一种全自动稳健的图像镶嵌算法

针对现今学者提出的多种获取全景图像的图像镶嵌算法大都只是在图像发生平移条件下完成的局限性,提出一种广泛适用于图像发生任何空间变换(包括图像的平移、旋转、缩放和其它扭曲)的镶嵌算法.该算法核心是采用图像变形技术对发生空间变换的图像进行投影重建.具体过程是:首先由Harris算子提取的角点求得两幅图像间的变换矩阵,然后由此变换矩阵应用图像变形技术,逆向映射重采样插值发生空间变换的图像,最后与源图像合成图像.实验表明,该算法能达到良好的镶嵌效果.     

一种基于Harris角点特征的图像拼接方法

本文通过对已有图像拼接算法的分析研究,改进了拼接算法中的特征点匹配问题。首先利用Harris角检测算法提取特征点,然后通过归一化相关法进行初始匹配,接着引入马氏（Mahalanobis）距离,实现图像的精确匹配。最后通过加权平均的方法完成图像的融合。实验证明该方法能有效地去除伪匹配特征点对,降低了误匹配的概率,是一种有效的图像拼接方法。     

基于图像尺度变化的一种特征点匹配算法

通过对灰度相关法特征点匹配算法的理论研究和实验分析,提出了一种能够克服图像尺度变化的特征点匹配算法。该算法主要根据图像特征点间欧氏距离的关系,结合传统的特征点灰度相关法和特征点的梯度相关法进行精确匹配。实验证明,该算法容易理解,易于实现,匹配结果较精确,误匹配点较少。     

基于兴趣点不变矩的图像拼接

提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术.利用Harris角检测器获取图像中的兴趣点,计算兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接.实验表明,该方法对平移以及任意角度的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果.     

基于角点匹配的图像拼接技术

采用的Harris角点匹配的算法是基于图像灰度的自相关函数,直接从灰度图像中检测兴趣点的算法.该算法简单,而且配准精度较高,具有较好的抗干扰的能力.此算法使图像拼接过程中对图像重叠律的要求降低到了15%,同时使图像的配准拼接速度提高了60%.达到了兼顾算法的精度和效率两个方面的目的.     

基于时空融合的遥感图像镶嵌方法

由于高分辨率的卫星幅宽有限,涉及大面积的对地观测应用通常需要镶嵌多个拍摄于不同时间或不同传感器的高分辨率图像,镶嵌图像的过程通常包括5个基本步骤,即排序、配准、色彩平衡、接缝线检测和重叠区融合.现有的色彩平衡方法均未充分利用已有的卫星数据,且大多数算法只追求视觉上的效果,不追求数据的保真性,为此提出一种新的时空融合镶嵌...     

基于图像直方图混合度量匹配的图像检索

本文通过分析图像的空间信息和颜色之间的相关性，提出一种基于直方图混合度量的图像检索方法。实验证明本文提出的方法其检索效果明显优于传统直方图方法。     

基于兴趣点伪泽尼克矩的图像拼接

针对基于特征匹配的传统图像拼接方法对旋转和噪声敏感的问题,提出了一种基于兴趣点伪泽尼克(Zernike)矩的图像自动拼接技术.利用哈里斯(Harris)角检测器获取图像中的兴趣点,计算以兴趣点为中心邻域窗口的伪泽尼克矩,通过比较各个兴趣点邻域伪泽尼克矩的欧氏距离提取出初始特征点对,根据几何变换模型剔除伪特征点对,最后利用得到的几何变换模型,对输入图像进行几何变换后将两幅图像间的重叠区域进行图像融合,完成图像的拼接.实验表明,该方法对平移、任意角度的旋转以及噪声均具有鲁棒性,对于具有小尺度变换(小于1.5)的图像仍然具有很好的拼接效果.     

一种改进的基于特征匹配的图像融合算法

对经典的灰度值加权的图像融合算法加以改进,提出了基于SIFT特征匹配的图像融合算法,与以往的图像融合算法相比,文章算法不局限于传统的两幅图像左右或上下拼接,可在不同焦距尺度下实现"内嵌式"拼接,同时分别选取晴天与夜间不同光照环境下的机场图像进行图像融合实验,结果较为充分地验证了本文算法的鲁棒性。     

一种基于互相关匹配的简化PCNN及其图像分割

脉冲耦合神经网络(Pulse Coupled Neural Network,PCNN)可有效的用于图像分割,但无法确定最优分割时的迭代次数.针对这一问题,文章从原始图像与分割图像的相似性出发,提出了一种基于最大互相关匹配的简化PCNN图像分割新方法.该算法通过计算原始图像与分割图像的相关匹配系数来确定最优分割.实验结果验证了该方法的有效性.     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于改进型特征匹配的图像拼接方案设计

探讨了图像拼接技术,分析了几种常用的配准算法,指出各算法的优缺点及适用环境,并综合考虑了图像拼接的信息提取、特征匹配、变换模型及图像融合等环节,提出一种基于改进型特征匹配的拼接设计方案,显著提高了图像拼接的准确率和效率.     

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.     

基于特征点约束关系的图像拼接算法

针对传统图像拼接算法存在的缺点,提出一种基于特征点约束关系的全自动图像拼接算法。首先使用Harris角点检测器提取两幅图像的特征点;再利用双向最大相关法对特征点初始匹配,运用两级特征点约束关系策略对初始匹配点求精;然后采用稳健的RANSAC算法求出变换矩阵初值并使用Levenberg-Marquardt(LM)非线性迭代算法精炼变换矩阵;最后使用三角函数作为融合算法,实现拼接图像的平滑过渡。实验验证了算法的有效性。     

基于马赛克技术的秘密图像共享

在传统的秘密图像共享算法中,通常产生类似噪声的影子图像,极易引起攻击者的注意。针对这一问题,文中根据马赛克技术提出了一种产生有意义的影子图像算法。通过图像相似度的比较,可将秘密图像共享到载体图像中,得到含有秘密图像信息的马赛克图像。然后采用可逆信息隐藏的技术将图像块的位置序列隐藏到马赛克图像中,得到完整的影子图像。通过文中所提算法产生的影子图像,既可避免攻击者的注意又能恢复出无损的秘密图像。