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。     

一种基于SIFT特征的数字图像零水印算法

利用SIFT算子提取和图像放缩、旋转、剪切等操作无关的特征点,并选取所在尺度空间较大的特征点和对应的特征向量生成图像的零水印信息。在水印检测时,首先根据特征向量距离对原图像零水印和待检测图像对应的各特征点进行匹配,然后对匹配特征点进行相同长度的随机遍历,随机遍历过程将图像局部特征信息和局部特征位置关联信息融合在一起,生成一维随机遍历序列值,对遍历值作相关运算就可判别待检测图像是否嵌入了预先注册的水印信息。仿真实例表明,与其他零水印算法相比,该算法对图像的多种常规操作具有较强的鲁棒性。     

一种基于SIFT算法的图像镜像变换识别方法

SIFT(scale invariant feature transform)算法提取的图像特征对图像自身的镜像变换匹配精度不够。针对此问题,对SIFT算法进行了改进,提出FI-SIFT(flip invariant SIFT)算法:利用纵坐标方向的梯度初步判断图像是否为镜像变换,若是则把特征向量映射为极坐标,对极坐标进行重组后,再逆变换到直角坐标系,更新特征向量;然后基于欧式距离匹配两幅图像中的关键点。实验结果表明,采用FI-SIFT算法提取的图像特征进行镜像变换匹配,匹配精度有了很大提高,由改进之前的0.6上升到0.9。     

基于SIFT算法的多变背景目标识别

针对多变背景下目标识别的复杂性和多样性,利用尺度不变特征变换提取特征点,采用近邻法进行特征匹配,通过调整阈值,提高特征匹配的准确率。通过实验验证,在一定的阈值范围内进行特征匹配,近邻法能够有效保证正确的匹配数量,提高目标识别的稳定性与可靠性,并在多变背景下精确识别目标,具有较好的鲁棒性。基于此,展开具体论述。     

基于SIFT特征的目标跟踪算法鲁棒性研究

本文在改进的尺度不变特征转换(Scale-invariant feature transform,SIFT)特征匹配算法的基础上,提出了一种基于特征集的多目标跟踪算法。通过设置目标特征留存优先级,更新特征集,保存近几帧的稳定特征,保证特征的稳定,提高了匹配准确度。试验结果表明该算法对目标由于旋转、形变导致的跟踪性能下降具有较好的容错性,也具有较好的鲁棒性。     

基于SIFT特征的图像匹配算法实现

针对SIFT算法的工程实现问题,详细分析了该算法原理和执行过程.在对SIFT算法原理进行分析时,充分结合Rob Hess的SIFT源代码,并将SIFT算法应用到实际图像的特征提取和匹配中.实验结果表明,SIFT算法提取的特征点对图像缩放、视点变化等具有很好的适应性和准确性,可以应用到图像识别及图像重建等领域.     

基于SIFT特征目标跟踪算法研究

在尺度不变特征变换(Scale invariant feature transform, SIFT)特征匹配算法的基础上, 提出了一种基于累积特征的多目标的跟踪算法, 通过对目标的SIFT特征进行实时更新来去除由噪声(或形变)带来的``过时'特征信息, 保证了特征的稳定, 提高了匹配准确度. 实验结果表明, 本算法能够有效处理目标由于旋转、 形变而导致跟踪性能下降甚至跟踪目标丢失的问题, 同时对跟踪过程中多目标的关联, 也具有较好的鲁棒性.     

基于SIFT和Daisy相结合的立体匹配算法

立体匹配是计算机视觉领域最活跃的研究课题之一,针对传统SIFT描述符在图像存在多个相似区域时易造成误匹配和Daisy的匹配效率会因200维的描述符而降低的问题,提出一种SIFT和Daisy相结合的立体匹配算法。该方法利用SIFT算法生成关键特征点,利用Daisy描述符自身具有的良好的旋转不变性,对特征点进行描述,利用特征描述符欧氏距离的最近邻匹配和种子区域增长得到视差图。实验结果表明,该方法匹配精度高,速度快,在部分遮挡、视点变化引起的图像变形等问题上有更好的表现。     

基于GPU的实时SIFT算法

针对SIFT特征提取算法过程复杂且实时性低的缺陷,提出了一种基于GPU的实时尺度不变特征变换(Scale-inva-riant feature transform,SIFT)的优化算法——CUDA Optimized SIFT(CoSift)。该算法首先利用CUDA流并发构建SIFT尺度空间,在此过程中充分利用了CUDA存储器模型中的高速存储器来提高数据访问速度,并对二维高斯卷积核进行降维优化来减少计算量,然后设计了基于warp的直方图算法策略,重新平衡了特征描述过程中的工作负载。其与CPU版本的常用算法及GPU版本的改进算法的对比实验表明,CoSift算法在未降低特征提取准确性的前提下,极大地提高了实时性能,且对大尺寸图像有相对更高的优化效果,在使用单块GTX 1080Ti的GPU环境下,该算法可以在7.7～8.6 ms(116.28～129.87 fps)内提取出关键点。CoSift算法有效降低了传统SIFT算法过程的复杂性,提升了实时性能,能较好地应用于对SIFT算法实时性要求较高的场景。     

基于信息熵与SIFT算法的天文图像配准

天文图像配准是研究天体运动的一项关键技术,图像内部结构往往存在轻微的不规则运动.但是图像配准涉及到计算整个图像的变换关系,在此情况下,无论是采用基于统计特征还是基于局部特征的配准方法,都难以取得理想的效果.为此,提出基于信息熵与SIFT算法的天文图像配准方法.该方法首先需对图像进行均匀分块并计算每块熵值,以熵值最大者作为配准的局部子图,然后通过尺度不变特征变换(Scale Invariant Feature Transform,SIFT)及仿射变换建立变换关系,继而利用局部子图变换关系完成图像的配准.该方法一方面能缩短变换关系的建立时间,另一方面能保证图像中信息熵最大区域配准,有效提高天文图像配准质量.     

基于归一化SIFT算法的不同光学影像配准

由不同传感器摄取的遥感影像因成像模式、拍摄角度和分辨率不同,给两者之间的配准造成困难。针对该问题,提出归一化SIFT算法,通过对SIFT描述子归一化的处理,降低不同光学影像色调差异大的影响,并通过与最小二乘法和双线性内插法的结合,完成自动配准。选取角度和尺度偏差较大的SPOT与ASTER影像、ASTER与TM影像2组数据进行实验。结果证明,该算法鲁棒性强,配准精度高。     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法;该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙;该算法的可行性和有效性通过实验结果可以得到证明。     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

基于井下环境的SIFT算法研究

针对煤矿环境中现有图像特征匹配算法不适用的问题,提出了新的特征匹配算法。该算法首先对图像进行Curvelet去噪预处理,然后采用SIFT进行特征向量的构建和匹配,通过RANSAC方法的优化改进去除误匹配点,通过建立投影变换模型实现图像的拼接。实验表明,该算法在噪声大、光照不均、模糊的复杂环境中有较好的鲁棒性,解决了煤矿环境中图像容易误匹配的现象,拼接效果平滑自然。     

基于SIFT的POCS图像超分辨率重建

针对传统的POCS图像超分辨率重建算法中广泛使用的基于改进的Keren配准算法,对于序列帧间存在剪切和非均匀尺度变换现象时,很难做到精确的亚像素级配准,文中讨论了一种基于SIFT算法的POCS序列图像超分辨率重建算法。首先利用SIFT算法提取序列帧与参考帧间的SIFT关键点对,随后选取匹配关键点对,通过RANSAC去除误配点的同时估算出六参数仿射变换参数,最后使用POCS重建算法得到最终的重建结果。实验结果表明：该方法能有效地解决因运动估计不准而引起的重建图像效果不好的问题,特别是在序列帧间存在剪切和非均匀尺度变换现象时,重建效果明显好于传统的POCS算法,具有更强适应性。     

基于SIFT算法的红外图像拼接方法改进

针对红外图像拼接误匹配点过多、耗时过长等问题, 对基于SIFT算法的红外图像拼接方法进行改进. 首先利用高斯差分金字塔建立尺度空间, 然后利用FAST算法对高斯差分金字塔图像进行特征点提取, 提高了算法运行效率, 随后以特征向量的欧式距离作为特征点的相似性度量, 从而找到初始匹配点对, 并利用结合了方向一致性判断的Ransac算法剔除错误匹配点对, 最后用加权平衡算法实现图像的快速融合. 通过红外人物图像拼接实验, 证明改进后的算法在旋转、缩放、光照等情况下更稳定、效率更高, 有较大的理论和应用价值.     

基于SIFT特征的多帧图像超分辨重建

精确的亚像素级图像配准是图像超分辨重建中的关键问题.在图像超分辨重建中广泛使用的基于像素特征的光流法,对于大幅度运动场的计算很难做到精确的亚像素级配准.本文考虑了一种基于SIFT(scale invariant feature transform)特征的鲁棒性多帧图像超分辨重建算法.首先提取输入的低分辨待匹配图像对的SIFT关键点及其特征矢量.随后选取候选匹配关键点对,通过RANSAC(random sample consensus)鲁棒方法去除奇异值,并根据假设的平移性几何约束模型,获得图像对的平移运动配准参数,然后选取视场中心对应的或指定的图像帧为初始参考帧,再使用传统的超分辨重建框架获得最终的重建结果.仿真实验结果表明,提出的基于SIFT特征的图像超分辨重建方案是有效的,超分辨重建的图像质量在主观评价和客观指标上都获得了优于经典算法的效果.     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.