,整体对比度适宜,运行时间最短,并且在客观评价指标上也取得了较好的效果。