基于ZM相特征描述符的图像配准方法

针对图像特征间的视角、模糊、旋转和尺度变换以及噪声干扰等不确定性因素对图像配准精度的影响,定义了基于Zernike矩的相特征不变区域描述符,给出了Zernike矩的归一化及其相值度量方法,提出了一种基于此的图像配准算法。通过对比实验验证,本文算法能够有效提取目标图像特征点并准确进行特征匹配,且在保障配准精度的前提下显著降低了算法复杂度。     

本期摘要

基于SUSAN特征点的图像配准算法作者纪利娥．石继升单位：中北大学信息与通信工程学院．山西太原03005l摘要：提出了一种基于SUSAN算法提取图像特征点并进行图像配准的改进算法。首先采用SUSAN算子对图像进行特征点提取．然后利用最近邻次近邻比值法对特征点进行粗匹配,通过RANSAC（随机抽样一致性）算法剔除错误的匹配点对：最后通过重采样和双线性插值完成图像的配准。实验结果表明．本算法在图像配准中具有一定的有效性。关键词：图像配准．SUSAN算法：最近邻次近邻比值法;RANSACA算法;仿射变换     

基于SUSAN特征点的图像配准算法

提出了一种基于SUSAN算法提取图像特征点并进行图像配准的改进算法。首先采用SUSAN算子对图像进行特征点提取,然后利用最近邻次近邻比值法对特征点进行粗匹配,通过RANSAC（随机抽样一致性）算法剔除错误的匹配点对;最后通过重采样和双线性插值完成图像的配准。实验结果表明,本算法在图像配准中具有一定的有效性。     

结合链码和小面元特征的图像配准算法

传统的基于链码特征的图像配准中,往往存在算法复杂度高,有效边缘难以提取,配准精度不理想等问题。针对这些问题,提出了一种基于小面元和链码特征的遥感图像配准算法。该算法首先提取小面元进行预处理和一次匹配,以更有效地提取封闭边界,同时降低算法复杂度;其次,根据封闭边界链码的相似函数和区域不变矩匹配策略建立边界对应关系,实现区域之间的二次匹配;最后提取匹配区域的质心即匹配点进行一致性检测,并估算仿射变换参数进行图像配准。实验结果显示,该算法快速稳健,具有更高的配准精度。     

基于特征点的合成孔径雷达复图像自动配准算法

提出了一种干涉合成孔径雷达复图像对的自动配准算法,利用Harris特征点检测算子,完成了特征点检测;根据匹配点对之间最大相关和距离相近的结论设计了匹配算法,进行了特征点对的匹配;首先通过Harris特征点检测算子提取特征点;其次根据提出的匹配算法建立点的对应关系;最后利用两步法完成复图像的亚像元级配准;实验结果表明,该算法具有较高的配准精度。     

基于SUSAN算法的图像配准

通过检测物体的特征点来完成两幅图像的配准。根据USAN区域的描述,采用简化了的SUSAN算法检测刚体的特征点,然后通过找到的特征点和刚体形状不变的特性采用特征点之间的几何关系来配准。实验的结果表明,在无旋转条件下的刚体图像配准中,该算法在特征点提取和图像配准过程中速度比较快。     

初-精结合和多特征融合的多源遥感图像配准

针对多源遥感图像纹理、灰度差异大、数据量大的特点,以及传统配准方法易出现误匹配和低效率问题,提出一种初-精结合的多源遥感图像自动配准方法。首先用最大极值区域检测图像的有效特征区域,再依据区域灰度均方差确定每块区域特征点数量,采用Harris提取区域特征角点。MSER-Harris方法保证了角点分布的均匀和非冗余性。其次对图像作Contourlet变换,在分解的低频子带上构造多尺度高斯组合矩对图像进行初匹配,在高频子带上构造表征图像纹理特征的多方向灰度共生矩完成精匹配,实现同名特征点的配准。对多源遥感图像进行配准实验的结果表明,该方法在特征点数量、分布均匀度及配准精度等方面具有显著的优势,可为后期研究提供参考。     

初-精结合和多特征融合的多源遥感图像配准

针对多源遥感图像纹理、灰度差异大、数据量大的特点,以及传统配准方法易出现误匹配和低效率问题,提出一种初-精结合的多源遥感图像自动配准方法。首先用最大极值区域检测图像的有效特征区域,再依据区域灰度均方差确定每块区域特征点数量,采用Harris提取区域特征角点。MSER-Harris方法保证了角点分布的均匀和非冗余性。其次对图像作Contourlet变换,在分解的低频子带上构造多尺度高斯组合矩对图像进行初匹配,在高频子带上构造表征图像纹理特征的多方向灰度共生矩完成精匹配,实现同名特征点的配准。对多源遥感图像进行配准实验的结果表明,该方法在特征点数量、分布均匀度及配准精度等方面具有显著的优势,可为后期研究提供参考。     

基于SIFT特征和对极几何约束的图像配准算法

基于SIFT（尺度不变特征变换）特征匹配思想,提出了一种应用对极几何约束的图像特征配准算法。首先对图像提取SIFT特征点,然后通过欧氏距离估算对SIFT特征描述子进行初始匹配得到预匹配点集;采用基于单应矩阵的抽样算法计算初始基础矩阵,通过RANSAC算法计算精确的基础矩阵和匹配点集,进而实现图像配准。实验表明,该算法可以获得更准确的匹配点,得到精度较高的图像配准效果。     

改进的实时图像拼接方法

通过分析比较不同配准算法的优缺点,提出一种基于灰度相关与特征点相结合的实时图像拼接方法。算法首先对图像进行自适应缩放,调整为需要输出的大小,然后用基于特征边缘点方法确定配准方向和大体位置,用基于灰度相关方法准确定位最佳匹配点,最后通过加权平均法对重叠图像进行融合处理。实验结果表明,算法能准确地对图像进行拼接,具有实时性和高效性。     

基于小波包和Zernike矩特征提取的车牌字符识别

提出了一种基于小波包和Zernike矩特征提取的车牌字符识别方法。首先针对数字字符特殊的字体结构,采用了数学形态学方法进行滤波处理。预处理后,对待识别字符进行三层小波包分解,获取第三层各节点小波包系数;同时对小波包分解后的第二层各节点进行重构,并分别计算重构后所得图像的Zernike矩;最后对获得的小波包系数和重构后所得图像的Zernike矩所组成的特征空间进行降维处理,并利用BP神经网络对车牌中的数字进行识别。实验结果表明,该方法效果良好。     

一种基于Zernike矩的局部特征检测方法

针对图像发生几何或质量畸变时局部特征区域提取效果不理想的问题,提出了一种基于Zernike矩的具有旋转不变性与尺度不变性的图像局部特征检测算子。该算法利用Zernike矩构建Hessian矩阵,以基于Zernike矩的Hessian矩阵的行列式与迹确定潜在兴趣点的位置,使用非极大值抑制获得多尺度模板下的最大角点响应,再经二维二次插值运算精确定位兴趣点位置,最后利用主曲率进行边缘响应抑制,利用梯度方向直方图确定兴趣点主方向,由兴趣点4×4邻域的8个方向构建描述算子。实验结果表明,该特征检测方法在视角变换、旋转缩放、图像模糊、图像压缩以及光照变化等图像畸变条件下是有效的,且具有良好的抗噪性能。     

一种基于显著兴趣点的图像检索方法

提出一种利用显著兴趣点结合颜色矩和距离直方图进行图像检索的方法。该方法将兴趣点作为图像中用户关注的主要视觉线索,包括显著兴趣点检测、距离直方图和颜色矩的特征提取3个步骤,既利用兴趣点的局部颜色特征,又考虑兴趣点间的空间距离关系,克服了传统颜色矩没有空间位置信息的缺陷。实验结果表明,该方法实现简单,能够有效提高图像检索的效率。     

一种基于曲率尺度空间的图像拼接算法

提出了一种基于曲率尺度空间的图像拼接算法。该算法利用曲率尺度空间（CSS）角点检测法提取特征点,通过比较各特征点圆形邻域Zernike矩的欧式距离得到匹配点对,然后利用正确的映射模型计算出变换参数,最后采用加权平均法得到图像的拼接结果。实验表明,该算法在图像间存在旋转、平移及噪声干扰的情况下,仍能得到很好的拼接结果。     

融合评论文本和图像语义特征的兴趣点推荐

用户-兴趣点签到数据的高度稀疏性让传统的推荐算法的推荐效果大打折扣。基于此,提出评论文本和图像语义信息融合的兴趣点推荐新算法。该算法同时考虑用户评论对评分数据的可解释性和图像语义信息对兴趣点外观的描述性,充分利用评论文本和图像数据辅助用户偏好特征和兴趣点属性特征的学习。使用神经网络抽取与用户和兴趣点相关的评论文本和图像语义特征,分别建模用户-文本语义特征关系、兴趣点-图像语义特征关系,将两种关系与用户-兴趣点评分矩阵进行融合,基于概率矩阵分解构建统一的推荐模型。在Yelp数据集上实验表明,该算法有效地缓解了签到数据稀疏性带来的推荐准确性问题,在MAE和RMSE两项指标上均优于主流方法。     

高斯二阶差分特征算子在图像拼接中的应用

为了将同一场景中具有重叠区域序列的图像快速准确合成一幅具有宽视角、高分辨率的图像,提出了基于高斯二阶差分(D2oG)特征检测算子的SIFT算法.采用高斯二阶差分(D2oG)金字塔的过零点检测提取图像尺度不变特征点,并选用RANSAC算法对特征点匹配对进行提纯,在此基础上计算不变换矩阵H,最后,用渐进渐出平滑算法完成图像的无缝拼接.实验中分别采用所提方法和SIFT算法对具有典型变换的4种图像进行拼接与测试,结果表明:所提方法提取的匹配点数、拼接所消耗时间明显低于采用SIFT算法,同时匹配效率也高于后者.此方法降低了运算复杂度的同时,图像拼接实时性也得到提高.     

基于改进的图像兴趣点特征提取匹配研究

研究图像兴趣点特征提取精确度优化问题。由于图像的复杂以及图像中噪声的干扰,使得传统的图像兴趣点提取算法难以提取出用户感兴趣的信息。为了解决上述问题,提出了一种改进的图像兴趣点特征提取算法。首先利用群体的兴趣点形成几何不变描述的图像区域,然后采用Hough变换方法对图像进行变换操作,使每次匹配都相当于局部的二维转变。仿真结果表明,提出的改进的算法能够有效提取出图像中有效信息,同时节约了算法的执行时间,降低了复杂度。     

特征点维度的静态场景三维重建运动目标剔除

基于语义分割的图像掩膜方法常用来解决静态场景三维重建任务中运动物体的干扰问题,然而利用掩膜成功剔除运动物体的同时会产生少量无效特征点.针对此问题,提出一种在特征点维度的运动目标剔除方法,利用卷积神经网络获取运动目标信息,并构建特征点过滤模块,使用运动目标信息过滤更新特征点列表,实现运动目标的完全剔除.通过采用地面图像和航拍图像两种数据集以及DeepLabV3、YOLOv4两种图像处理算法对所提方法进行验证,结果表明特征点维度的三维重建运动目标剔除方法可以完全剔除运动目标,不产生额外的无效特征点,且相较于图像掩膜方法平均缩短13.36%的点云生成时间,减小9.93%的重投影误差.     

基于改进网格划分统计的特征点快速匹配方法

针对图像特征点匹配算法大多存在数据量大和计算耗时长等问题,提出一种改进网格划分统计的特征点快速匹配算法。首先将图像的长宽比作为约束项,把图像划分成多个非重叠的方形状网格,并统计网格内的粗匹配特征点数量,然后利用改进的五宫格统计方法剔除错误匹配,即将特征点所在网格的相邻对称的四个网格作为邻域范围,把五宫格特征分数与新提出的阈值公式计算的值进行比较,最终得到精匹配特征点集;在OxFord数据集和实际拍摄的无人机遥感图像上,将本文算法与多种算法进行比较,实验结果表明,该方法在保证精确率和召回率接近当前最新的特征点快速匹配算法的情况下,运行速度相对提高了35.6 %,证明了特征点匹配的实时性和有效性。