微小型飞行器航空图像拼接算法

针对微小型飞行器所拍摄图像的特点,提出了一种稳健的航空图像拼接算法.此算法首先使用相位相关法估计平移参数并初步确定重叠区域,在重叠区域采用Harris角点检测算法进行特征点提取得到初步的伪匹配集合,并运用稳健的RANSAC算法将伪匹配点集合划分为内点和外点.在内点域内运用透视变换模型精确地估计出图像间的点变换关系.最后采用双线性插值对交接处进行颜色过渡.实验结果表明,该拼接结果比较理想,能有效去除错误配准点     

基于灰度相关特征点的图像拼接算法

提出了一种基于特征点的图像拼接算法,首先利用Harris角点检测提取两幅图像中的特征点,用特征点邻域灰度相关性将特征点进行匹配,并在此基础上根据变换参数向量的欧式距离对误匹配进行剔除,进而实现图像拼接.实验表明,这种算法能有效的排除误匹配的干扰,降低误匹配率,拼接效果良好.     

基于Harris与Sift算法的图像匹配方法

采用 Harris 角点检测算法进行图像特征检测, 采用 Sift 算法中的特征描述方法进行图像特征描述, 之后将图像特征点划分为多对多匹配对, 根据特征描述值的支持强度不同建立精确的一对一匹配关系. 该算法有效地避免了图像特征分布均匀时的 Sift 匹配效率较低的问题.     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法.该方法首先利用基于曲率尺度空间(CSS)的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用x2统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个阈值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配.实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率.     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题，本文提出了一种新的基于形状内容描述子的点特征匹配方法．该方法首先利用基于曲率尺度空间（CSS）的角点检测技术获得两幅图像中的角点及其所在的曲线；然后，计算两幅图像中每个角点的形状内容描述子，运用Z统计检验函数得到描述子的匹配度，对该匹配度进行评估，如果高于某一个闽值，则认为初始匹配成功；最后对初始匹配成功的点对，利用半局域限制完成点集之间的最终匹配。实验结果表明，本文所提出的匹配算法具有较高的点特征匹配准确率。     

彩色伪随机编码图像角点检测方法研究

研究了基于投射彩色伪随机编码图像的三维测量技术中图像特征角点的检测问题.为了克服传统的Harris算子只能对灰度图像进行像素级定位的缺点,提出利用伪随机编码图像独特的窗口阵列唯一特性,将其扩展到彩色图像,并通过对特征点周围的像素灰度值分布做二次曲面拟合并求解其极值,实现了彩色角点的亚像素级准确定位.理论分析和实验结果均表明该方法是有效的.     

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。     

基于双目视觉零件特征测量技术的研究

通过eye on hand模式，对上下料机器人配置双目视觉系统，将获得的图像进行处理后，判断工件的尺寸、位姿等信息，为上下料操作提供数据支持，使其能准确抓取工件。本文根据双目测量的理论基础，利用Harris角点算法获取零件的角点，对左右相机获取的图像进行区域匹配操作，进而获得工件的特征信息。最后，利用MATLAB对工件进行特征的提取和测量实验，为后续的研究工作提供了基础。     

基于投票策略的图像配准算法

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

不标定三维欧氏重构中单幅彩色伪随机编码图像特征点提取方法研究

在三维主动视觉系统中,为有效提取单幅彩色伪随机编码图像特征角点并给特征点匹配提供更多的样本信息,采用定位于彩色图像的Harris算子探测特征角点,并利用目标灰度同背景灰度比较构造一个自适应阈值判定条件,从而提高了角点响应的适应性和精确性.特征点提取实验及三维欧氏重构结果证实了该方法的适用性及有效性.     

模式图像的特征提取与配准方法

目的提高产品包装模式图像的匹配速度和准确性,得出算法中影响这两方面的关键因素。方法运用高斯金字塔对原始图像进行向下采样,将图像转换为尺度空间的表示方式;利用加速稳健特征(SURF)方法提取特征点,并对SURF方法提取的特征点用Brute-Force算法进行匹配;通过对每组匹配点欧式距离的排序,剔除误匹配点,仅保留一定数量的正确匹配点对。结果得出高斯金字塔、Hessian值、颜色空间对计算速度及获取特征点数量的影响。颜色空间的改变不影响特征点数量,在计算时间上的差别也可忽略。尺度空间缩小1/2时,计算速度能够提升75%,同时剔除2/3的冗余特征点。结论文中方法能够有效提升特征提取速度,并且具有匹配精度高、鲁棒性强的特点,同时对旋转角度的变化具有较强的适应性。     

Feature‐assisted stereo correlation

Stereo correlation in digital image correlation (DIC) involves an optimisation problem that is sensitive to initial guess. In practice, this problem is circumvented by manually selecting a pair of points in the two stereo images that guarantees convergence and provides stereo mapping parameter estimates that are used as initial guesses at neighbouring subsets. However, such an approach is not always feasible, especially in the presence of substantial perspective distortions, for example, due to large stereo angles or complexities in specimen geometry. Therefore, it is desirable to provide high‐quality independent initial estimates over the entire region of interest. Recently, SIFT has been used for this purpose, but it fails when perspective distortions are severe. In this work, we investigate seven other feature‐based matching techniques to address this gap. Among these, DeepFlow algorithm provides the highest quality and most spatially uniform initial estimates. Further, we use DeepFlow estimates as initial guesses in a conventional stereo optimisation to compute geometry measures of a specimen in DIC challenge dataset. These geometry measures show excellent agreement with ground truth, further supporting the choice of DeepFlow in stereo correlation.     

无人机影像的同名点匹配

与传统航空摄影测量相比,无人机所获取的影像存在更大、更复杂的几何变形问题,而且由于摄影比例尺大,影像在某些地物的局部纹理变化少。这些因素导致无人机影像的匹配存在更大的难度,出现误匹配的同名点对数目也会增多。首先根据Harris算子提取并匹配特征点,提出了基于多边形匹配来探测并剔除误匹配同名点的方法,从距离、角度以及权重等方面考虑同名点匹配的可靠性,通过实验统计出不同区域剔除的误匹配同名点数目、运算速度以及匹配正确率,验证了该方法的可行性。     

Interest points localization for brain image using landmark‐annotated atlas

The localization of clinically important points in brain images is crucial for many neurological studies. Conventional manual landmark annotation requires expertise and is often time‐consuming. In this work, we propose an automatic approach for interest point localization in brain image using landmark‐annotated atlas (LAA). The landmark detection procedure is formulated as a problem of finding corresponding points of the atlas. The LAA is constructed from a set of brain images with clinically relevant landmarks annotated. It provides not only the spatial information of the interest points of the brain but also the optimal features for landmark detection through a learning process. Evaluation was performed on 3D magnetic resonance (MR) data using cross‐validation. Obtained results demonstrate that the proposed method achieves the accuracy of ～ 2 mm, which outperforms the traditional methods such as block matching technique and direct image registration. © 2012 Wiley Periodicals, Inc. Int J Imaging Syst Technol, 22, 145–152, 2012     

基于不变矩特征模型耦合相似度量规则的图像匹配算法

目的为了解决当前图像匹配算法因主要利用特征点之间的距离来实现特征匹配,从而忽略了特征点的结构特征,导致算法存在较多的漏匹配点以及错误匹配点等不足的问题。方法提出基于不变矩特征模型耦合相似度量规则的图像匹配算法。通过对待检测像素点构造的邻域圆上的点进行分类,制定检测规则,对FAST算子进行改进,利用改进的FAST算子快速、精准地检测图像的特征点。随后,构造不变矩特征模型,取代SIFT算法中获取特征向量的方法,生成低维度的特征描述符。通过Euclidean模型和SSIM建立相似度量规则,对特征点之间的相似度进行度量,完成图像的特征匹配。最后,引入随机抽样一致性(RANSAC)算法剔除错误匹配点,完成图像的匹配。结果仿真结果显示,相较于当前的图像匹配算法,所提算法具有更高的匹配正确度和鲁棒性,其查全率最高可达95%左右,且匹配效率较快,约为3.75 s。结论所提匹配方法具备良好的匹配精度,在图像信息安全、包装条码识别与拼接等领域具有一定的参考价值。     

Automated Fast Initial Guess in Digital Image Correlation

A challenging task that has hampered the fully automatic processing of the digital image correlation (DIC) technique is the initial guess when large deformation and rotation are present. In this paper, a robust scheme combining the concepts of a scale‐invariant feature transform (SIFT) algorithm and an improved random sample consensus (iRANSAC) algorithm is employed to conduct an automated fast initial guess for the DIC technique. The scale‐invariant feature transform algorithm can detect a certain number of matching points from two images even though the corresponding deformation and rotation are large or the images have periodic and identical patterns. After removing the wrong matches with the improved random sample consensus algorithm, the three pairs of closest and non‐collinear matching points serve for the purpose of initial guess calculation. The validity of the technique is demonstrated by both computer simulation and real experiment.     

加权相位一致性改进的图动态精确配准算法

目的为了解决当前图像配准算法匹配精度较低的问题。方法提出加权相位一致性耦合改进的图变换匹配的精准动态图像配准算法。首先,基于SIFT机制,检测图像中的关键点;并嵌入加权因子,定义相位一致性特征,对关键点完成提纯,消除误配点与稳定性不佳的特征点;随后,设计角度距离,替代相邻特征,改进图变换匹配技术,形成精准匹配关系集;再利用初始匹配特征点与精准匹配特征点间的映射关系,对其完成修正;最后,利用改进的图变换匹配算法处理修正后的匹配关系,进一步提高匹配精度。结果仿真结果显示,与当前图像配准技术相比,改进的算法拥有更强的鲁棒性与更高的匹配精度。结论改进的算法能够提高图像在几何变换程度较大时的匹配精度。     

基于区域自适应模型耦合向量约束的图像匹配算法

目的 为了解决提高图像匹配算法的匹配精度与鲁棒性。方法 设计基于区域自适应模型耦合向量约束规则的图像匹配算法。首先引入采用上下文信息的显著性分析方法,提取图像的显著区域和非显著区域。根据区域的显著性特征构造区域自适应模型,用以动态调整FAST算法中的灰度阈值,提取图像中的特征点。然后,通过欧氏度量将特征点邻域内的点分为长、短点集;通过长点集生成特征方向,利用短点集生成特征向量,以获取特征点的描述符。最后,对特征点之间的Hamming距离进行度量,实现特征点的匹配。利用匹配特征点组成的向量建立向量约束规则,对匹配特征点进行优化,完成图像匹配。结果 实验结果表明,与当前图像匹配技术相比,所提算法具有更高的鲁棒性与匹配正确度,当目标旋转角度达到100°时,其匹配准确率仍可达到88.95%。结论 所提算法具有良好的适应性,在遇到几何变换时,具有较好的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于图像配准的药用玻璃瓶印刷字缺陷检测

目的准确检测出药瓶印刷字的缺陷。方法采用目前流行的SIFT特征点提取算子,选用欧氏距离进行初匹配,RANSAC进行精确匹配。结果药瓶在传送过程中不管发生怎样变化,都能被检测出其印刷字的缺陷,成功剔除不合格药瓶。结论实验结果表明该方法能够精确地提取图像特征点,准确地匹配图像特征点对。