基于SURF算法的医学图像特征点匹配

微创外科手术中的图像特征点快速匹配,可使计算机具备图像实时识别能力,提高手术成功率。但由于在手术中所运用的图像匹配算法具有计算量大、耗时长等缺点,提出一种基于SURF的图像特征点快速匹配算法。首先对图像采用SURF算法提取特征点,然后通过Hear小波变换确定特征点的主方向和特征点的描述子,并使用改进的最近邻搜索算法进行特征点匹配,最终根据实际需要选取相似度最高的前50～100对匹配点进行对比实验。实验结果表明,该算法鲁棒性强、速度快、匹配准确性高,且在医学图像处理中具有较大的应用价值。     

PACS图像处理中SURF特征点提取算法实现

在PACS图像处理中经常会遇到分辨率和视野的矛盾问题。视野范围越大则分辨率越小,分辨率越高则视野范围越小。图像拼接技术可以有效地解决这个矛盾问题。图像拼接最终能否达到良好效果,最重要的一点就是选择一个鲁棒而快速的图像配准方法。首先介绍了图像拼接流程,然后详细分析比较了基于特征图像配准中不同特征点检测算法的优劣性。最后用C语言实现了SURF特征点检测算法,并用真实的PACS图像进行试验,验证了不同PACS图像特征点检测算法有效性。     

地面背景下基于SURF的红外目标识别方法

采用SURF算法对地面背景下红外目标识别。采用具有实时性的自适应中值滤波器和小波分频与直方图均衡的图像增强方法,对图像进行预处理,拉开目标与背景的灰度差异,从而突出目标,以便识别。对预处理完的图像采用SURF特征提取匹配的方法进行红外目标识别。仿真实验中重点对SURF特征匹配阈值和匹配特征点的数量进行了研究。实验表明,文中方法对地面背景下红外目标识别效果较好。     

基于Harris角点和改进SURF描述子的图像快速拼接

针对SURF算法计算量大、对应点匹配时间长的不足,以Harris角点取代SURF斑点作为特征点,改进了描述子生成区域的子块划分方式,使区域面积减小40%。同时,引入尺度因子s以弥补采样区域减小的影响,形成一种计算量小、独特性好的描述子。以该方法构造的角点特征矢量参与同名点匹配,可实现较好的匹配快速性和准确性。匹配完成后,分别使用RANSAC方法和L-M方法获取变换矩阵并进行非线性优化,最后根据图像的不同区域采用不同方法完成图像融合。实验结果表明,该图像拼接方法与传统SURF法相比,图像匹配时间可节约35%以上,整体图像的拼接时间可节约30%左右,大幅提高了图像拼接的效率。     

基于FAST及SIFT算法的图像配准技术

基于快速实现两幅图像的精确配准,首先使用FAST算法检测得到图像特征点,通过非极大值抑制去掉多余特征点后,得到合适的特征点;引入SIFT特征描述子对特征点进行描述,去除大部分的离散点;通过计算特征点之间的欧式距离来实现图像特征粗配准;利用渐进一致采样算法进行图像精配准.通过实验证明了图像配准结果正确,准确率高,验证了算...     

基于CUDA与FAST特征的实时机场全景图像拼接并行算法研究

文章提出了一种基于CUDA与FAST特征的全景图实时生成方法。针对相邻图像的无缝拼接,设计了一种基于动态规划缝合线与三角函数的方法。以贵阳机场全景视频监控系统开发过程中采用的全景拼接技术开发过程中的实验,采用了基于四路摄像头图形的全景拼接构成,由于民航业对图像实时性,准确性要求高,实验通过包括柱面投影,图像特征码抽取和图像耦合,图形梯度变化等进行了同步优化整合,实验成果指出通过本实验构建的算法及平台,有效的在保证图像全景生成实时性的基础上,提升了图象耦合部位的可视性和可用性。     

采用SURF特征和局部互相关信息的图像配准算法

针对现有图像配准方法中存在的鲁棒性与配准精度难以兼容的问题,提出了一种采用SURF特征和局部互相关信息的图像配准算法。首先通过SURF特征提取方法进行初步粗配准以提升配准鲁棒性,然后利用图像中局部关键区域的互相关系数计算出单应矩阵,最后将单应矩阵应用于粗配准结果,对粗配准后的图像进行旋转变换,从而实现高精度和高鲁棒性的图像配准。实验结果表明:提出的配准方法与基于SIFT、ORB、SURF、互相关信息的图像配准方法在多组数据上进行了对比,不仅表现出了较高的配准精度和配准效率,也表现出了更优的鲁棒性。     

基于SURF特征点UCAV环境感知

环境感知是UCAV实现认知导航所需解决的关键问题之一.将SURF特征点检测与匹配引入到UCAV环境感知中.首先分析特征点检测方法,然后着重研究了SURF算法原理,最后仿真验证了SURF提取特征点鲁棒性,克服UCAV以图像作为感知信息时的多变性.     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

基于显著性和SURF的家居服务机器人物体识别算法

物体识别是家居服务机器人的主要问题之一,考虑到家居非结构化环境下物体识别的复杂性,将不依赖图像分割的局部特征作为关键特征.针对传统SURF算法运算量大的问题,模拟生物视觉功能,提出了一种基于显著性区域指导的局部特征算法.首先采用视觉选择性注意机制提取图像显著区域,然后提取显性物体区域SURF特征,最后完成与目标图像的特征点匹配,实现场景中目标物体的识别.实验证明,和传统SURF算法相比,改进算法速度得到有效提高,同时识别率提高了约10％.     

一种改进的宽基线图像SURF算法

通过对SURF特征点匹配过程的研究,提出一种改进的宽基线图像SURF算法。提取SURF特征点,在特征点匹配过程中采用改进方法计算图像间的尺寸、旋转和平移参数,减少匹配点搜索范围,运用RANSAC算法剔除误匹配点对。实验表明本算法在图像间有较大差别时降低了误匹配率,具有良好的实时性,达到了较好的应用效果。     

基于HALCON与SURF的多特征融合条烟识别系统

烟草物流中心工作量大,枯燥单一,导致分拣过程中经常出现多拿、少拿以及错拿等错误分拣现象,这极大的影响了分拣的效率,甚至导致一些不必要的损失。针对此现象,设计了一种基于HALCON与SURF的多特征融合条烟识别系统。不但提出了新的条烟图像特征描述方法,同时针对分拣生产线的特点,对识别策略进行了相应的改进设计。实验表明,此方案具有较好的应用前景。     

基于分块SURF特征提取的图像目标跟踪算法

由于基于特征的目标跟踪需要对前后两帧图像中的目标进行特征匹配,而传统的基于SURF(speeded up robust features)特征的匹配算法存在匹配时间较长,无法满足目标跟踪条件下实时性要求的情况。本文针对此缺点对SURF特征提取提出了具体的分块并行的解决方案,其中包括自适应地设置分块重叠区域,去除冗余特征点和距离门限法去除离散点的处理;同时通过模板的实时更新以及自适应的抗遮挡处理,保证了短时抗遮挡性能。并通过实验,将传统的基于SURF特征的跟踪算法与本文算法在相同条件下进行跟踪误差和运行时间对比;实验表明针对视频中的待跟踪目标,本文算法较基于传统SURF的图像跟踪算法在降低跟踪运行时间的同时保证了跟踪准确度。并通过遮挡实验,说明抗遮挡处理在本文算法中的实用性和必要性。