基于全局二值特征描述子的三维CBCT图像快速匹配算法

三维图像拼接是通过锥束CT(CBCT)获取大尺寸物体完整的高分辨率三维图像过程中的关键技术之一,成为目前三维图像处理的一个新的研究方向.针对基于特征点的三维CBCT图像拼接技术中相似特征匹配正确率低、匹配过程耗时长的问题,提出一种基于全局二值特征描述子的三维CBCT图像快速匹配算法.首先对二值特征描述子BRIEF进行三维拓展,以适应三维图像;在此基础上加入全局描述子,增强特征描述子的独特性;在特征点匹配时,根据上述特征描述子的特点设计由粗到精的匹配策略,提高特征匹配正确率和效率.实验结果表明,该算法简单有效,可以在大量相似特征条件下提高特征点匹配的正确率,同时也显著提升了匹配速度.     

采用二值SIFT特征描述的图像匹配方法

SIFT算法被广泛应用于图像特征提取与匹配。由于在利用SIFT特征进行图像匹配时,需要计算128维SIFT描述子间的欧氏距离,这对于大规模的图像检索耗费时间巨大。针对上述问题,提出一种利用二值SIFT描述子(EBSIFT)进行图像匹配的方法。首先,将128维SIFT描述子隔点作差,将差值与阈值的比较结果用2位二进制数表示,获得256维二值SIFT描述子;然后,将128维SIFT描述子隔点求平均值,获得128维均值SIFT描述子,再按上述同样的方法对这128维均值SIFT描述子隔点作差,再次获得256维二值SIFT描述子,从而获得512维联合二值SIFT描述子;最后,在进行图像匹配时,利用汉明距离计算512维二值SIFT描述子间的距离。实验结果表明,该方法的匹配正确率达到99.58%,与原SIFT算法持平,而匹配速度是原SIFT算法的19倍,大幅提高匹配效率。     

基于SIFT特征点的图像拼接技术研究

给出一种基于特征点的图像拼接方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,计算出特征匹配点后,使用RANSAC算法剔除误配,并计算出两幅图像之间的坐标变换关系矩阵H.最终使用加权平滑算法完成了图像的无缝拼接.实验证明,该算法有效提高了图像拼接的效率和准确性.     

基于SIFT改进的图像拼接技术分析

为了保持较好的拼接性能同时提高运行速度,提出了一种基于尺度不变特征变换（SIFT）算法改进的图像拼接方法。首先通过图像配准方法介绍图像拼接的过程,其次详细描述同化核分割最小值（SUSAN）算法和基于SIFT描述子的特征匹配算法的处理流程,然后计算映射模型,其中包括获得配准图像和加权融合图像的方法,最后通过实验结果验证改进算法具有较高效率。     

基于SIFT特征匹配的图像无缝拼接算法

基于尺度不变(SIFT)的特征匹配思想和像素加权平滑的图像融合思想,提出了1种鲁棒、精确的图像拼接算法,从而解决尺度、视角及光照变化较大情况下图像拼接问题。SIFT特征匹配算法利用128维向量对特征点进行描述,利用最近邻法完成2幅图像特征点的匹配。对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,同时估计模型参数,并借鉴加权平滑算法消除拼接图像之间的缝隙,进一步提升拼接效果。实验结果表明,该算法在继承了SIFT算法鲁棒性的同时,进一步提升了拼接精度,降低了图像亮度等差异的影响,使拼接图像自然逼真。     

基于Harris与SIFT算法的自动图像拼接

图像拼接技术被广泛应用于遥感图像处理、计算机识别、医学图像分析及人工智能等方面。本文针对尺度不变特征变换(SIFT)算法特征提取较复杂、计算时间长的缺点,而Harris算法提取特征点快速有效的优点,提出了一种结合Harris与SIFT算法优点的算法,并将这种算法应用于图像的自动拼接。首先利用改进的Harris算法提取图像特征点,再使用SIFT算法来描述特征点,然后利用欧氏距离对所得的特征向量进行匹配,最终实现图像的自动拼接。实验结果表明,该方法能有效提高SIFT的匹配效率,较好地完成对图像的自动拼接。     

基于SIFT特征匹配的监控图像自动拼接

针对不同摄像头的监控图像,提出了一种优化的SIFT特征匹配的监控图像自动拼接方法。在图像整合方面,通过高速提取SIFT特征描述符并进行稳定精确匹配,利用改进RANSAC算法去除错配,从而确定待拼接图像之间的变换参数;在图像融合方面,有效消除了颜色和光照差异,最终实现自动的无缝拼接系统。实验结果证明该方法对重叠区域小、形变大、有运动遮挡和噪声的监控图像有较完美的拼接效果。     

基于SIFT算子的图像拼接融合算法

为满足各类可视化仿真系统对于全景图的需求,对图像拼接融合技术进行了深入研究,提出了一种基于SIFT算子的图像拼接融合算法,可以将多幅图像组成图像序列拼接获得广视角全景图,并通过实例验证了方法自效性.     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法;该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙;该算法的可行性和有效性通过实验结果可以得到证明。     

基于SIFT和SURF图像拼接算法的改进算法

目前,图像拼接技术已经成为数字图像处理、计算机图形学和人工智能等领域的研究热点。介绍基于SIFT(Scale Invariant Feature Transform)特征点的图像拼接算法和基于SURF(Speeded Up RobustFeatures)特征点的图像拼接算法,并且对这两个算法的性能做了比较,给出各自的优劣点。最后,基于这两种算法,提出一种加快图像拼接速度和质量的算法。     

基于SIFT算法的图像拼接技术研究

随着人们在生产、生活过程中对获取更加优质视觉信息的要求逐步提高,图像拼接技术成为数字图像处理领域中的热点与重点研究内容。先采用SIFT这一图像特征点检测与匹配的基础算法对图像进行特征点的粗匹配,再使用RANSAC算法对特征点进行提纯,得到最优特征点。仿真试验验证了该图像拼接技术可以提高图像的拼接效果,增强算法的鲁棒性。     

一种简化的SIFT图像特征点提取算法*

针对目前尺度不变的图像特征点提取算法计算量较大,算法较复杂的问题,提出一种简化的SIFT图像特征点提取算法。此算法通过改变金字塔尺度空间的结构实现对SIFT特征点提取过程的简化,通过改变特征点描述子的结构实现对特征向量计算的简化,从而在保证算法鲁棒性的同时减少了计算量并增强了实时性。实验证明了该算法的有效性。     

一种基于SIFT特征的航拍图像序列自动拼接方法

针对航拍图像序列拼接问题,提出一种基于尺度不变特征变换（SIFT）特征的自动拼接方法,该方法主要包括图像配准和镶嵌两个步骤。由于航拍序列各帧图像之间存在较大差异,因而常用的基于特征的配准方法适用性较差,对此,提出利用SIFT特征来实现准确、稳健的航拍图像配准。进一步的,提出一种基于视觉特征的色彩融合方法以取得平滑的镶嵌效果。最后,通过对真实航拍序列进行拼接实验验证了所提方法的有效性。     

动机器人视觉图像特征提取与匹配算法*

针对移动机器人导航过程中视觉图像处理速度慢以及特征点提取与匹配实时性和准确性差等特点,提出了一种基于SIFT特征提取算法与KD树搜索匹配算法相结合的新方法,通过对候选特征点进行多次模糊处理,使其分布在高斯差分图像的灰度轮廓线边缘,利用SIFT特征提取算法找到满足极限约束的极值点;通过KD树最邻近点搜索和匹配算法使处理后的特征点与原始图像进行特征匹配,快速找出匹配正确的特征点。实验证明,该方法对环境光照、视野角度频繁变化的环境具有较强的鲁棒性,能够满足移动机器人自主导航过程中对视频图像处理的实时性和准确性     

尺度不变特征变换算子综述

随着计算机软件与硬件技术的发展,计算机视觉算法逐渐成为图像处理领域的研究热点.其中SIFT(scale invariant feature transform)算法是目前机器视觉领域应用最成功的算法之一.由于在尺度不变、旋转不变、光照不变等方面的独特优势,SIFT被广大视觉领域的研究者借鉴与学习.但是SIFT算法本身也存在一些问题,如仿射性能不太理想,计算复杂度过高等,因此针对它的多种改进算法不断出现.本文对SIFT的发展历史、SIFT算法的演变以及它不同领域的典型应用给出了一个比较全面的综述,比较了各类算法的优缺点.最后给出了该算法未来可能的发展方向,为视觉研究者提供参考.     

一种基于SIFT特征的数字图像零水印算法

利用SIFT算子提取和图像放缩、旋转、剪切等操作无关的特征点,并选取所在尺度空间较大的特征点和对应的特征向量生成图像的零水印信息。在水印检测时,首先根据特征向量距离对原图像零水印和待检测图像对应的各特征点进行匹配,然后对匹配特征点进行相同长度的随机遍历,随机遍历过程将图像局部特征信息和局部特征位置关联信息融合在一起,生成一维随机遍历序列值,对遍历值作相关运算就可判别待检测图像是否嵌入了预先注册的水印信息。仿真实例表明,与其他零水印算法相比,该算法对图像的多种常规操作具有较强的鲁棒性。     

稳健的球面全景图全自动生成算法

提出一种基于尺度不变特征变换特征点的全自动球面全景图生成算法,将原始图像投影到同一个虚拟球面上,再对球面展开图融合拼接,以避免叠加误差;并设计了一种非匹配点剔除方法,比常用的RANSAC算法提高了效率和准确性.实验验证了该算法的稳健性和快速性.     

基于SIFT算法的室内全景图拼接

室内全景图像拼接采用SIFT特征点进行图像匹配与融合。由于相机镜头视野范围有限,需要多张具有重合区域不同角度图像进行拼接,以获得完整的全景图像。首先对多张原图像进行图像增强和噪声滤波的预处理,以减少特征点提取时的干扰因素;再将多张图像压入堆栈,采用SIFT算法提取每张图像的特征点;使用FLANN快速最近邻搜索包进行最近邻特征点匹配,最后进行图像融合。试验结果表明该方法能够很好地实现室内全景图像的拼接。     

超像素SIFT特征航拍地图拼接研究

为解决航拍地图拼接计算量大、内容复杂多变的问题,提出使用超像素尺度不变特征变换(SIFT)特征进行地图拼接.首先利用近邻传播(AP)算法改进简单线性迭代聚类(SLIC)算法实现超像素自适应分割.然后在引导信息下对少数超像素提取SIFT特征,进行SIFT特征匹配.最后在线生成监督机制,在随机抽样一致性(RANSAC)算法配合下,得到少而精的匹配点,计算变换矩阵融合图像,实现图像拼接.实验结果显示:对于较高分辨率的图像,该算法与单纯SIFT拼接算法相比,在计算时间和拼接质量上都显示出较大的优势.