一种基于改进SIFT算法的图像配准方法

给出一种改进的SIFT算法,并将该算法应用到图像配准中.首先,该改进算法结合Canny算子,去除影响匹配的边缘点.然后采用最近邻与次近邻之比来对96维描述子进行匹配.最后,采用随机抽样一致性(RANSAC)方法消除误匹配.实验结果表明,与原SIFT算法相比,该算法能够有效提高图像配准确度,并减少了10%左右的运算时间.     

一种基于SURF和BRIEF的图像配准算法

针对SURF算法特征描述复杂和匹配精确度不高的问题,提出先用SURF算法提取特征点,再计算其Harris响应值,剔除质量较差的特征点,使用BRIEF算法描述特征点,再用最近邻汉明距离匹配特征点.采用改进的K-means算法对数据分类,将数量较多的类里的匹配点作为正确匹配点保留.最后应用改进的RANSAC算法求变换矩阵.实验验证了算法性能.       

一种图像快速配准算法的研究

在基于小波分解和互信息测度的图像配准方法的基础上,提出一种改进的快速图像配准算法。首先,对图像进行小波分解,以分解后的图像的近似分量进行配准,利用互信息最大化作为相似性测度,并结合粒子群优化算法和鲍威尔算法为优化策略搜索最优配准参数。实验结果显示,此方法在得到较高的配准精度和鲁棒性的情况下,还大大减少了运算量,提高了配准的速度。     

基于抽样随机一致性和图像特征的图像配准

文中介绍了一种基于Harris角点检测图像特征的图像配准方法。通过随机一致性算法(RANSAC)和正则化交叉相关测度建立了待配准图像和模板图像之间特征点的对应关系。分别采用仿射变换和透射变换通过该对应关系进行图像配准。在完成配准后,分别采用自适应B样条插值算法和多项式插值算法对配准后的图像进行校正。采用信噪比和交叉相关系数作为评价标准,通过对几种方法相结合的图像处理结果进行比较,得出结论:对应超声TOFD图像,仿射变换结合B样条插值校正的方法可以得到最好的效果。     

基于改进蚁群算法和互信息的多光谱图像的配准

基于互信息的配准算法有精度高,自动化程度高,不需要对图像进行预处理等优点,已经被大量应用于多光谱图像配准中.但是在计算互信息时,出现了很多局部极值,这就为目标函数的寻优过程带来了很大的困难.提出了一种基于蚁群算法的配准参数寻优方法,改进蚂蚁在每层节点间的转移准则以及全局信息素的更新策略.实验证明,此方法不需要人工干预,对参数的初始值没有依赖性,配准成功率高.     

基于稀疏随机投影的SIFT医学图像配准算法

针对尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维的稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。     

交通事故现场图像配准的新算法

在交通发达的今天,交通事故的发生是不可避免的。发生交通事故后,对于事故现场图片勘查的测绘时间的长短往往成为了交通事故勘查形成延迟的主要原因。为了对交通事故现场勘查的处理提供基础的数据支持,一般采用自动绘图系统来快速产生数据。这些数据必须符合事故现场平面勘查图的特点,能够使用现有的图像处理技术,进而生成完整的图像处理体系。主要介绍交通事故图像配准的过程,以及研究了一种新的适用于交通事故现场图像配准的优化算法。     

基于改进SRS-RANSAC图像配准算法

针对目前图像配准算法存在的配准时间较长、配准正确率低等问题,本文提出一种基于改进分层随机选择一致性(Stratified Random Selection Random Sample Consensus,SRS-RANSA)的图像配准算法.首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对参考图像进行特征点提取;其次,采用最小距离法初步过滤匹配中存在的误匹配数量;最后,随机抽样一致性(RANSAC)框架中通过分层随机选择(SRS)提取分布相对分散且均匀的特征点,进一步过滤掉初始匹配中存在的不匹配特征点,实现提高配准正确率的同时缩短运行时间.通过本文算法与其他算法在Oxford标准图集和现实中拍摄的图像进行实验对比,结果表明,本文算法在匹配正确率与运行效率上有所提高.     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法.首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配.仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算...     

一种带预处理的RANSAC图像拼接算法

针对RANSAC算法由于迭代次数过多、精确度不高所造成的计算量增大,拼接效果不好等方面的不足。本文提出了一种带预处理的RANSAC图像拼接算法,包括图像的特征提取与粗匹配,预处理,变换矩阵的求解,图像配准和图像融合等步骤。文中重点论述了预处理的思路和方法:采用Delaunay三角剖分得到的拓扑图对数据集进行筛选,然后用欧氏距离选择RANSAC算法的初始点。通过设计拼接算法的流程和基于Matlab的实验仿真,证明该方法不但有效而且较直接RANSAC图像拼接算法减少了迭代次数、缩短了计算时间,显著提高了拼接效率。     

基于BRISK特征匹配航拍图像自动配准方法

采用基于Cortex A8内核的AM3354工业级CPU, 搭载稳定的Linux操作系统, 设计了一款具有多种通信接口、可扩展性强并具有本地图像分析处理能力的工业相机。同时还提出了一种基于vivi的摄像头驱动开发方法, 可快速而高效地为各种CPU开发Linux摄像头驱动程序。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法.首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像.实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值.     

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。     

相似距离比算法在图像配准中的应用

对于图像配准中剔除误匹配的问题,在研究随机抽样一致性算法(RANSAC)的基础上,针对RANSAC算法中具有3个不确定参数,较难设置这些参数以同时得到较高的匹配精度和较短的运行时间,并且匹配精度与运行时间具有一定随机性等问题,提出了采用相似距离比剔除误匹配的算法。实验结果表明:在对有旋转、平移、缩放的图像进行配准时,该算法能够充分利用正确匹配点,缩短了运行时间,具有良好的配准精度和鲁棒性。     

针对运动摄像机的快速低存储开销运动目标检测算法

摄像机的运动会导致整幅图像的运动,使得此情形下的目标检测极具挑战性。针对该问题提出一种快速低存储开销检测算法。首先,利用一种快速低存储开销配准方法计算相邻两帧的单应变换矩阵。而后,使用单应变换矩阵进行相邻两帧之间的配准,并由帧间差分获取帧间运动信息。最后,采用积累运动信息的方式构造不断更新的运动图像,通过对此运动图像进行阈值分割分离出最终的运动目标。在多个不同视频序列下的实验表明该算法能够有效地从嘈杂的场景中检测出运动目标。此外,与先前算法相比,该算法检测性能更好,且显著地降低了存储开销与计算时间开销。对于480360的序列而言,该算法需要的存储开销仅为825 kByte,且运算速度达到16帧/m。     

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。