基于区域特征的图像配准方法研究

研究一种快速、准确,适用于大角度旋转的图像自动配准方法.首先利用图像边缘点和角点的重复性提取两图像的特征点,有利于提高匹配速度;再利用双向结构相似度最大和三角形相似相结合的方法获得匹配点对,有利于减少误匹配点对;最后利用结构相似度较大的匹配点对求得配准参数,并对图像进行配准.实验结果证明了该算法的正确性和有效性,并且其能够适用于较大缩放倍数和旋转角度图像的配准.     

结合图像信息熵和特征点的图像配准方法

在分析当前主要的图像配准技术之后，针对图像特征点的分布和同名点的匹配问题，提出了结合图像信息熵和特征点的图像配准方法。首先对图像进行一定程度的分块，根据信息论的方法，计算每一块的信息熵，信息熵的大小基本反映了各个模块的纹理变换情况。然后根据各个模块的信息熵大小，进行图像的粗匹配。之后在各个模块提取出一定数目的特征点，信息熵大，纹理信息丰富，选取的特征点就相应较多，反之则纹理信息变化不大，选取的特征点数目较少。最后根据这些具有代表性的同名点进行精确匹配。为验证该方法的有效性，对两幅图像进行传统方法和改进的图像配准方法的比较。     

一种基于改进SURF的图像配准方法

针对经典SURF算法存在特征点冗余、运算量大的问题,提出一种基于SURF的改进算法,首先使用SURF算法提取特征点,然后建立两级特征点筛选机制从初步检测出的特征点中筛选出信息含量高、分布均匀的特征点,减少特征点数量来减轻算法的计算量,提高算法整体性能.最后采用鲁棒性较好的PROSAC算法剔除误匹配点,计算变换矩阵.实验验证了本算法性.     

基于SURF和互信息的图像配准方法研究

将SURF算法和互信息结合起来.首先利用SURF算法分别提取两幅图像的特征点,接着计算两幅图像特征点集间的互信息,最后通过改进的同步扰动随机逼近算法(SPSA)获得最佳配准参数,使互信息达到最大值,从而实现图像配准.实验表明该方法计算简单,配准速度快并且对光照和噪声具有较强的鲁棒性.     

基于单角区域特征的烟标图像配准方法

实时图像与标准图像高效配准是保证烟标质量检测效率的关键步骤之一。根据烟标的结构和印刷工艺,提出了一种单角区域配准方法。所提单角区域配准法包括粗配准和精配准两步：粗配准利用烟标的边界特征调整烟标在图像中的姿态和位置,并去除图像中的冗余像素;精配准利用单角区域中的特征点求出实时图像与标准图像之间的单应性矩阵,然后利用单应性矩阵完成配准。实验结果表明,所提单角区域配准方法在烟标图像的配准速度和效果上优于尺度不变特征变换、ORB和AKAZE算法,能满足烟标质量检测的实时性要求。     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

基于尺度不变特征变换的图像自动配准方法

运用尺度不变特征变换方法提取图像特征,采用基于圆域的特征主方向计算方法,强化了图像的特征旋转不变性能;利用k-d搜索树与简化的广义Hough变换相结合的方式进行图像特征匹配,提高了特征匹配的效率和精度。实验表明,该方法能够对不同分辨率、不同光照、不同拍摄角度的图像完成精确自动配准。     

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MATLAB图像配准方法的相关研究

图像配准是图像融合等其他图像处理应用的前提,是目前图像处理中的热点。在信息高度化的今天,该技术已经渗透到各个方面,被广泛地应用在遥感图像、医学图像、三维重构等诸多领域中,在图像分析和处理中占有举足轻重的作用。本文主要介绍了利用MATLAB提供的图像处理工具箱（IPT）,来方便快捷地完成图像之间的配准。文中首先对图像配准及基于点特征的图像配准的概念作了比较详细的介绍,然后对两幅图像在MATLAB平台进行了配准操作,最后对图像处理的结果进行了相关的分析,阐述了该方法的可取之处和有待改进之处。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法.首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配.仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算...     

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.     

一种基于ASIFT的图像配准算法

ASIFT算法能实现全仿射不变性,适用范围广,但匹配效率较低,鲁棒性不够好,匹配有重复特征的图像时出现误配。对ASIFT算法进行改进,与SURF算法的优点结合,通过采用性能更好的Hessian矩阵来检测特征点,计算Haar小波响应值构建特征描述向量,并提出一种新的特征匹配策略,对特征描述向量进行分段匹配。实验结果证明,改进后的算法比ASIFT算法鲁棒性得到增强,匹配效率和精度均有所提高。     

基于局部结构张量-互信息的多模态图像配准

针对红外与可见光图像难以提取特征点实现配准的问题,提出一种基于边缘结构特征的红外与可见光图像配准算法。首先通过优化的显著性算法增强红外图像的结构特征;其次利用相位一致性提取红外和可见光图像的稳定边缘结构;然后提取边缘结构的ORB（oriented FAST and rotated BRIEF）特征点;最后结合KNN（K-nearest neighbor）算法和余弦相似度对匹配特征点进行筛选,并应用RANSAC（random sample consensus）算法进行提纯。实验表明,该算法能够克服灰度差异的影响,具有较高的配准精度和效率,有助于实现红外与可见光图像的配准。     

一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

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.     

基于近邻图正则化的高光谱图像特征选择方法

高光谱图像分类是近年来的研究热点。其数据的 高维性引发了“维度灾难”问 题。数据降维成为解决问题的关键。针对高光谱数据有标记训练样本点匮乏的特点, 提出用无监督的特征选择方法对高光谱数据进行降维。该方法能够同时保持原始高光 谱数据的判别能力和局部几何结构。为了保持判别能力,用所选特征对原始高光谱数 据进行重构,利用重构误差最小化将特征选择问题转化为优化问题。为了保持局部几 何结构,建立近邻图,并将其转化为正则项加入目标函数中。通过迭代梯度下降方法 解此优化问题,得出优选特征子集参与高光谱图像分类识别任务。在真实数据集上的 实验表明,新方法能够提高分类识别的精度。     

基于SURF算法的微观驱替图像配准

针对快速鲁棒特征(SURF)算法对微观驱替图像进行配准存在的误匹配比例较高和由于提取的特征点过多导致时间偏长的问题,提出了一种改进的 SURF算法.利用了微观驱替模型的特点,提取出信息量相对比较丰富的边界,仅在边界和边界附近提取特征点.借鉴了 Hassion角点检测的方法,筛选出那些满足设定条件的稳定的特征点.实验证明,本文提出的方法在匹配正确率上得到了提高.同时,特征点匹配的耗时有所减少.