SIFT特征在图像配准过程中的应用研究

针对现有基于特征的图像配准方法所存在的特征提取的多样性和相似度计算的复杂性等问题,提出了一种基于SIFT特征的图像配准方法．首先利用SIFT算法提取出图像的特征点,用欧式距离比进行特征匹配,然后利用图像位置的先验条件,采用RANSAC算法去除误匹配,最后计算出待配准图像和基准图像间的变换关系参数．实验结果证明了该算法的有效性．     

基于SIFT特征匹配的图像拼接算法

针对传统图像拼接算法效率低和鲁棒性差的问题,提出一种改进的基于SIFT特征匹配的图像拼接算法。在图像预处理阶段,首次运用离散余弦变换、量化、反离散余弦变换、反量化,来对图像增强。其次,在计算变换模型时,由于没有预检验策略,致使RANSAC算法迭代次数增加。为此,提出了预检验策略。实验结果表明,在不改变匹配精度的前提下,该改进算法得到了比较理想的效果。     

基于FAST角点检测的图像配准算法

提出了一种具有类SIFT描述特征的FAST角点检测的图像配准算法。先利用FAST对图像进行特征点提取;然后,采用圆环结构算子对提取出的特征点进行类SIFT的特征描述;最后,通过K-D算法将提取出来的特征点进行粗匹配,并使用视差梯度进行预筛选,使用RANSAC算法提纯,从而实现特征点匹配。试验结果表明,与SIFT算法和改进的SIFT算法相比,本算法减少了误匹配的数目,提高了匹配的精确性和稳定性。     

基于无人机航拍图像拼接算法的优化

目的为了提高无人机航拍图像拼接的精度,深入研究了航拍图像拼接中提取特征点的算法,并对原算法加以优化.方法在图像特征点提取的SIFT算法中,设计了一种将Harris角点检测算子融入SIFT特征点提取的优化算法,优化后可以突显获取到的特征点的独特性.结果利用优化算法获取图像特征角点,可以降低实验过程中所消耗的检测时间,有效地改善了SIFT算法中匹配数据量大及过程繁琐的弱点,同时优化算法简化了图像特征点匹配的计算过程,降低了计算量,提高了实验效率.结论优化算法可以去除大量的类匹配点,使图像特征点的独特性更加明显;也提高了图像的配准精度,增强了关键点的稳定性,在关键点的匹配速度和准确率上有积极的影响.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

无人机地震遥感影像的快速拼接方法研究

近年来,无人机遥感影像可广泛应用于防灾减灾、搜索营救、国土资源监测、森林防火等领域,但目前无人机影像快速处理软件存在耗时长、自动化水平低等问题。本文基于SIFT（Scale Invariant Feature Transform）特征点提取方法提取高分辨率地震应急无人机影像尺度不变特征点,然后利用k-d树（k-dimensional树）对特征点建立索引,并利用RANSAC方法排除误匹配特征点,计算准确的单应性矩阵并运用图像融合技术得到图像拼接结果。在此基础上,与现有拼接软件相比较,探究其优劣之处。     

基于均匀特征匹配的无人机影像拼接

通过特征匹配的方法进行无人机影像拼接,不需要地面控制点坐标和内外方位元素.基于SIFT算法进行特征匹配,对于匹配中容易出现的误匹配点,通过合理控制算法中的阈值大小并采用唯一性约束和视差约束来进行剔除,采用分块控制匹配点数目来剔除密集匹配点对,使匹配点对分布均匀.使用RANSAC算法来计算影像之间的转换模型,实验证明这种方法具有很好的拼接效果.     

基于ASIFT改进算法的无人机图像特征匹配方法研究

无人机图像纹理丰富、特征显著,在机器视觉三维重建及机器人导航中应用广泛,但其视角变化大,且易倾斜。传统的尺度不变特征变换(SIFT)算法和Affine SIFT(ASIFT)算法等图像特征匹配算法误差较大,难以满足应用要求。针对该问题,提出了一种基于ASIFT的改进算法。首先用ASIFT算法模拟图形畸变,然后利用SIFT算法中的k d树算法对最邻近特征点进行快速搜索匹配,最后加入随机抽样一致算法,得到匹配对的参数模型,同时对不符合模型的误差匹配对进行剔除。实验结果表明,该算法可以优化匹配效果,提高匹配速度。     

用SIFT算法实现铁路扣件图像分类

基于图像特征点的匹配是解决很多问题的关键,不同的应用场景有不同的要求.研究SIFT算法在进行匹配的参数选择问题,结合随机抽样一致集算法(RANSAC),剔除错误的匹配,分析参数选择对匹配结果的影响,研究不同尺寸图像特征点生成关系.针对SIFT算法对光照的敏感性问题,通过图像增强再进行匹配,结合位置信息,实现了特征点数量较少的小图像铁路扣件图像的分类.     

基于特征点匹配的图像拼接方法

在对现有图像拼接方法进行研究的基础上,提出一种基于特征点匹配的图像拼接方法。采用对图像质量与光照等因素具有较强鲁棒性以及丰富匹配信息的尺度不变特征变换匹配算法对特征点进行提取和匹配,使用随机抽样一致性去粗算法求得两幅图像间的H矩阵初值,并运用迭代精炼算法求出H矩阵的精确值,利用摄像头预先拍摄好的固定角度的图像来得到转换角度的H矩阵,从而将均具有角度差的两幅图像调整至垂直拍摄的平面,最后根据尺度不变特征变换匹配算法及投影算法将调整后的两幅图像拼接。实验表明,本方法简单易行,可降低具有角度差的两幅图像拼接后的边缘变形,从而改善拼接质量。     

动态场景下基于视差空间的立体视觉里程计

针对实际的复杂动态场景,提出了一种基于视差空间的立体视觉里程计方法.利用SIFT特征点的尺度和旋转不变性及一些合理的约束条件,实现左、右图像对和连续帧间的特征点匹配和跟踪.通过结合了RANSAC的最小二乘估计滤除运动物体上的干扰特征点,得到较为准确的运动参数的初始值,在视差空间中推导出视觉里程估计的数学模型,通过最小化误差函数得到最终运动估计.实验结果表明,该算法在室内外存在运动物体的复杂动态场景中都具有较传统方法更高的精度.     

异源高分辨率卫星遥感影像配准新方法

首先建立了粗配准模型。然后对影像进行边缘提取,采用Hough变换提取同名直线。利用同名直线交点构建虚拟点集并进行特征描述,通过几何约束和互信息方法提取初始同名点。最后采用RANSAC算法获取最终的匹配结果,并利用获取的同名点对构建三角网进行小面元纠正。实验结果表明:相对于传统的SIFT匹配算法,本文方法可提取更多的同名点,均方根误差(RMSE)可以控制在1个像素以内。     

基于相对位置不变性的SIFT高效匹配算法研究

为了实现全自主机器人立体视觉导航,图像匹配的准确性和快速性成为了研究热点和难点。通过移动机器人工作环境研究,提出图像匹配相对位置不变性的原理,基于这种原理,对最近邻域和次近邻域的SIFT特征点匹配算法进行了改进。先将待匹配图像（前后帧）所有特征点按Y方向像素值大小排序,再从对应位置关系的局部区域搜索SIFT特征点,如果最近邻和次最近邻的比值满足一定阈值T,则该点为匹配点,然后再通过相对位置不变性去除误匹配点。改进算法在最近邻匹配点和次近邻匹配点搜索时避免全局搜索而大大提高实时性,通过相对位置不变性基本去除所有误匹配点。通过实验验证,匹配速度和正确率大大提高,是平面移动工作环境下高效实用的匹配算法,同时,该算法稍加改进对复杂环境也是适用的。     

复杂图像特征点提取与匹配方法

采用改进的SIFT（Scale Invariant Feature Transform）算法对自然环境下获取的复杂场景图像进行特征量提取;通过添加存入最小优先级队列的限制条件,对现有的BBF（Best Bin First）匹算法进行改进以提高算法的搜索效率;针对复杂图像误匹配较为严重的现象,设置匹配判定准则和几何约束条件,对匹配结果中可能的误匹配加以剔除。实验结果表明,新方法在匹配效率和匹配准确率的提高上效果明显。     

一种仿人足球机器人视觉系统环境特征获取与识别方法

环境感知是仿人机器人系统进行决策的前提和基础.提出一种通过图像拼接技术获得完整的环境信息以供决策的方法.首先通过对同一机器人所获得的不同角度的图像进行特征提取,提取SIFT特征点,然后对提取特征点的待匹配图像通过K-D树方法进行初匹配,再通过RANSAC方法剔除错误匹配点,进而利用双线性插值法进行图像融合.最后对融合后的图像利用Canny算法提取边缘线,获得环境特征.实验表明这种方法是有效的.