红外搜索系统视频图像拼接算法及其应用

为了实现将视场小、变化快的红外搜索系统视频图像拼接成全景图像,根据红外搜索系统具有确定像空间位置变化信息的特点,提出了一种结合图像位置信息和模板匹配的的红外图像拼接算法。该算法有效的解决了传统的区域配准拼接算法运算速度慢和基于特征配准拼接算法精度差的不足,具有运算速度快、配准精度高的优点。为了验证该算法的有效性,利用采集到的红外搜索系统试验视频进行了仿真计算,从仿真的结果看,该算法相对于传统算法,大大提高了运算速度和匹配精度。     

基于SIFT算法红外搜索系统序列图像拼接实现

为了实现将红外搜索系统的单帧的红外序列图像拼接成大范围全景图像,根据红外搜索系统序列图像特点,提出了一种基于SIFT特征点检测的图像配准算法,并进行了仿真验证,从仿真的效果看该算法具有良好的配准和显示效果。     

基于SIFT算法的异源遥感影像自动匹配研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

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。     

基于离线标定的全景视频快速拼接算法设计

针对实际条码识别系统中全场景监控和传统图像拼接算法速度慢的问题,提出了一种基于离线标定的快速全景视频拼接算法.在实际应用中多台相机位置固定,采用离线标定计算出图像拼接的单应性矩阵,在实时拼接中直接加载该矩阵进行计算,从而省去了大量的特征提取和配准时间.为了提高图像特征的配准精度,设计了一种改进的SIFT(Scale-I...     

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、实时性差的问题,本文提出了一种基于区域分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子的特征描述方法对原始特征点进行描述,获得具有尺度不变性的特征点描述符,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。本文针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

基于改进RANSAC算法的全景图像拼接技术

现实场景中相机获取的图像视角范围往往是有限的,而实际需求又要求得到场景的全 景图,针对日常生活和工业生产中对全景图像的需求以及传统的RANSAC(random sample consensus)算法在图像配准环节因为迭代次数没有上限导致出现误匹配点对且配准 速度不高的缺陷,提出了一种改进RANSAC算法来提高全景图像拼接的效率。改进RANSAC 算法通过检测圆内的点来寻找一个最优数据检测模型,并通过粒子群算法不断更新迭代圆心 的坐标,最终得到一个最佳的匹配模型,消除特征点匹配环节出现的异常值,在提高特征 点配准的准确率的同时降低算法复杂度。在对多组图像进行拼接的实验表明,本文提出的改 进RANSAC算法相较于其他几种算法平均正确匹配率提高了9.057%, 同时算法的平均配准速率提高了5.173 s,实 现了较鲁棒的全景图像拼接效果。     

基于投影变换与SIFT结合的摆扫图像拼接技术

针对航空序列摆扫图像中心倾斜投影视角变化大的问题,提出一种基于中心投影变换与SIFT相结合的图像拼接方法。该方法首先根据摆扫机构提供的参数,结合中心投影构像方程计算出图像的投影变换矩阵,用于对序列摆扫图像进行校正;运用SIFT算法提取图像重叠区域的特征点,并采用欧氏距离进行特征点匹配;然后利用RANSAC算法剔除错误匹配点,并计算出变换矩阵对图像进行配准;最后采用渐入渐出的图像融合方法得到无缝拼接的图像。通过与传统图像拼接方法进行对比,实验证明文中提出的方法较大地提高了配准的精度以及拼接效果。     

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。     

融合SIFT的B样条红外图像非刚性配准

手持式广角镜头红外热像仪所拍摄的不同时刻红外图像具有刚性形变和非刚性形变,传统图像配准算法很难同时矫正刚性形变与非刚性形变,针对该问题,提出一种融合SIFT的B样条配准算法。首先在待配准图像中建立控制网格,其次运用SIFT算法寻找待配准与基准图像间的匹配点对,剔除错误匹配点对并计算出待配准图像与基准图像间的刚性变换参数,接着对控制点进行刚性变换,最后以局部强度和为测度函数,运用B样条非刚性配准算法对广角镜头引起图像的非线性进行矫正。对比实验结果表明,本文算法具有很高配准精度,能够满足实际工程精度要求。     

基于高程和地物光谱约束的多光谱图像预处理算法

分视场滤光片型多光谱相机在利用拼接和配准生成多光谱图像时,受云、水等特殊地物的影响,利用现有方法生成的结果图像上容易出现条带噪声和错配现象。提出了一种三维信息约束下的尺度不变特征转换(SIFT)图像配准和地物光谱特性约束下的多光谱图像预处理算法,该算法利用三维信息约束的SIFT算子提高配准精度,同时在地物光谱特性约束下选取有效的辐射校正点提高图像拼接时各条带图像灰度的校正精度。实验结果表明,利用该方法对分视场多光谱相机数据进行预处理时,即使图像上存在云、水等特殊区域的地物,结果图像仍能保持高精度配准且无条带噪声。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。     

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。