一种基于角点特征的图像自动配准方法

图像配准是图像处理和计算机视觉中的重要环节。提出了一种基于角点特征的图像自动配准方法来处理具有相似变换的图像配准问题。角点特征由改进的Harris算子提取,然后将提取的角点组成虚拟三角形,利用在相似变换下参考图像和待配准图像中对应的虚拟三角形相似的原理,找到最相似的两个虚拟三角形,以它们对应的顶点作为控制点,求出变换模型参数,从而配准两幅图像。该方法只要求两幅图像中提取的角点特征包含3个以上的对应角点,就能配准两幅图像。它的另一个优点是理论上对两幅图像之间发生的平移、旋转和尺度变化没有限制。实验结果表明:这种图像自动配准算法是正确和有效的。     

基于Hausdorff距离图象配准方法研究

图象配准是图象融合的一个重要步骤，为此提出了一种自动图象配准算法，该算法从两幅待配准的图象中分别抽取特征点，然后选用Hausdorff距离对两特征点集进行匹配，得到点集间的仿射变换，从而实现图象的自动配准，此算法以特征点而不是物体边缘计算仿射变换，大大降低了计算Hausdorff距离的运算量；同时，基于Hausdorff距离的图象匹配只需要点集之间的对应，而无须点与点的对应，因而可以使用于存在较大物体形变的情况，即完成两幅差异较大图象的配准，实验结果证明了算法的有效性。     

基于角点特征和最大互信息的图像配准

基于互信息的配准方法是图像配准领域的重要方法。互信息是图像配准中常用的相似性度量,具有鲁棒、精度高等优点,但基于互信息的配准计算量大,制约了它的实际应用。文章提出一种基于角点和最大互信息配准方法:首先采用间接算法来计算曲率的极大值点,从而能快速准确的提取角点集;接着计算两幅图像角点集间的互信息,最后通过POWELL算法搜索使互信息最大以实现配准。实验表明,该算法计算简单,配准速度快,具有更好的精确性和鲁棒性。     

结合模型限制和灰度信息的图像配准算法

由于噪声和成像条件的不同,准确得到两幅图像中提取的点特征之间的对应性是基于点特征的图像配准方法的一个难点.为此,文中提出了一种新的基于点特征的图像配准算法.该方法结合图像之间的拓扑关系和点特征之间的相似性,并利用变换模型限制求解点特征之间的对应性,然后根据对应的点特征求解变换模型参数,配准两幅图像.实验结果表明,所提出的方法对传感器相近的图像之间的配准是正确有效的.     

结合SURF特征和RANSAC算法的图像配准方法

提出了一种基于SURF特征和RANSAC算法的图像配准方法。首先通过SURF算法对图像进行特征点检测,将欧式距离作为相似性测度进行特征点粗匹配,并通过RANSAC算法剔除误匹配点对;然后利用正确的匹配点对求解仿射变换模型从而实现图像的精确配准。实验结果表明了该方法的精确性和有效性。     

一种基于边缘和MIC算子的医学图像配准

研究基于点特征的图像配准方法。首先利用canny算子提取图像的边缘,然后用MIC角点检测算子提取边缘中的角点,对提取出的角点进行配对后,利用仿射变换实现图像的配准。最后以脑图像配准验证了算法的有效性。     

基于Laplace的LSSIM图像配准算法

提出一种基于Laplace变换的图像配准算法. 首先利用经典的角点检测算法提取待匹配图像的特征点或角点; 其次利用相位相关法估算出两幅图像的重叠区域, 以缩小匹配范围; 然后对角点邻域模板区域施行Laplace变换; 最后利用基于改进的SSIM (结构相似性)作为相似性度量准则建立特征点之间的匹配关系. 实验结果表明, 该方法可以很好的完成特征点匹配, 匹配点对充足且具有很高的准确率, 而且对亮度差异具有一定的鲁棒性, 从而保证图像配准精度.     

基于干线对的红外与可见光最优图像配准算法

提出了一种基于干线对的红外与可见光图像配准算法.该算法分4步:首先分别从基准图像和待配准图像中提取干线对,即对图像中满足特定条件的直线进行配对;然后按照一些准则寻找这两幅图像中的干线对所有可能的匹配情况,并组成一个集合;接着从该集合中寻找这样一个子集,在保证每个干线对最多出现在它的一个元素中的前提下,使得该子集所有元素的相似性测度之和最大且由它确定的配准误差最小,该文采用分支定限法解决了这一优化问题;最后由最优子集中的所有元素得到同名像点集,运用仿射变换模型,实现图像的配准.大量实验表明,文中提出的方法对红外与可见光遥感图像之间的配准是有效的.     

基于sift特征描述符的多尺度图像配准方法

研究图像处理,提高图像的精确性,在基于特征的图像配准中,特征描述符用来对两幅图像的特征进行相似性度量.合适的特征描述符对于建立图像之间的配准映射关系和提高配准精度具有重要意义.为了适应图像的尺度变化,提高配准算法的精度,引入多尺度Harris角点检测算法,并对一种基于sift特征的描述符在向量构造和采样区域等方面进行改进,最后通过对比特征描述符的相似性建立特征点间的匹配关系,并进行仿真.结果证明,算法能够适应图像的尺度变化,增加了描述符在图像具有噪声、旋转时的鲁棒性,提高了图像配准的精度.     

一种基于角点检测的图像密集匹配算法

提出了一种鲁棒的图像自动立体匹配算法.利用Sobel算子对图像中的像素点进行检测,若是边缘点,则使用最小同值分割吸收核方法判断该点是否为角点.在两幅待匹配的图像间计算角点的梯度大小、梯度方向及灰度等的相似度,去除无法对应的角点,建立起待匹配图像中角点的对应关系,并计算基础矩阵.对基础矩阵进行迭代,去除误配点,计算出较精确的基础矩阵.由对极几何约束,采用动态规划方法,寻找左右两幅图像在对应极线上的所有像素点之间的对应,从而建立起两幅图像间像素点的密集匹配对应关系.试验结果表明,算法效果满意.     

Object recognition by combining paraperspective images

This paper provides a study on object recognition under paraperspective projection. Discussed is the problem of determining whether or not a given image was obtained from a 3-D object to be recognized. First it is clarified that paraperspective projection is the first-order approximation of perspective projection. Then it is shown that, if we represent an object as a set of its feature points and the object undergoes a rigid transformation or an affine transformation, any paraperspective image can be expressed as a linear combination of several appropriate paraperspective images: we need at least three images for rigid transformations; whereas we need at least two images for affine transformations. Particularly in the case of a rigid transformation, the coefficients of the combination have to satisfy two conditions: orthogonality and norm equality. A simple algorithm to solve the above problem based on these properties is presented: a linear, single-shot algorithm. Some experimental results with synthetic images and real images are also given.This work was done while the author was with ATR Auditory and Visual Perception Research Laboratories.Advanced Research Laboratory Hitachi, Ltd.     

Paraperspective ≡ affine

It is shown that the set of all paraperspective images with arbitrary reference point and the set of all affine images of a 3-D object are identical. Consequently, all uncalibrated paraperspective images of an object can be constructed from a 3-D model of the object by applying an affine transformation to the model, and every affine image of the object represents some uncalibrated paraperspective image of the object. It follows that the paraperspective images of an object can be expressed as linear combinations of any two non-degenerate images of the object. When the image position of the reference point is given the parameters of the affine transformation (and, likewise, the coefficients of the linear combinations) satisfy two quadratic constraints. Conversely, when the values of parameters are given the image position of the reference point is determined by solving a bi-quadratic equation.     

一种新的基于局部反射变换原理图像匹配算法研究*

主要研究了采用一种新的基于局部反射变换原理来对图像进行配准处理。针对传统的图像配准算法效率和精度较低,提出了一种新的快速简便的图形局部放射变换不变性特性的关键点筛选和配准算法。算法首先利用尺度不变特征转换算法(SIFT)提取图像中的关键点,然后在关键点附近区域构造三角形区域,并根据仿射不变性原理,计算各三角形区域相对面积;以此相对面积的比例来确定最终的关键点并对其进行配准操作,方法简单高效。实验结果表明,提出的方法能快速地筛选图像中的关键点,并在保证准确性的前提下,获得尽可能多的关键点,充分保证了最终图像配准操作的准确性。     

亚仿射变换的性质及其应用

数字图像的置乱技术是图像信息安全与隐藏的基础性工作，基于几何中仿射变换的思想，提出了一类可用于图像置乱技术的亚仿射交换，重点研究了亚仿射变换的性质，给出仿射变换是亚仿射变换的必要条件，讨论了亚仿射变换的周期性。实验结果表明：亚仿射变换有较好的置乱效果，从图像信息加密的安全性角度看，它优于Arnold,Fibonacci等几何置乱变换。     

一种基于频域特征的仿射不变目标识别方法

针对低信噪比图像中仿射不变目标的识别问题,提出了一种基于图像频域特征的识别方法.通过分析空频域仿射变换之间的关系,采取对边缘图像的傅氏频谱进行伪对数采样的特征提取方法,较好地提取了中低频特征,避免了光照变化带来的不利影响,抑制了高频噪声;使用神经网络进行识别,有效地提取了目标的仿射不变特征,识别速度快.实验仿真了识别率随噪声强度的变化情况.结果显示,在信噪比低于-20 dB时,识别率仍然高于90%,识别快速、稳定,优于基于Gabor滤波的识别方法.     

结合Harris角点检测和不变质心的稳健图像Hash算法

提出了应用Harris角点检测和不变质心的图像Hash算法.算法从仿射变换的数学模型出发,利用仿射前后图像质心位置的不变特性,计算Harris角点与不变质心的欧氏距离作为特征向量,最后经编码量化产生图像Hash.实验结果表明:本算法对视觉可接受的JPEG压缩、滤波等具有良好的鲁棒性,而恶意扰动或篡改则会改变Hash值....     

基于轮廓的旋转和尺度不变区域的检测

为了获取鲁棒的特征区域,提出了一种基于轮廓的旋转和尺度不变区域的检测算法。算法应用多尺度乘积LoG(Laplacian of Gaussian)提取轮廓上稳定的角点作为特征点。根据角平分线的旋转和尺度不变性提取特征方向,利用特征方向求得特征半径。由角点、特征方向和特征半径构造不变区域。进行了特征匹配的实验,图像集包含旋转、尺度、仿射、光照和压缩五种变换,算法获得了很好的匹配结果。结果表明算法简单快速,具有较强的鲁棒性和广泛的应用性。     

A fast and fully automatic registration approach based on point features for multi-source remote-sensing images

Automatic registration of multi-source remote-sensing images is a difficult task as it must deal with the varying illuminations and resolutions of the images, different perspectives and the local deformations within the images. This paper proposes a fully automatic and fast non-rigid image registration technique that addresses those issues. The proposed technique performs a pre-registration process that coarsely aligns the input image to the reference image by automatically detecting their matching points by using the scale invariant feature transform (SIFT) method and an affine transformation model. Once the coarse registration is completed, it performs a fine-scale registration process based on a piecewise linear transformation technique using feature points that are detected by the Harris corner detector. The registration process firstly finds in succession, tie point pairs between the input and the reference image by detecting Harris corners and applying a cross-matching strategy based on a wavelet pyramid for a fast search speed. Tie point pairs with large errors are pruned by an error-checking step. The input image is then rectified by using triangulated irregular networks (TINs) to deal with irregular local deformations caused by the fluctuation of the terrain. For each triangular facet of the TIN, affine transformations are estimated and applied for rectification. Experiments with Quickbird, SPOT5, SPOT4, TM remote-sensing images of the Hangzhou area in China demonstrate the efficiency and the accuracy of the proposed technique for multi-source remote-sensing image registration.