基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

一种改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法。该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中;其次,对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;最后,利用Hession矩阵的迹提高精度以及欧氏距离比率完成特征点匹配,得到正确匹配点对,再通过变换矩阵参数估计和插值处理得到配准图像。实验结果表明,在保证实时性的条件下,该算法相比经典SIFT算法和SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

采用最优峰值的相位相关红外图像配准方法

对数极坐标域下的图像配准方法常因相位相关互功率谱呈现多峰分布而影响匹配准确度,为此提出了一种基于区域最优峰值的相位相关红外图像配准方法。首先将待配准图像和参考图像转换到对数极坐标域,其次以自适应巴特沃斯高通滤波为预处理,最后结合归一化互相关和相位相关的相似性测度,在合理截断互功率谱半径轴低数值段的基础上,筛选出最优峰值实现自动配准,同时研究了对数极坐标变换尺寸对匹配性能的影响,给出了最优尺寸变换比。实验结果表明:该算法对噪声污染图像表现出较好的鲁棒性,对于存在平移、旋转和缩放的红外图像具有更高的配准精度。     

二维投影变换模型的单应矩阵表示

随着科学技术的发展,图像配准技术在许多领域中被广泛的应用.而单应矩阵是图像配准中的一个重要变换矩阵.文中论述了二维平面成像的投影变换模型并给出其单应矩阵表示的详细推导.对初学图像配准的人理解和运用单应矩阵有一定帮助.     

基于相位相关的目标图像亚像元运动参数估计

为获取亚像元级目标运动参数,提出一种基于相位相关分析的图像配准方法。首先讨论了目标局部运动和全局运动的目标参数估计问题,通过图像减影运算和模块匹配方法实现粗配准,从全景图像中分离目标信息和背景信息,计算目标中心坐标,获取像元级运动参数;然后采用相位相关图像配准方法实现精配准,利用傅里叶变换的平移特性,对产生平移的目标图像,通过求解归一化的互功率谱的傅立叶逆变换,得到二维脉冲函数,其峰值对应图像位移,由此获取亚像元级位移量。在实验室通过自准直光学系统获取光斑运动图像,使用Leica经纬仪标定光斑运动参数精度。结果表明,该方法效果显著,最大配准误差为0.156,标准差为0.091,配准精度优于1/10像元。     

同时偏振成像探测系统的偏振图像配准研究

同时偏振成像探测技术是一种新型的偏振成像探测技术,它能在同一个探测器上同时获得被探测目标0、45、90、135 4个偏振方向的偏振强度图像。为了准确获取被探测目标的偏振信息,这４幅图像的配准显得尤为重要。为了使配准精度达到0.1个像元,结合同时偏振成像探测系统的成像方式,提出了一种基于空域和频域互相关的偏振图像配准方法。该方法使用硬件和软件相结合的方式完成图像的配准。首先使用空域互相关的算法实现图像的像元级粗配准;然后使用频域互相关的像元级配准算法进行像元级精配准;最后使用频域互相关的亚像元配准算法实现偏振图像的亚像元级配准。     

结合相位和ＳＩＦＴ特征相关的图像自动配准算法

提出一种鲁棒性较好的图像配准算法解决乱序输入图像序列自动拼接问题。首先为输入图像建立多分辨率金字塔,在较低分辨率图像层上进行相位相关区域搜索;接着对得到的相关区域进行SIFT特征相关验证,得到图像序列的配准关系和透视变换矩阵的初步估计;然后结合估计参数对原始图像的SIFT特征再次进行相关匹配,最终实现图像序列变换参数的精确求解。该算法结合相位相关和SIFT特征相关两种配准算法的优点并应用由粗到精的匹配策略提高了图像配准的速度和稳定性。     

基于迭代更新的SIFT遥感图像配准算法

由于多光谱遥感图像之间存在复杂辐射差异，造成全色图像与其他波段图像通过尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法进行图像配准时无法保证配准精度。针对这一问题，提出一种基于迭代更新策略的SIFT算法。该算法通过SIFT算法获取同名点，迭代更新求解单应性矩阵，获得基准图像与待配准图像之间的最优单应性矩阵实现图像配准。为验证所提方法的有效性和鲁棒性，在网通一号和高分二号遥感影像上进行了图像配准实验，实验结果表明，所提方法不仅可实现高精度的图像配准，还可以有效提升SIFT算法应对遥感图像辐射差异的鲁棒性。     

结合NGVF信息和互信息的图像配准方法

对传统的互信患配准方法进行改进,提出一种新的结合灰度信息和空间信息的配准方法.该方法分为粗略和精确配准两个阶段,首先利用图像的空间信息进行粗配准,再利用ACMI进行精确配准.文中利用的空间信息不同于一般的图像梯度信息,它是归一化的GVF矢量场信息(NGVFI),把它用于粗配准,抗噪性能良好.试验证明该方法鲁棒性很好,特别是对大噪声图像,配准效果突出,精度能达到亚像素级.     

基于SURF和矩阵乘法的超大规模遥感图像亚像素配准算法研究

图像配准是一项基本而又非常关键的图像预处理技术。在很多应用领域,要求配准精度达到亚像素级。现有的相位相关法具有精度高、计算简单等特点,但是随着图像规模的增大,计算付出的时间代价是巨大的。本文提出基于SURF和矩阵乘法相位相关法的超大规模遥感图像亚像素配准算法,采用化整为零的方法,首先把整幅图像划分成不同区域,其次使用改进的Canny算法进行边缘分割,去除无用信息,再次使用SURF算法提取特征,最后在关键点周围使用矩阵乘法相位相关估计图像亚像素偏移量。实验表明本文提出的算法不仅提高了算法运行速度,同时也解决了图像尺寸太大导致一般计算机无法处理的问题。并且由于矩阵乘法相位相关的良好抗噪声特性,因此即使存在噪声,算法仍然可以获得较高的亚像素偏移量估计精度。     

基于SURF的图像配准方法研究

图像配准在计算机视觉、医学诊断与治疗、图像拼接等领域有广泛的应用.基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来研究的热点,SIFT是其中之一.但传统的SIFT方法数据量大、计算耗时长,提出了一种基于SURF的图像配准方法.首先用SURF方法提取特征点,其次用最近邻匹配法找出对应匹配点对,结合RANSAC和最小二乘法求出图像之间的映射关系,最后利用所求的变换参数插值得到配准后的图像.实验表明:该配准算法既满足参数估算准确的要求,又具有比SIFT计算量小、速度快的优点,有一定的理论和应用价值.     

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SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

一种基于深度和局部特征的分布式光电图像配准方法北大核心CSCD

针对分布式光电成像系统采集的红外和可见光图像在配准时易受噪声影响,配准精度不高问题,提出一种基于卷积神经网络深度特征和RIFT局部特征的图像配准算法。首先基于改进的AVIRnet提取待配准红外和可见光图像的卷积深度特征,利用深度特征进行初匹配,得到初步的空间关系;然后在重叠图像区域内提取RIFT特征点;最后对局部特征点进行修正,得到最终的匹配点对,估算出精确的变换矩阵。实验结果表明:本文方法通过深度特征和局部特征两次匹配,对非线性辐射差异具有不变性,满足了分布式光电红外和可见光图像配准的精度要求。     

An efficient ear recognition technique invariant to illumination and pose

This paper presents an efficient ear recognition technique which derives benefits from the local features of the ear and attempt to handle the problems due to pose, poor contrast, change in illumination and lack of registration. It uses (1) three image enhancement techniques in parallel to neutralize the effect of poor contrast, noise and illumination, (2) a local feature extraction technique (SURF) on enhanced images to minimize the effect of pose variations and poor image registration. SURF feature extraction is carried out on enhanced images to obtain three sets of local features, one for each enhanced image. Three nearest neighbor classifiers are trained on these three sets of features. Matching scores generated by all three classifiers are fused for final decision. The technique has been evaluated on two public databases, namely IIT Kanpur ear database and University of Notre Dame ear database (Collections E). Experimental results confirm that the use of proposed fusion significantly improves the recognition accuracy.     

稳健的图像匹配方法

景象匹配是计算机视觉研究的一个重要方向,如何在复杂的环境下提高匹配概率与定位精度是其亟待解决的难点之一。在分析畸变校正的量化噪声为高斯噪声的基础上,提出了基于特征和时空关联的积相关图像匹配算法。采用基于噪声抑制小波边缘检测方法,提取实时图和基准图的边缘特征;基于归一化积相关实现序列实时图(3帧)与基准图的匹配,再根据位置信息实现相关峰值的数据融合得到匹配点。此方法克服了因面积增大由几何失真导致的匹配概率下降的缺点,提高了匹配概率,具有较好的匹配稳健性。     

基于SVD-SURF的宽基线鲁棒景象匹配算法

提出一种基于SVD-SURF的宽基线鲁棒景象匹配算法。首先,在实时图与基准图奇异值分解的基础上构建SURF尺度空间,运用快速Hessian矩阵定位极值点;然后,计算出图像的64维SURF描述子;最后,通过Hessian矩阵迹进行特征点匹配,并利用RANSAC参数估计方法剔除出格点,从而实现位置参数的精确估计。实测航空图像序列位置估计实验表明了该景象匹配算法对图像的旋转、尺度变换及噪声不敏感,具有较强的实时性、精确性和鲁棒性。     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

采用尺度不变特征和区域选择的图像配准方法

提出了一种改进的尺度不变特征点的图像配准方法。该方法在SURF算法的基础上使用图像的熵来对匹配图像作特征检测区域选择,建立特征点筛选机制来从初步的特征检测中得到最显著的特征点,以控制特征点的数目来减少后继的计算量和算法性能。同时改进了SURF的特征描述方法的计算过程,提出了一种改进的特征描述方法。实验表明,该方法在提高算法性能的同时,明显改进了特征点的匹配率。