基于鲁棒迭代优化的图像拼接算法

针对保持直线边缘不畸变和改善拼接区域精度的需要,提出了一种基于鲁棒迭代优化的图像拼接算法。采用SIFT特征匹配算法提取不变特征,依据RANSAC鲁棒算法估计单应性矩阵获取精确内点匹配点对,参照内点匹配点对作为参数,利用最小二乘法重新估计单应性矩阵,最终通过鲁棒迭代优化重新计算更多内点直至内点收敛。实验结果表明,所提出的算法使得直线边缘维持直线化,同时拼接精度得到提高。     

基于图像特征的合成孔径声纳声图像拼接研究

利用合成孔径声纳(SAS)声图方位向线分辨率恒定的特点,提出了基于图像特征的SAS声图拼接方法,其关键技术是使用SURF算子和RANSAC算法。方法使用SURF算子提取SAS声图的特征点,使用RANSAC算法对SAS声图进行精匹配处理。对SAS实测图像进行了处理,结果证明了该方法的有效性。     

一种基于SURF特征的图像拼接方法

为了提高图像拼接方法的性能和适用性,提出一种基于改进尺度不变特征SURF的图像拼接方法。该方法在提取SURF特征的基础上,利用最近邻算法建立特征点对之间的初始匹配。采用具有鲁棒性的RANSAC算法去除错匹配,获得图像之间的变换关系矩阵,最后采用加权的渐进渐出融合算法消除拼接接缝。实验结果表明,本文方法在满足精度要求的同时,提高了处理速度。     

一种改进的基于模板匹配的显微细胞图像拼接算法

医学显微图像的拼接是后序医学图像处理和医疗诊断的关键。基于对医学显微图像拼接的研究,提出了一种改进的基于模板的图像拼接算法。该算法将一幅图像的模板在另一幅图像上平移,对两幅图像重叠区域作相关性计算,从而获得最佳匹配位置,实现图像的拼接。实验结果证明该算法精度高、速度快。     

显微图像拼接的误差分析

针对显微图像拼接中的误匹配和误差积累问题,把图像对准误差划分为第一类误差和第二类误差,并提出了一种新的图像拼接方法.首先利用所有重叠图像对的局部对准约束建立全局对准模型,它可以消除第一类误差引起的误差积累;然后根据全局对准误差的分布特性,提出消除第二类误差的最小回路一致性方法.实验表明,该图像拼接方法计算简单、有效,适用于大规模的显微图像拼接.     

基于改进SIFT的图像拼接算法

针对基于SIFT算法的图像拼接中算法复杂度过大和特征点匹配不准的问题,提出了用CS-LBP算子结合SIFT特征点生成特征描述符以及特征双向匹配的图像拼接算法。首先提取SIFT关键点,对每个关键点生成81维的CS-LBP特征描述子,然后利用特征向量双向匹配策略寻找符合特征匹配关系的匹配点对完成粗匹配,最后再利用RANSAC算法计算待拼接图像之间的变换矩阵,从而实现图像的拼接。实验结果表明,该方法能够有效地减少运算量,加快运算速度,拼接效果也较为理想。     

基于多光谱图像配准融合的机器人巡检平台

针对变电站中开展机器人巡检工作时,普遍存在复杂场景下拍摄所得红外与可见光检测图像存在遮挡、旋转和视角差异等情况,进而导致图像匹配融合效率低的问题,本文提出了一种基于STM32控制的多光谱图像配准融合巡检机器人模型。该模型首先建立模板库,通过模板匹配定位图像中的目标电力设备,在此基础上使用SURF算法进行精细匹配,即利用RANSAC剔除设备特征误配点,并采用单映射FINDHOMOGRAPHY算法进行像素叠加,最终实现变电站设备的红外、可见光图像融合。实验结果表明,本文的改进算法生成特征点数量合适、质量提升明显,相比SIFT、SURF等传统图像融合算法,配准精度提高至少30%,图像处理速度提高至少30%,具备实用意义,可有效应用于设备识别、电力设备故障诊断领域。     

一种基于SURF、FLANN和RANSAC算法的图像拼接技术

针对SIFT算法在图像融合中耗时长,维度高的问题,论文设计了一种基于SURF、FLANN和RANSAC三者结合的拼接方法.首先利用SURF算法鲁棒性强、算法复杂度低的优势来进行特征点的检测,凭借FLANN算法可以调整参数来进行精确度的提升的优点来进行特征点的匹配,并与常见的BF算法匹配进行比较;针对其中错误匹配对的存在...     

基于平移像素距离变化的单目元器件浮高检测

用单目方法分别获取同一电路板元器件的左右两幅图像,应用模板匹配,形态学处理,特征点提取的方法获取了元器件上的左右特征点。计算左右图像上相同元器件上特征点的像素平移距离,通过最小二乘法来求解像素平移距离与相机到元器件顶端的高度的关系方程,从而完成对元器件的高度检测。该图像处理算法耗时短,平均处理时长为0.32s,最大误差为0.98mm,平均误差为0.41mm,基本满足的生产线上的实时检测需求,低成本地实现了元器件浮高检测的问题,具有一定的工业应用价值。     

一种改进的基于比值模板匹配的显微图像拼接

提出了一种新的基于比值模板匹配的彩色图像拼接算法。通过在比值模板的构造中引入一个自相关属性来增强模板匹配的健壮性,为了保证待拼接图像在色差与亮度上的一致性,对拼接的结果图进行了相关矫正。最后采用渐进渐出的方法来消除拼接缝隙。     

基于拉普拉斯金字塔融合的岩心图像拼接算法

针对岩心图像拼接效率低以及易出现鬼影现象的问题,提出了一种基于最佳缝合线的拉普拉斯金字塔融合的岩心图像拼接方法.首先将待拼接的两幅岩心图像进行灰度变换,根据ORB算法计算并描述特征点;其次使用改进的random sample consensus (RANSAC)算法对特征点进行提纯,完成特征点匹配;根据匹配的特征点计算图像间的配准关系,最后根据最佳缝合线实现岩心图像的拉普拉斯金字塔融合,完成拼接.实验结果表明,改进的RANSAC算法能在保证正确率的同时提升速度,而且本文提出的图像融合方法避免了鬼影的产生,在融合区域的PSNR、SSIM和DoEM客观评价指标上与另外两种图像融合算法相比都有所提升.     

基于图像匹配的古陶瓷身份自动认证方法

针对古陶瓷鉴定证书安全性低和公信度有限的问题,利用古陶瓷表面细节信息的独特性,基于图像识别技术,研究安全性高的古陶瓷身份自动认证方法。登记注册时将古陶瓷表面若干点位的细节信息以图像的形式录入系统;认证时,系统在线采集古陶瓷细节信息,与对应点位注册图像作匹配,并依据所有点位细节信息图像间的匹配 结果来对古陶瓷进行认证。为验证方法性能,本文构建了一个古陶瓷细节信息数据库。实验结果表明,本文提出的方法能够实现古陶瓷身份的高精度认证。     

基于自然场景在线学习的跟踪注册技术

三维注册是移动增强现实的关键技术之一,提出了一种在线学习的跟踪注册方法,能够精确地对自然场景进行跟踪注册.该方法首先改进SURF（speeded up robust features）描述符匹配方法,提高初始注册矩阵的正确性;然后,通过对场景进行有效的在线学习,提高注册精度;最后,利用前一帧的注册矩阵快速恢复已丢失的关键点,以提高注册的速度.实验结果表明,该方法能够较为流畅地对视频帧进行跟踪,并能保持较好的注册精度.     

一种基于SURF的全景图像配准算法

传统的全景图像配准多采用基于SIFT的方法,该方法数据量大、时间效率低。提出了一种基于SURF的全景图像快速配准方法。运用SURF提取特征点,计算特征描述符;运用低时间复杂度的K-D树最近邻搜索法实现特征点快速匹配;利用RANSAC算法剔除误匹配点;最后估计出两幅全景图像的变换矩阵。测试表明:算法具有较高的时间效率和良好的鲁棒性。     

基于SURF和快速近似最近邻搜索的图像匹配算法

针对高维特征向量存在的最近邻匹配正确率低的问题, 提出了一种基于SURF和快速近似最近邻搜索的图像匹配算法。首先用Fast-Hessian 检测子进行特征点检测, 并生成SURF特征描述向量; 然后通过快速近似最近邻搜索算法得到初匹配点对, 再对得出的单向匹配结果进行双向匹配; 最后采用鲁棒性较好的PROSAC算法进一步剔除误匹配点对。实验证明了该算法不仅提高了SURF算法匹配的正确率, 还保证了算法的实时性。     

基于局部特征的医学显微图像自动拼接

为了实现将多幅小视场显微图像拼接成一幅完整大视场图像,以获得生物体试样的整体视图信息,方便分析.论文提出了一种用于虚拟显微镜(VM)的图像自动拼接方法.该方法基于图像局部特征匹配.利用积分图像和DOB滤器有效检测特征点,采用SIFT描述子生成用于匹配的特征向量,使用基于相关双向匹配法有效建立匹配特征点对,同时用RANSAC算法滤除不匹配的特征点.采用了一种改进的渐人渐出融合方法对匹配图像进行融合.文中方法有效提高了系统的计算速度和匹配精度,以及图像之间变换的鲁棒估计.拼接显微镜图像的实验结果表明,文中提出的方法是精确和有效的.     

基于SURF特征和Delaunay三角网格的图像匹配

图像特征匹配的核心是通过距离函数实现在高维矢量空间进行相似性检索.重点研究提取好的特征点并快速准确地找到查询点的近邻.首先,提取图像的多量、有区别且稳健的SURF（Speeded up robust feature）特征点,并将特征点凸包进行Delaunay剖分.然后,对Delaunay三角边抽样、聚类、量化并构建索引.通过票决算法,将点对匹配与否映射到矩阵中以解决距离度量没有利用数据集本身所蕴含的任何结构信息和搜索效率相对较低的问题.结合SURF算法和Delaunay三角网提出一种特征匹配的新方法,在标准图像集上的实验验证,在耗时基本相同的情况下,提取的特征点较多且正确匹配率较高.     

一种新的基于椭圆模型的鲁棒估计方法

提出一种在数字图像中估计椭圆模型参数的鲁棒方法.该方法采用自下而上的思路,结合RANSAC(Random sample consensus)算法,先将图像中的样本分割成具有类内结构相似性的子类群,再依据类间拟合相似性将子类合并,最后在完成聚合的类中估计出模型参数.该方法的优势在于无约束性,不需要先验条件,可以在模型的数量、尺度等信息未知的情况下进行参数估计,并有效抑制离群数据影响.实验结果表明,该方法估计精度较高,鲁棒性能良好.     

基于DPP改进RANSAC算法的图像拼接

为提高图像拼接时的配准速度和精度,针对鲁棒性模型估计问题,提出一种基于行列式点过程的改进RANSAC算法（Random Sample Consensus）.该方法利用行列式点过程抽样法的全局负相关特性对匹配的特征点进行建模,实现抽样点的均匀化和分散化,剔除一些错误匹配点.用行列式点过程抽取的点集作为RANSAC算法的输入来求取变换矩阵.实验结果表明：该算法相对于传统的RANSAC算法,能够保持较高的精度和鲁棒性,减少传统RANSAC算法迭代次数,显著提升图像自动拼接的计算效率.     

基于CUDA加速的图像配准算法

针对传统图像拼接算法速度较慢,难以满足获取大分辨率全景图像的实时性要求,本文提出一种基于CUDA的快速鲁棒特征(speeded-up-robust features, SURF)图像配准算法,从GPU线程执行模型、编程模型和内存模型等方面,对传统SURF算法特征点的检测和描述进行CUDA并行优化;基于FLANN和RANSAC算法,采用双向匹配策略进行特征匹配,提高配准精度.结果表明,相对串行算法,本文并行算法对不同分辨率的图像均可实现10倍以上的加速比,而且配准精度较传统配准算法提高17%,精度最优可高达96%.基于CUDA加速的SURF算法可广泛应用于安防监控领域,实现全景图像的实时配准.