基于改进局部敏感散列算法的图像配准

为实现图像间的快速准确配准,在局部敏感散列(LSH)算法基础上,提出一种高效的高维特征向量检索算法—改进的LSH(ELSH)算法用以图像特征间的检索配对,从而实现图像间的配准.该配准算法首先采用尺度不变特征变换(SIFT)算法提取图像的特征点并进行描述,得到图像的高维特征向量.然后,根据随机选择的若干子向量构建哈希索引...     

目标运动轨迹匹配式的红外-可见光视频自动配准

为实现精确的红外-可见光视频序列的自动配准,提出了一种新的基于目标轨迹线匹配的配准方法。首先,利用运动目标检测技术提取目标前景,并由基于相关滤波器(KCF)的多目标跟踪算法对每个前景顶点进行跟踪,进而获取每个目标的运动轨迹。此后,为每条轨迹线建立归一化运动方向描述子与归一化运动幅度描述子,通过时序分析、方向描述子匹配及幅值描述子匹配建立分步约束的匹配机制,完成轨迹线匹配工作。最后,采用迭代更新的方式获取最佳全局配准矩阵,实现对异源视频的配准。在LITIV数据库上的9组视频上进行测试验证,实验的结果表明:本文配准算法的重叠率误差一般小于0.2,接近或已超过手动的Ground-Truth矩阵。通过充分利用目标的运动信息,该算法实现了精确的红外-可见光图像序列配准。     

基于复合Zernike矩相角估计的图像配准

提出了一种基于复合Zernike矩相角估计的图像配准方法.首先,利用尺度不变检测子Harris-laplace检测图像中的兴趣点作为初始特征点,计算以兴趣点为中心、邻域具有尺度不变性的Zernike矩;提出一种鲁棒的相角估计方法,用于估计两个归一化区域的旋转角度值.然后,利用Zernike矩的幅值和相角信息,通过比较每个兴趣点邻域Zernike矩的相似度提取出初始匹配点.最后,提出一种迭代角度修正算法用于精确估计变换参数,并对输入图像进行几何变换后将两幅图像配准.实验结果表明,该算法可在尺度缩放、任意角度旋转以及噪声等复杂条件下实现图像的高精度配准.当旋转角度误差小于20°时,图像的平均覆盖率达到94.125％,有效降低了误匹配的概率.     

基于ORB与RANSAC融合改进的图像配准

针对旋转不变性二进制描述算法(Oriented Fast and Rotated Brief,ORB)的尺度旋转性配准误差大,配准率较低及随机采样一致性(Random Sample Consensus,RANSAC)算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。     

基于图像拼接的惯性约束聚变终端光学元件在线检测

针对惯性约束聚变(ICF)终端光学元件的高精度在线检测,提出了一种基于图像拼接的检测方法。该方法主要包含图像配准及图像融合两个部分。在图像配准部分,采用基于局部损伤点特征匹配的方法来解决在线检测图像中信息过少,以及子图像间存在曝光差异的问题,并将检测系统的运动信息应用到配准过程中,提高了检测精度及效率。在图像融合部分,采用泊松融合的方法来消除曝光不均匀所产生的"拼接线",实现了检测图像的"无缝拼接"。用本文算法与尺度不变特征变换(SIFT)算法对ICF终端光学元件在线检测(Final Optics Online Inspection,FOOI)图像进行了实验对比,结果表明,本文提出的图像配准方法优于SIFT算法。通过4×4方式得到的拼接图像显示,本文方法可以大幅度提高ICF系统中FOOI装置的检测分辨率。     

采用多形状特征融合的多视点目标识别

研究了多视点下三维目标的识别问题。针对传统的采用单一特征的方法在目标描述方面的不足,提出了一种融合多种特征的识别算法。首先,利用各向异性高斯方向导数相关矩阵提取目标角点,采用骨架约束提取特征角点,将各特征角点到目标质心的归一化距离作为角点描述子。接着,分别提取目标的几何矩不变量、仿射矩不变量、目标边界的傅里叶描述子;计算4种特征的类内和类间散布矩阵;以样本散布矩阵的迹作为权重,加权融合4种特征。然后,对融合后的特征向量进行独立成分分析(ICA),得到相互独立的特征分量。最后,采用支持向量机的分类方法进行分类。实验结果表明,本文提出的方法比采用单一特征的方法的正确识别率平均提高10%以上,且在小训练样本(10%总体样本)情况下仍能获得80%以上的识别率,可满足经纬仪实时目标识别系统的要求。     

基于灰度差分不变量的快速局部特征描述算法

提出了一种基于灰度差分不变量区域统计直方图的快速局部特征描述算法来解决传统灰度差分不变量特征描述子计算复杂、稳定性较差且包含的信息量较少的问题.采用低阶且具有微分几何意义的灰度差分不变量描述特征点以降低特征描述子的计算复杂度,提高特征描述子的稳定性;利用特征点邻域的灰度信息和区域信息提高特征描述子的信息含量,增强特征描述子的鲁棒性.将该算法应用于图像匹配.实验结果表明,在图像尺度缩放、旋转、模糊、亮度变化、较小视角变化和JPEG压缩等多种变换条件下,该描述子不仅能够取得较好的匹配效果,而且处理速度比尺度不换特征变换( SIFT)提高约2倍.     

图像椭圆扁度不变性及其在仿射不变量构造中的应用

针对传统基于面积比不变的仿射不变量方法具有的特征点选取不稳定且有冗余以及区域面积误差累积等特点,提出了一种基于图像椭圆扁度划分策略的仿射不变量构造方法。介绍了图像仿射变换模型,得到了图像仿射近似条件。结合图像椭圆扁率定义,依据不变矩理论证明了仿射变换下图像扁率的不变性。给出了图像扁度的定义及其物理含义,并以此作为图像同心圆划分依据,选取三阶以下仿射不变矩作为图像特征量,通过计算各同心圆区域的仿射不变量描述图像目标。将提出的方法应用于实际舰船图像并结合离散系数对其稳定性进行了分析。结果表明:同一舰船目标各种仿射变换图像计算所得扁度相同,所在划分特征圆区域仿射不变量离散系数最大为1.55%。得到的结果显示该方法对目标图像的特征区域划分具有唯一性,构造的仿射不变特征稳定性较好。     

基于仿射尺度不变特征变换的掌纹识别

相比传统接触式采集方法,非接触采集是目前掌纹识别的趋势和主流,但其低约束性可能导致人手和图像传感器平面不平行,从而使掌纹产生仿射变形.传统的尺度不变特征变换(scale invariant feature transform,SIFT)对此识别效果不佳.针对这个问题,提出一种改进方案,即基于仿射尺度不变特征变换(affine scale invariant feature transform,ASIFT)的掌纹识别方法,建立了变形掌纹的仿射模型,模拟了相机光轴的经度角和纬度角,在仿射空间内提取图像特征.通过基于实际环境所建立的掌纹库——SUT图库验证算法性能,与SIFT算法及目前典型的掌纹识别方法进行对比.结果表明,ASIFT方法具备良好的抗掌纹仿射变形性能,等误率仅为0.6％,证明了该方法能够成功解决掌纹变形问题,鲁棒性和稳定性强,具备优越性.     

改进的抗全仿射尺度不变特征变换图像匹配算法

针对现有匹配算法难以解决图像发生仿射变换特别是发生大视角变换时的有效匹配问题,本文对匹配稳定性较好的尺度不变特征变换(SIFT)算法进行了深入研究和改进.借鉴其模拟和归一化相结合的思想对相机光轴的经度角和纬度角进行模拟并采用SIFT算法进行匹配.结果显示,提出的算法不仅保留了SIFT原有的对仿射变换的抵抗能力,而且对视...     

基于区域分块与尺度不变特征变换的图像拼接算法

针对图像匹配算法计算量大,实时性差的问题,提出了一种基于区域分块与尺度不变特征变换(SIFT)相结合的图像拼接算法。该算法利用图像能量的归一化互相关系数快速分割出匹配图像与待匹配图像间的相似区域,利用SIFT算法在重叠区域中搜索出能用于匹配的图像特征点并实现快速精确配准。然后,通过对图像进行了几何校正和图像融合来实现图像序列间的无缝拼接。实验结果表明,该算法减少了传统SIFT算法的大量无用搜索,改善了图像的几何失真,降低了算法复杂度,提高了图像匹配的速度,在保证90%以上的匹配准确率的基础上,计算时间较传统SIFT算法减少了近50%。提出的算法可准确、快速地实现有形变和尺度变换图像的无缝拼接。     

融合全局-颜色信息的尺度不变特征变换

由于尺度不变特征变换(SIFT)算法只针对图像的局部特征进行描述且忽略了图像的彩色信息,当待匹配图像中存在大量形状相似区域时,误匹配率很高。本文对SIFT图像匹配法进行了改进,提出了SCARF(Shape-color Alliance Robust Feature)图像匹配算法。为解决SIFT常出现的误匹配现象,构造的SCARF算子利用SIFT检测子提取图像的特征点集,通过建立同心圆坐标系,在SIFT原有框架的基础上融入全局形状信息和颜色不变信息,并采用欧氏距离作为匹配代价函数进行描述子匹配。对包括SCARF算法和SIFT算法在内的5种不同匹配算法通过INRIA数据库进行了实验验证,实验结果表明:SCARF算法在图像模糊、局部特征相似、JEPG压缩和光照变化等复杂变换情况下,匹配准确率优于SIFT等其他算法,降低了误匹配的概率,明显提高了匹配的稳定性和鲁棒性。     

基于改进SIFT特征提取的车标识别

为减少SIFT车标识别算法中检测极值点的冗余以及各种图像变化因素的不利影响,提出了基于边缘约束和全局结构化的改进SIFT算法。利用图像不变矩理论及图像边缘检测算法只对目标图像的边缘区域检测,剔除与车标识别区域无关的极值点;同时将特征点邻域划分为圆形并计算出同心圆内像素点最大曲率来构建全局SIFT组合特征向量,使SIFT描述子具有全局描述特性;并结合SVM模型作为车标图像特征向量的分类器进行特征分类、识别。仿真实验结果表明:改进的SIFT算法可以减少冗余极值点约25%~45%,提高了检测极值点的有效性;使车标平均识别率达到97%以上,改善了识别实时性。改进SIFT的车标识别方法与几种常用的图像特征提取算子相比较具有识别率高、识别速度快的优点。     

基于改进的SIFT特征的图像双向匹配算法

图像匹配是计算机视觉中许多领域的基础,特征提取则是图像匹配的基础,其中不变量特征是一个重要的理论。SIFT是最有效的尺度、旋转、亮度不变量局部特征之一,但算法复杂、计算时间长。分析了SIFT的计算时间分配,通过计算关键点的邻域梯度直方图时动态修改采样步长,大大提高了SIFT的计算速度。分析了基于SIFT特征的图像匹配算法,提出了双向匹配算法,提高了图像匹配的准确率。实验结果表明所提出的方法是有效的。     

轮对轮辋厚度检测中图像配准方法研究

针对轮辋厚度参数的在线检测,提出了基于双相机的轮辋厚度参数检测方法,其中图像配准是影响该参数计算的重要因素。在分析轮对轮廓线图像特点的基础上,提出了利用配准板特征点的图像配准方法,设计了图像配准步骤,采用仿射变换作为图像配准中的变换模型。为保证配准精度,在综合考虑配准板上特征点的数量和特征点的分布的基础上设计了配准板。通过图像配准实验,提取了配准板特征点坐标,求解了仿射变换矩阵。实验表明,该方法的配准精度为2个像素。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。