基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

基于改进SURF和RANSAC算法的室内环境图像匹配

针对移动机器人在室内环境下定位及地图创建要求,比较SURF特征算法以及随机抽样一致性(RANSAC)算法各自优势,设计实现以改进SURF及RANSAC相结合的室内图像匹配方法.初始阶段,采用SURF算法提取图像特征,利用双向K最近邻分类法筛选提取到的特征点进行特征预匹配;再利用RANSAC算法对预匹配结果进行优化,剔除误匹配对,完成对图像的匹配矫正;最终得到准确的匹配图像.实验结果表明,此方法提高了匹配的正确率,也缩短了匹配时间,提高了匹配效率.     

SURF算法在航摄图像导航中的应用

姿态角测量误差是导致机载遥感成像精度低的主要原因之一.为提高机载遥感成像的精度,并针对当前姿态角的测量误差较大、高精度惯性导航设备价格昂贵等问题,提出了一种应用基于SURF的航摄图像匹配的算法来解算飞行平台姿态角的方法.首先采用多线程对相邻航摄图像并行提取SURF特征点,然后使用改进的基于KDtree的近似最近邻匹配方法寻找相邻航摄图像匹配的特征点对,并应用RANSAC算法剔除错误匹配点对,再通过最小二乘法得到图像的变换模型参数,最终解算出机载平台的姿态角变化量.对该方法的实现进行了详细的比较分析,仿真结果也证明了该方法的有效性.     

基于SURF的图像配准改进算法

为了更好地在保证图像配准的速度前提下,提高配准的精度,本文提出一种新的基于SURF的图像配准改进算法。改进算法将单向匹配与方向一致性约束两者结合起来,先对待配准图像进行单向匹配,再计算出各个匹配点对之间的特征向量方向差值,当差值在一定阈值范围内时认为匹配成功,从而剔除错配点对,提高匹配的精度。实验结果表明,该算法在保证不增加匹配的时间前提下,提高了匹配的精度。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于区域统计直方图与自适应规则的图像匹配算法

当前解决图像匹配算法主要是依靠独立像素点的灰度特性来完成图像配准,当匹配图像存在较大的灰度差异时,易出现较多的误匹配点,使得算法的鲁棒性与匹配正确度不高。提出基于区域统计直方图耦合自适应规则的图像匹配算法。首先,利用积分图像的方式求取矩形区域内像素值,再采用Hessian矩阵行列式提取特征点,以提高算法的计算效率;然后,引入极坐标系,对特征点的邻域进行分割,利用像素点对应的微分不变矢量的特性,构建区域统计直方图模型,用以求取分割区域内所有像素点的微分不变量的统计直方图,生成特征描述子。将特征点对应的描述子向量进行欧式度量,借助自适应规则对门限值进行整定,完成特征点的匹配,以提高算法的匹配精度以及鲁棒性;最后,引入PROSAC算法,通过对匹配特征点之间的极限距离平方和进行评估判定错误匹配点,以剔除错误匹配点。仿真实验结果表明,与当前图像匹配算法相比,所提出的算法具有更高的配准精度与鲁棒性。该算法在图像伪造、图像检索等信息应用领域具有重要应用价值。     

一种基于双目测距系统的亚像素精度自适应图像匹配算法

针对目前亚像素精度图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点,对基于灰度的归一化互相关算法进行了改进,提出动态调整匹配区域范围的自适应方法,既保证了亚像素级匹配精度,又提高了运算速度.实验证明,改进后的算法,在保证0.2个像素匹配精度的条件下,匹配速度大大提高,能够满足实际应用中的实时性要求.     

结合小波金字塔的快速NCC图像匹配算法

针对传统的归一化互相关算法(NCC)计算量庞大、运算速度慢、正确率较低等问题,本文提出一种基于小波金字塔搜索策略的快速NCC图像匹配算法。该算法在归一化互相关算法的基础上,采用和表法分别计算图像均值、图像方差和图像间的互相关来降低运算的复杂度,减少算法的计算量;同时在选择特征点匹配搜索策略时,构造图像小波金字塔结构,利用分层匹配来提高图像匹配的效率。与其他算法进行对比,结果表明该算法获得的匹配点连线效果更好,所用的时间也量化,证明该算法不仅能提高匹配速度,还能改善匹配精度。     

基于二维熵的快速SIFT图像匹配方法

尺度不变特征变换(SIFT)是一种局部特征描述子,是在空间尺度中寻找极值点.针对传统SIFT算法存在匹配速度慢的问题,提出了一种改进的匹配方法.该方法通过计算特征点位置的二维熵大小来剔除一部分无效的特征点,在特征点匹配阶段通过遍历参考图像某个特征点与待匹配图像某个特征点二维熵之差初步寻找可靠的匹配对,这样可以减少匹配过程中欧式距离的计算量.实验结果表明,改进的SIFT算法在保持准确性的前提下,提高了图像匹配的速度,达到原始匹配速度的1.6倍.     

基于SIFT和RANSAC的鞋印图像匹配算法

针对失真的鞋印图像的匹配问题,在研究中引入了基于尺度不变特征变换SIFT(scale-invariant feature transform)算法与RANSAC算法相结合的图像匹配方法.首先,对图像进行SIFT特征点的提取,在分析SIFT特征描述子生成的基础上,以最小欧式距离为标准来判断特征点是否匹配.然后,用最小欧式距离与次小欧氏距离之比进行初始匹配,用随机抽样一致性算法剔除SIFT算法匹配过程中存在的误匹配点对,从而实现精确匹配.实验结果表明,在局部鞋印图像中含有尺度缩放和旋转失真的情况下,该算法达到了良好的匹配精度且具有较强的鲁棒性和有效性.