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。     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

基于改进配准测度的红外与可见光图像配准

针对在可见光与红外配准中采用传统测度算法时存在配准精度低的问题,提出了改进配准测度函数(RMF),实现可见光和红外图像高精度自适应配准.首先选用harris算子提取两幅图像的特征点;再利用改进的配准测度函数(RMF)有效的获取特征点对;最后利用RMF最大的两对匹配点计算配准参数,并进行图像配准.实验结果证明了该方法的实...     

基于ORB和角点方向夹角约束的快速图像配准方法

针对图像间存在不同形变、光照等情况下配准难度大的问题,基于尺度不变特征变换(SIFT)的配准方法计算量大、无法满足实时性的要求,提出一种基于Oriented FAST and Rotated Brief(ORB)与角点方向夹角约束的快速图像配准方法.首先在两幅图像中分块提取ORB特征点,采用一种基于双阈值的汉明距离进行特征点匹配,针对随机抽样一致性(RANSAC)算法无法剔除错误匹配的特征点,以角点方向夹角一致性为约束条件,有效剔除误配点;然后再用RANSAC算法计算出最佳变换矩阵,完成图像配准.实验表明,采用具有不同形变、光照等情况下的3组图像,该方法不仅能很好地配准图像,并且3组图像配准的平均时间为80.399 ms,不到SIFT配准方法所需时间的1/20,兼顾了图像配准的有效性和实时性.     

基于图像配准的指静脉身份认证技术

手指静脉在采集时手指旋转和姿态改变导致静脉形变和图像阴影,影响手指静脉身份验证的准确性。因此,文中提出一种基于图像配准的指静脉认证方法,通过少量稳定特征点配准认证图像,并提取两幅配准图像的纹理特征进行身份验证。该方法首先选择邻域清晰度高的静脉叉点作为特征点,然后对特征点进行匹配,并将两幅图像配准,最后根据纹理特征计算两幅配准图像的相似度。所提方法主要克服了基于特征点匹配的方法中点对数量少的问题,并解决了静脉形变的问题。实验结果证明,该方法较模板匹配和特征点匹配方法具有良好的性能。     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

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。     

基于平流矢量场聚类的图像复杂空间映射配准

复杂形变下的图像配准在用几何约束模型逼近时存在固有误差,造成配准细节失真。提出一种根据计算流体动力学获取图像像素空间复杂映射的方法,用于局部形变下的图像配准、拼接等任务。利用二维空间网格上的特征点无监督聚类得到图像平流输运矢量场,并将鲁棒估计器嵌入最小二乘迭代以缓解特征点匹配困难,最后依据散度消除映射流在奇异点处的输出强度不连续生成平滑的映射图像。在细胞运动及人脸图像序列的配准实验上证明了提出方法的有效性。     

基于相似三角形匹配的红外与可见光图像配准方法

提出了一种基于相似三角形匹配的红外与可见光图像配准方法:首先将提取出的Harris角点组成三角形,然后利用本文提出的搜索算法,从红外与可见光图像中找出一对最优的相似三角形,并利用相似三角形的性质,计算出相关的匹配点,最后通过RANSAC算法拟合出配准参数,对图像进行配准。实验结果证明:此算法与传统的基于特征点的图像配准方法相比精度更高,具有较强的鲁棒性,可以解决刚体变换下红外与可见光图像配准的问题。     

红外与可见光图像配准和融合中的关键技术

针对可见光与红外图像的特点和难点,提出了可见光与红外图像配准与融合中的关键技术,即:使用新型的基于一维最大类间方差和最大连通性测量的图像分割方法对源图像进行分割来更好地实行图像粗配准;使用新型的特征点提取方法,特征点的匹配及误匹配的消除来更好地实行图像精配准;采用新型的基于区域的树状小波活性测度计算来实现树状小波图像融合;利用自生成神经网络来实现模糊图像融合.     

强化位置感知的光学与SAR图像一体化配准方法

图像配准是光学与SAR图像信息融合的基础。现有典型的配准方法大多依赖于特征点检测与匹配来实现,对不同场景区域的适用性较差,容易出现误匹配点多或有效同名点不足以致配准失效的情况。针对该问题,本文提出了一种强化位置感知的光学与SAR图像一体化配准方法,利用深度网络直接回归图像间的几何变换关系,在不依赖特征点检测与匹配的情况下,实现端到端的高精度配准。具体地,首先在骨干网络中利用融合坐标注意力的特征提取模块,捕获输入图像对中具有位置敏感性的细粒度特征;其次,融合骨干网络输出的多尺度特征,兼顾浅层特征的定位信息与高层特征的语义信息;最后提出联合位置偏差与图像相似性的损失函数优化配准结果。基于高分辨率光学与SAR图像配准公开数据集OS-Dataset的实验结果表明,与现有典型的OS-SIFT、RIFT2、DHN及DLKFM四种算法相比,所提方法对于城市、农田、河流、重复纹理及弱纹理等不同场景区域均具有良好的稳健性,在配准的目视效果以及定量的精度指标上均优于现有算法。其中平均角点误差小于3个像素的百分比与四种算法中精度最高的DLKFM相比提高了25%以上;配准速度与四种算法中最快的DHN基本相当,...     

连接向量特征匹配的暗场图像配准方法

利用损伤点之间的位置关系,根据光学元件损伤暗场图像的特点设计了一种基于连接向量特征匹配的配准方法。该方法首先对基准图像及待配准图像分别进行图像预处理,提取损伤点轮廓的中心坐标作为损伤点的位置值。然后构建损伤点连接向量,求出主方向并计算主方向下的连接向量特征,使用连接向量匹配获得匹配点对,最后利用RANSAC算法对匹配点对进行仿射变换参数计算。该方法具有旋转不变性,尺度不变性以及较高的配准准确度。实验对比分析了该方法与SIFT算法的计算效率及配准精度,结果表明在暗场图像条件下文中方法更有效且为背景单一,灰度信息较少同时要求较高的配准速度的场景下的图像配准问题提供了解决方案。     

一种稳健的多源遥感图像特征配准方法

 提出了一种稳健的多源遥感图像特征配准方法.首先引入相位一致性变换来消除图像灰度、对比度差异的影响并提取特征点;然后基于Zernike矩重构互相关函数并通过重构函数最大化实现图像旋转条件下的特征点匹配,同时结合双向最大互相关值匹配策略实现图像的粗略配准;最后,采用迭代修正变换参数算法最终实现多源遥感图像高精度配准.对大量多源图像进行配准实验表明,提出方法对多源遥感图像配准具有较强的适应性且配准精度高.     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

基于自适应筛选Harris角点检测的快速图像配准算法

针对传统Harris角点检测算法的图像配准过程计算量大、速度慢等问题,提出一种快速预筛选Harris角点检测算法。首先通过FAST算法快速排除大量非特征点,再通过抑制半径解决FAST角点聚簇现象,然后在FAST角点邻域内筛选出Harris角点,最后采用Brute-Force匹配方式得到精准匹配。实验结果表明:所提改进算法不仅提高了角点检测速度而且减少了冗余角点数量,在图像配准过程中有效提高了配准速度与精度,配准效果良好。     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。     

一种应用于图像配准中的点特征匹配算法

点特征匹配在机器视觉、图像配准等领域中有着重要的应用.针对空间存在较大仿射几何差异的图像中的点特征匹配问题,提出了一种利用马氏距离仿射不变性进行约束的松弛匹配算法,并将该算法应用于遥感图像配准中.实验结果表明,算法可以很好的完成点特征匹配,匹配点对数量充足且具备很高的正确率,从而可以保证图像配准的精度.     

基于二维局域波和角点匹配的多模态图像配准

目前多模态图像配准研究是现代图像处理的一个热点。提出了一种基于二维局域波分解后剩余图像和角点检测的自动点匹配的多模态图像配准方法。首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维局域波应用于多模态图像配准的可行性,提出了一个新的基于Harris角点检测的高精度自动点匹配算法。该算法充分利用了图像的角点特征以及图像灰度和位置信息,匹配过程中采用圆形模板进行相似度计算和松弛匹配。实验表明,该算法可以精确的自动匹配,其精度优于传统的点匹配算法。     

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。