基于局部显著特征的快速图像配准方法

针对SIFT算法在进行图像配准时存在提取特征点数目大、无法精确控制、运算速度慢、配准点精度不高的问题,提出一种基于局部显著特征的快速图像配准方法。该方法首先对原始图像和待配准图像进行降采样,对降采样图像分别提取SIFT特征点,并对特征点运用改进的K-means聚类算法进行聚类;然后利用聚类结果筛选聚类区域,在各聚类区域提取显著特征点进行粗匹配;最后利用显著特征点在原始图像中定位显著区域,对所得显著区域进行精配准。实验结果表明,该方法减少了图像匹配时间,控制了特征点数量,在保证匹配准确度的同时,有效地提高了特征匹配的效率。     

基于SIFT与Contourlet变换的高分辨遥感图像配准

针对高分辨遥感图像特征量较多的情况,提出一种基于SIFT与Contourlet变换相结合的图像配准算法。首先将图像进行Contourlet变换分解成低频和高频子带,对高频子带通过设定合适的阈值来提取图像边缘特征点,对低频子带进行SIFT特征点提取。将两者提取到的特征点分别匹配后得到粗匹配点对,利用随机抽样一致性(RANSAC)选择出精匹配点对,实现图像配准。实验表明:在多源遥感图像配准过程中,与基于非采样Contourlet变换(NSCT)和基于SIFT特征提取相比,该算法能够更准确地提取到特征点,具有更高的运算效率以及匹配率。     

亚像素级模糊图像配准算法

针对目前的特征点匹配算法不能有效配准边缘模糊的图像,提出一种灰度偏移极值特征。将局部像素灰度偏移均值最明显的点作为特征点,利用最小二乘拟合曲线,通过曲线导函数将偏移极值点精确定位于亚像素级,最后采用分块的NMI为特征点分配32维特征向量,再对比向量间距离以实现配准。该特征易于提取、运算简单,而且能在阶跃边缘不清晰的图像中稳定存在。经实验验证,算法应用于模糊图像配准具有较高的匹配精度。     

基于定量定性互信息的多层次特征图像匹配算法

针对传统基于互信息图像匹配算法计算量大,且没有考虑像素空间关系和效用的问题,提出了一种基于定量定性互信息的多层次特征图像匹配算法：首先对边缘提取后的图像提取多层次特征,即边缘兴趣点、边缘点和边缘邻域点特征;然后基于不同特征点特性,计算定量定性互信息联合效用;最后在遗传算法框架下,将定量定性互信息值作为适应度函数值搜索匹配参数。仿真结果表明,本文提出的匹配算法精度高,耗时较短且对噪声不敏感。     

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。     

融合GMS与VCS+GC-RANSAC的图像配准算法

针对当前图像配准算法配准时间过长、配准正确率低等问题,提出一种基于网格运动统计（GMS）、矢量系数相似度（VCS）与图割随机抽样一致性（GC-RANSAC）的图像配准算法。首先,通过ORB（Oriented FAST and Rotated BRIEF）算法对图像进行特征点提取,并对特征点进行暴力匹配。之后,通过GMS算法对图像中的粗匹配特征点进行网格划分,利用网格中正确匹配点邻域内具有较高特征支持量的原理对粗匹配对进行筛选;并引入图像匹配对在进行矢量运算时VCS不超过某一设定阈值的原理对匹配对进行部分剔除,以利于算法后期的快速收敛。最后,运用GC-RANSAC算法进行局部最优模型拟合,得到精匹配特征点集,实现高精度的图像配准和拼接。通过与ASIFT+RANSAC、GMS、AKAZE+RANSAC、GMS+GC-RANSAC等算法对比,实验结果表明,该算法在平均匹配精度上提高了30.34%,平均匹配时间缩短0.54 s。     

海浪绘制中波浪谱的选择和参数计算

针对红外与可见光图像中特征点匹配的难题,提出一种基于特征点邻域边缘的描述与匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;再对特征点邻域的边缘进行重组;其次求取特征点所在曲线的法线作为主方向,以避免图像的旋转代价;计算特征点邻域像素点的B-LBP算子的加权分布直方图;然后搜索相同边缘上最近的特征点并计算相应的直方图信息;再对两个直方图进行级联,构造出512维的UB-LBP联合描述子,并将其归一化;最后采用最近邻算法实现特征点匹配。实验结果表明,这两种描述子在红外与可见光图像特征点匹配方面较SIFT算法具有较高的正确匹配率,能够实现两种图像的精确匹配。     

结合SIFT和Delaunay三角网的遥感图像配准算法

针对高分辨率遥感图像中提取的特征点数目过大且易存在误匹配点的问题,提出了一种粗配准和精配准相结合的高分辨率遥感图像配准算法.首先对图像降采样处理后,提取大尺度空间下的SIFT特征点,求得仿射变换模型完成图像粗配准;然后对图像进行分块,利用SIFT方法对每幅子块图像提取特征点,并找到对应子块图像之间的匹配点对;之后利用特征点构建Delaunay三角网,计算每对子块图像之间的三角形相似度,构成相似矩阵,从中挑选相似度大的三角形对以构成精确匹配点对;最后利用得到的精确匹配点对实现最终的图像配准.该算法能够减少提取的特征点数且剔除更多的错误匹配点,从而进一步提高精确匹配点率.实验结果表明了算法的有效性.     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

基于形状模板的快速高精度可靠图像匹配

为了提高工业检测中图像匹配精度和速度,提出一种基于形状模板的快速高精度图像配准算法：根据定义的图像匹配相似度量,采用图像金字塔搜索匹配策略,利用形状信息进行模板匹配。具体流程为：首先在参考图像上选择感兴趣区域生成模板,使用Canny滤波器对模板和搜索图像进行滤波,并计算边缘点的方向向量;其次,在此基础上构造该模板和搜索图像的图像金字塔,在图像金字塔最高层图像进行完全遍历匹配,获得具有匹配分值的潜在匹配点,然后根据匹配分值大小逐层逐次跟踪潜在匹配点,进行匹配,直至图像金字塔最底层;最后使用最小二乘法调整位姿参数,使其达到亚像素精度。实验表明该方法匹配速度快,匹配精度高,而且匹配鲁棒性高,不受遮挡、混乱、非线性光照变化、离焦、对比度低、全局对比度反转、局部对比度反转等情况的影响,完全可以满足实际工业需求。     

多特征融合的图像自动变形

目的 图像变形算法中特征基元提取和匹配方式大部分都是采用人机交互的方式进行,并且在遮挡区域变形时出现较多的鬼影和模糊现象,使得针对同一场景图像变形实现繁琐且效果不佳,针对这些问题提出一种基于多特征融合的自动图像变形算法。方法 该算法提取多种图像特征信息（如Surf特征算子、Harris算子、Canny算子等）并进行多特征融合匹配,得到一个分布适当且对应关系正确的三角网格,再结合图像变形,实现自动图像插值。结果 实验结果显示,自动的提取特征基元有效地减少了人工操作,而多特征融合匹配有效地抑制了图像变形时边缘或遮挡区域鬼影的产生。结论 提出的融合匹配方法,将不同的特征信息有效地融合匹配从而改善了图像变形算法。通过对多组实验结果进行问卷调查,91%的参与者认为该算法有效地改进图像变形结果。     

一种快速的柱面全景图像拼接算法

基于等距离匹配思想，提出一种快速的柱面全景图像拼接算法。对于相邻两幅待匹配图像，设定相同大小的比较区域，从两幅图像中心垂线开始向重叠方向同步长移动并进行比较。在比较区域中采取随机取点的方式，计算对应点的颜色差值并累加，若达到某一设定阈值，则停止计算，移动比较过程中，计算次数最多的比较区域中心位置即为最佳匹配位置。该算法可以尽早排除非匹配位置，减少计算量，提高全景图像生成速度。利用该算法思想对随机顺序输入的场景图像序列进行排序，可以获得按照实际场景内容排列的图像序列，然后进行全景图像匹配拼接，实验结果表明该算法快速有效。     

基于形状模板匹配的图像拼接算法

文章提出了一种基于形状模板匹配的图像自动拼接方法。提取图像的角点作为特征点,利用归一化梯度模板对其进行预匹配,然后利用形状模板在四个方向对模板内图像的边缘点与模板边界的最短距离进行统计,获取模板图像的结构特征向量以实现对特征点的精确匹配。实验结果表明该算法具有较好的实用价值。     

基于Canny边缘SURF特征的红外与可见光图像配准算法

利用多源传感器之间获取信息的互补性,克服单传感器的缺陷,从而提高系统整体性能指标的思想已经在军事、医疗、卫星等领域获得了广泛的应用。可见光和红外图像相融合也能提高视觉应用场景中对目标的探测能力,降低目标警报的虚警率和漏警率,提升准确率和工作效益。对于红外与可见光图像配准过程中受不同传感器图像成像原理不同,成像结果图像灰度差异大、特征难以匹配的问题,可以利用红外和可见光图像的共有特征即边缘轮廓特征,采用Canny边缘提取算法提取出图像最基本、稳定的特征,然后在边缘图中使用SURF特征检测算法进行特征点提取与匹配,最后采用RANSAC进行精准匹配。由于边缘在红外和可见光图像中都是比较稳定的特征,而且在边缘轮廓图中进行特征提取将极大减少计算量和提高匹配率,因而最终能够获得较为准确的红外、可见光图像的变换关系。     

新的噪声污染灰度图像边缘检测方法

传统的图像边缘检测方法由于引入了各种微分运算,因此用于噪声图像边缘检测时对噪声极度敏感。针对这一问题,提出了一种基于独立分量分析技术的噪声图像边缘检测方法,该算法通过计算数据之间的高阶统计信息,提取特征模板,然后将被高斯噪声污染的灰度图像与这些模板逐个匹配,提取出边缘成分。实验结果表明,基于独立分量分析技术的模板匹配方法自适应强,复杂度低,是一种有效的高斯噪声污染灰度图像边缘检测方法。     

基于比值法图像拼接的等比例改进算法

图像拼按技术是通过将一组具有部分重叠的图像或视频图像进行无缝拼接后而得到的具有高分辨率的图像或全景图,是图像处理技术的一个重要内容。主要介绍了图像拼接技术的主要步骤、比值匹配法的基本原理和优缺点,然后针对此算法容易出现误匹配的问题,提出了一种改进的算法。通过引用等比例数列的思想增加区域像素信息,与传统方法相比,这种方法可以更快更准地找到最佳匹配位置,从而提高了算法的准确性。实验结果证明了此算法可以有效的消除误匹配。     

一种改进的放大图像边缘修复算法

为了保持放大后图像清晰且光滑的边缘,提出了一个基于边缘轮廓拟合插值和分水岭变换的边缘修复算法。算法的主要思想是对原始图像进行初始放大,自动确定模糊区域,从而进行修复处理。通过分段三次Hermite插值提取初始放大图像的边缘。对边缘进行膨胀进而自动获取标记图像。对初始放大图像进行距离变换,从而提供了分水岭变换所需的地势图。有了标记图像和地势图就可以利用分水岭变换逐步填充模糊区域像素。实验结果表明：与已有算法相比,该算法降低了对图像梯度的敏感程度,图像边缘更为光滑清晰,并且在运行效率上大大提高。     

基于边缘最优映射的红外和可见光图像自动配准算法

针对同一场景的红外和可见光图像间一致特征难以提取和匹配的难题, 提出了一种在多尺度空间中基于边缘最优映射的自动配准算法. 在由粗至细的尺度空间中, 算法分别采用仿射模型和投影模型作为参考图像和待配准图像间的空间变换模型. 在每个尺度层上, 首先基于相位一致性方法提取两幅图像的边缘结构, 并在相应的空间变换模型下将在待配准图像中提取的二值边缘映射到参考图像的边缘强度图上; 接着采用并行遗传算法寻找一组全局最优的模型参数, 使两幅图像间的结构相似度最大. 在各层的寻优结束之后, 使用Powell算法对全局寻优后的模型参数进行局部精化. 实验结果表明, 该算法能够充分利用图像间的视觉相似结构, 有效地实现红外和可见光图像的自动配准.     

图像匹配方法综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配的几个要素,图像匹配算法的分类以及图像匹配性能评价指标,探讨了图像匹配中有待进一步研究和解决的问题。介绍了近来出现的新思路和新方法,提出了实际应用中有待进一步研究的内容,如算法的融合、基于局部特征的算法、基于模型的匹配算法等。