对亮度和平移鲁棒的彩色全景图拼接算法

目的为了实现存在纵向错位和亮度差异的彩色全景图的拼接,提出一种基于HSV颜色空间的全景图拼接技术。方法提出了一种可变特征向量匹配算法,并且结合重叠区域对应特征匹配向量相关系数最大准则遍历搜寻对应的特征匹配向量,从而找到相邻子图的重叠区域,通过加权模板对重叠区域进行加权融合实现拼接。结果新算法对全景图的拼接效果优于常规算法,拼接质量Do EM值为0.999 d B,拼接平均耗时为499 ms,融合区域有渐进渐出的效果,有效解决了拼接错位和亮度突变问题。结论该算法对彩色全景图的拼接具有很好的适应性和可重复性,对子图的大小和颜色无严格要求。不仅拼接速度快,而且拼接精度高,是一套完整地针对存在纵向错位和亮度差异的彩色全景图的全自动拼接方案。     

印品检测过程中基于SIFT 算法缩小匹配范围的方法

针对多个CCD 采集多幅图像会产生一定的重叠区域,为了实现印品在线检测的要求,提出了一种结合SIFT 和缩小匹配范围的图像检测方法。该方法基于SIFT 提取特征点,改进了局部搜索范围,利用RANSAC 算法计算图像坐标变换矩阵,采用多分辨率融合方法对拼接图像进行融合处理。结果表明,采用该方法可以减少匹配和图像检验时间,降低估算概率,完成检测图像拼接。     

基于光照调整和特征曲线的全景图拼接

图像拼接是生成全景图的关键技术之一。针对传统图像拼接方法只能处理光照一致图像的问题,笔者提出了一种对环境光照鲁棒的全景图拼接方法。该方法运用同态滤波、特征点自动提取、特征曲线匹配等技术,有效地解决了图像拼接中的光照差、区域精确匹配、噪声点及图像融合问题。实验表明对光照变化的图像采用该方法进行拼接可以获得满意的视觉效果。     

基于未校准照片构造全景图的新方法

提出一种基于未校准的系列照片构造全景图纳新方法，该组照片可采用普通三脚架/数码相机在固定地点拍摄。采用普通三角架通过旋转角度拍摄的照片难以保证轴心一致性，可能出现图像扭曲、交叠和倾斜，照片之间可能有一定色差，因此，在图像的拼接和建立全景图方面难度大。文中采用特征匹配技术实现照片的拼接，通过照片的定位拼接、相邻照片颜色亮度的协调实现全景图的构建。该算法所生成的全景图效果好，计算速度快，巳得到实际应用。它可广泛应用于Web环境下的基于图像的虚拟场景构造等方面。     

基于SIFT特征点的无人机影像拼接方法研究

针对无人机空中姿态不稳定,其拍摄影像存在倾斜、曝光不均匀等缺点,采用常规的影像匹配方法效果不佳,甚至无法匹配,而SIFT算法对图像几何变形,分辨率差异、旋转等有较好适应性.利用SIFT算法对无人机影像进行特征点的提取,并采用最小二乘算法对影像进行精匹配.同时,为了减少拼接过程中误差的传播,提出了分块拼接方法.实验结果表...     

无地面控制点航空图像无缝拼接算法

针对航拍图像拼接中,因为航带中航片拼接误差积累导致拼接后期图像发生扭曲问题,本文提出一种利用捆绑调整技术削弱航片拼接过程中误差累积。该算法采用SIFT（Scale Invariant Feature Transform）进行特征点提取和匹配;结合改进的RANSAC（Random Sample Consensus）对特征点进行提纯,剔除外点;由过滤后的特征点通过最小二乘法计算图像间的单应性矩阵,在此基础上运用捆绑调整法整体优化单应性矩阵进行图像间的拼接,解决了拼接后期图像扭曲问题。最后,通过动态加权的融合方法实现图像接缝处平滑过渡。为验证该算法的有效性,选用真实无人机航拍序列图像进行拼接实验,取得良好的拼接效果。     

3D全景图制作系统研究

本文详细讨论了全景图像生成的基本步骤,根据本文选用的柱面模型,推导出柱面投影公式,然后根据双线性插值算法得到柱面全景图。在基于区域块匹配算法的基础上,提出一种基于像素相关性配准的图像拼接方法,采用渐入渐出的融合方法,实现图像的无缝拼接。最后采用柱面反投影实现柱面全景图的浏览。本文采用Visualc＋＋6．0实现界面设计,通过编程实现了以上算法,能够生成效果理想的柱面全景图。     

基于尺度不变特征变换特征的显微图像在线拼接方法

为解决显微镜观测视野狭小的问题,提出了一种基于尺度不变特征变换(SIFT)特征的显微图像自动拼接方法.该方法充分考虑了显微图像采集过程以及显微图像自身的特点,通过一系列适用于显微图像拼接的算法,控制单幅图像拼接时间在1秒内,进而可以保证显微图像拼接随图像采集在线完成,同时,利用SIFT特征匹配准确度高的优点,可达到亚像素级的拼接精度.该方法拓展了显微镜的应用,尤其适用于生物和医学显微图像观测.     

一种改进的具有仿射不变性的SIFT描述符

目的针对SIFT描述符在具有仿射变换的图像中会产生大量误匹配问题,提出一种改进的SIFT描述符,以提高其鲁棒性和可区分性。方法使用Hessian Affine检测子提取特征点,在特征描述阶段通过椭圆规一化成圆形的邻域来增强仿射不变性,运用仿射尺度空间增加尺度不变性,采用对数极坐标变换在圆形区域计算梯度直方图提高描述子的旋转不变性。结果选择具有缩放和旋转、摄像机角度的变化、图像模糊、JPEG图像压缩、光照变化的图像,重叠误差εo小于0.5,其recall1-precision曲线图显示性能提高了2%~10%。结论与SIFT,GLOH,PCA-SIFT等描述符相比,文中改进的描述符更具有鲁棒性和可区分性。     

基于向量小波与神经网络的图像融合算法

提出了一种基于向量小波和神经网络的图像融合算法.首先对各源图像进行向量小波变换,根据变换后系数计算出各子块图像的清晰度,选取子块图像部分区域清晰度作为前溃神经网络的训练样本,调整神经网络权重;然后用训练好的神经网络组合融合图像的向量小波系数,对组合后的系数进行一致性校验;最后对该系数进行向量小波逆变换,得到融合图像.仿真实验表明,该算法能够较好地解决多传感器图像融合问题,生成的融合图像效果优于有代表性的图像融合方法.     

Research on Multi-View Image Reconstruction Technology Based on Auto-Encoding Learning

Traditional three-dimensional (3D) image reconstruction method, which highly dependent on the environment and has poor reconstruction effect, is easy to lead to mismatch and poor real-time performance. The accuracy of feature extraction from multiple images affects the reliability and real-time performance of 3D reconstruction technology. To solve the problem, a multi-view image 3D reconstruction algorithm based on self-encoding convolutional neural network is proposed in this paper. The algorithm first extracts the feature information of multiple two-dimensional (2D) images based on scale and rotation invariance parameters of Scale-invariant feature transform (SIFT) operator. Secondly, self-encoding learning neural network is introduced into the feature refinement process to take full advantage of its feature extraction ability. Then, Fish-Net is used to replace the U-Net structure inside the self-encoding network to improve gradient propagation between U-Net structures, and Generative Adversarial Networks (GAN) loss function is used to replace mean square error (MSE) to better express image features, discarding useless features to obtain effective image features. Finally, an incremental structure from motion (SFM) algorithm is performed to calculate rotation matrix and translation vector of the camera, and the feature points are triangulated to obtain a sparse spatial point cloud, and meshlab software is used to display the results. Simulation experiments show that compared with the traditional method, the image feature extraction method proposed in this paper can significantly improve the rendering effect of 3D point cloud, with an accuracy rate of 92.5% and a reconstruction complete rate of 83.6%.     

一种改进的全景图生成算法

介绍了全景图的生成过程，对目前常见的几种图像拼接算法进行了分析和比较，在此基础上，提出了一种改进的全景图像生成算法．该算法通过对初始图像进行预处理、改进特征点选取方法以及优化特征点匹配过程，提高了全景图像生成的效率和准确性．实验结果也表明，该算法可广泛应用于基于图像的虚拟场景构造等方面．     

基于多尺度特征变换与颜色相关性的商标检索算法

目的 提出一种快速有效的商标注册相似性检查方法,以解决当前基于SIFT的商标检索系统易出现漏检、误检,导致检索精度不高的问题。方法 首先,利用SIFT进行尺度空间创建,并检测商标的特征关键点,通过确定关键点的主方向,可得到具有旋转、缩放、平移、视图变化不变性的图像形状特征描述符。随后,根据像素与其邻域的颜色和空间位置,定义一种改进的颜色相关性,为了有效避免不同商标可能具有相似的颜色特征,对不同的颜色赋予一个权重因子,从而得到一个反映颜色空间相关性与颜色排布疏密度的颜色特征。然后,将SIFT与颜色相关特征向量进行加权组合,并根据实际过程中占主导作用的特征来改变权重。最后,根据加权组合特征,引入马氏距离对查询商标与数据库商标进行相似度量,输出检索商标。结果 实验结果表明,与当前先进的商标检索系统对比,所提算法具有更高的检索准确性与效率。结论 所提算法具有良好的检索准确率与鲁棒性,在商标注册等领域具有一定的实用价值。     

基于图像匹配的移动机器人导航研究

针对移动机器人导航过程中基于尺度不变特征变换(SIFT)算法图像匹配速度较慢,提出了基于减法聚类和特征描述符二值化的改进SIFT算法。通过减法聚类消除大量特征点中的冗余特征点,在不影响原SIFT算法稳定性的前提下有效降低了特征点数量,然后将生成的特征描述符进行二值化,依据Hash函数生成索引,以汉明距离作为度量准则。实验结果表明:与原SIFT算法相比,改进的SIFT算法中特征点数量下降30%~40%;匹配对数基本维持不变;匹配率上升6%~12%;匹配时间下降60%~70%。与基于颜色矩的改进SIFT分级图像匹配算法相比,改进的SIFT算法中特征点数量下降15%~25%;匹配对数基本维持不变;匹配率上升5%~10%;匹配时间下降45%~55%。     

基于自适应特征融合的多尺度相关滤波跟踪

为了减小目标跟踪中目标变形、光照影响、运动模糊以及目标旋转对跟踪效果的影响,在相关滤波KCF基础上,提出了一种基于自适应特征融合的多尺度相关滤波跟踪算法。首先,提取VGG19网络中conv2-2、conv3-4、conv5-4层的特征以及CN特征,并在conv2-2层加入CN特征;然后,将这3个特征分别代替HOG特征进行滤波学习,得到3幅响应图;进而对3幅响应图进行加权融合预测目标位置。最后,在尺度方面引入多尺度相关滤波器进行尺度的确定。该算法比KCF跟踪算法精确度和成功率分别提高了13.6%和11.8%。与现有的其他优异跟踪算法相比,该算法在应对运动模糊、背景杂乱、目标变形、平面旋转方面更具有较好的跟踪效果。     

基于NSST与IHS的红外与彩色可见光图像融合

目的 鉴于传统的红外与彩色可见光图像融合算法得到的融合图像,无法很好兼顾清晰度、对比度和色彩是否失真等,提出一种新的基于NSST和IHS颜色空间的彩色图像融合算法。方法 首先将源彩色可见光的RGB图像变换到各通道相关性最小的IHS颜色空间,分离出亮度分量和色度分量。其次对彩色可见光的亮度分量和红外图像分别进行NSST分解,对分解得到的低频系数采用基于自适应高斯模糊逻辑函数的系数选择方案,对高频系数则采用基于像素点的绝对值取大的系数选择方案,然后对经过选择的低、高频系数进行NSST逆变换,得到的融合图像作为新的亮度分量,结合已有的色度分量将其进行IHS逆变换,得到最终的RGB融合图像。结果 通过2种场景的红外与彩色可见光图像进行仿真实验,将提出的算法与LPT,SWT和NSCT等算法对比,通过主观评价和客观评价指标IE, AG, SF和SD等,可知新算法的融合结果图像场景细节最清晰,红外隐藏目标对比度最高,且色彩未出现明显失真现象,图像融合质量最高。结论 提出的算法相较于传统的红外与彩色可见光图像的融合质量,全面提升了效果,表明该算法具有优越性。     

一种新的彩色图像碎片全自动拼接算法

目的为了实现横向和纵向分切的彩色图像碎片的拼接,提出针对同一张经过横向和纵向分切的彩色图像碎片建立关于相关系数的拼接复原模型和算法。方法通过获取彩色图像碎片的各单色图像,并提取单色图像边缘的灰度值,根据图像碎片边缘灰度值之间的相似程度自动拼接碎片。结果文中算法对彩色图像碎片的拼接效果优于常规算法,实验中采用100张彩色图,对每张彩图分切成64张300×300像素的彩图碎片进行顺序复原,综合拼接成功率达到100%,拼接平均耗时1.59 s。此外,文中算法实验性强,不仅能拼接仅纵切的图像,还能拼接横向和纵向分切的彩色图像。结论实验结果表明该算法对彩色图像碎片的拼接具有很好的适应性和可重复性,对图像碎片的大小和颜色无严格要求,是一套完整有效的针对规则彩色图像碎片的全自动拼接方案。