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。     

分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法.首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准.实验证明该方法使得图像配准精度和配准效率得到了极大提高.     

一种分块的基于Harris角点检测的图像配准方法

传统的Harris角点检测选用全局的阈值并且不具有尺度不变性,对于较大的图像会导致检测的角点分布不均、错检等问题,为此提出一种新的基于多尺度的Harris角点检测的图像配准方法。首先将图像分块,并对其进行相应排序,根据局部阈值来提取Harris角点,然后根据图像特征点的最邻近和次邻近距离之比来确定初始匹配,最后利用特征点附近的灰度信息来实现进一步的配准。实验证明此方法使得图像配准精度和配准效率得到了极大地提高。     

SIFT在高分辨率SAR图像自动配准中的性能分析

合成孔径雷达(SAR)图像的自动配准长期以来都未能很好的解决,特别是高分辨率SAR图像其配准的关键是稳健的特征提取与特征匹配算法。在光学图像配准中,最常用的特征点提取算法是Harris算子,而近年来SIFT(尺度不变特性变换)算法也因其优越的性能成为当前比较流行的算法。探讨了Harris和SIFT特征提取算法在高分辨SAR图像自动配准中的应用,并选取4对有代表性的SAR图像进行了配准实验,对2种特征提取算法的运行时间、所提取匹配点对的正确率以及特征点的提取精度进行了比较。通过定性及定量分析,在同轨获取的高分辨率SAR图像配准中,SIFT均能实现精确配准,其适用性及精度均优于Harris。     

基于SIFT算法的遥感图像配准研究

图像的自动配准是一项重要而又具有挑战性的工作,特别是对遥感图像而言.需要一种准确、鲁棒、快速的全自动配准方法.尺度不变特征变换(SIFT)算法及其改进算法在图像配准中得到了广泛地应用.然而,在遥感图像中,由于图像间的灰度映射存在显著的差异,可能很难找到足够多的正确匹配结果.采用So-bel算子进行二次梯度计算,提出了一...     

分块多项式确定性矩阵SIFT图像配准算法

针对尺度不变特征变换(SIFT)算法在关键点(即尺度空间稳定的极值点)特征描述向量计算复杂且维数较高,以及多项式确定性矩阵测量数取值受限等现象,提出一种分块多项式确定性矩阵的SIFT图像配准算法。通过压缩感知的稀疏表示方法,将SIFT提取的高维描述子向量降维到低维的稀疏特征向量,降低了关键点描述向量维度,并采取欧氏距离对图像关键点特征描述向量进行相似性度量。与传统算法的针对性比对分析表明,改进算法有效提升了配准精度,增强了实时性。     

基于特征点的微波遥感图像自动配准算法

图像配准是图像处理工作（图像融合、图像镶嵌等）的核心技术。本文提出了一种有效的遥感图像自动配准算法,该算法采用改进的Harris 算子提取角点特征,利用待配准图像之间的灰度相关性进行粗匹配,然后运用虚拟三角形对全等的准则进行精匹配得到最终的匹配角点,最后通过这些角点求得刚体变换模型参数。实验结果表明：该算法是正确和有效的。     

一种基于图像区域分块的SIFT快速配准方法

针对传统尺度不变特征变换(SIFT)算法在特征提取与描述时计算量大、实时性差的问题,提出一种基于区域分块的SIFT的快速配准方法.首先,将匹配图像和待匹配图像分割成若干均匀的子图,通过计算每个子图的信息熵值与设定阈值比较来确定局部子图的特征类型;对筛选出来的特征区域的子图进行特征提取和生成PCA-SIFT描述子,对筛选出来的平坦区域直接跳过,不进行检测.实验结果表明:提出的方法在保证配准精度90%以上的情况下,计算时间减少了15%~25%左右,提高了图像配准的速度.     

基于FAST及SIFT算法的图像配准技术

基于快速实现两幅图像的精确配准,首先使用FAST算法检测得到图像特征点,通过非极大值抑制去掉多余特征点后,得到合适的特征点;引入SIFT特征描述子对特征点进行描述,去除大部分的离散点;通过计算特征点之间的欧式距离来实现图像特征粗配准;利用渐进一致采样算法进行图像精配准.通过实验证明了图像配准结果正确,准确率高,验证了算...     

基于SIFT的超大图像配准

SIFT算法在仿射变换、噪声、一定程度的光照条件下具有良好的匹配性能,星上宽波段相机成像尺寸都非常大,超大尺寸图像直接利用SIFT算法,在构建高斯金字塔时空间占用大,同时导致计算用时长。通过研究仿射变换矩阵,提出可以通过计算超大尺寸图像的降采样图像之间的配准系数间接获取超大尺寸图像的配准系数的方法。经过实验验证,具有一定的可行性,对于图像配准从空间上减少计算量从而节约计算时间具有一定指导意义。     

基于图像分块的Harris-SIFT特征匹配算法

应用Harris角点和SIFT图像局部特征定量化数据描述的互补优势,提出了图像分块Harris-SIFT特征匹配方法。将原图像分割成子图像块,根据子块的可变阈值检测多尺度Harris角点,并对其进行迭代精化,使其收敛到真值,然后生成定量化的特征矢量。匹配应用双向最近邻算法并用RANSAC去除误匹配。通过仿真验证,这种方法增强了角点提取的鲁棒性,提高了匹配速度和精度。     

基于改进SIFT算法的图像匹配方法研究

SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。     

基于改进SIFT算法的多源遥感影像配准研究

提出了一种新的基于SIFT(scale invari-ant features transform)算法的遥感图像配准算法.首先用Harris角点检测法代替了传统SIFT算法中的图像特征检测方法,再采用SIFT算法中的特征描述对图像特征进行描述,最后在参考图像上确定搜索范围,利用两幅图像之间的相关系数建立一对一的匹配关...     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

基于云核粒子群算法的图像配准研究

针对图像配准中存在的问题,提出云核粒子群算法.首先在云模型中采用正向正态云发生器,实现了在定性信息中获得定量的范围和分布规律;接着云滴将粒子群体分成三个子群,每个群由不同的云核进行引导,更新粒子位置与速度,云核粒子在引领子群内所有粒子到历史最佳位置的欧几里得空间距离的最大值为影响半径,对于在子群中影响半径以外的粒子,粒子核不再起引导作用;最后把图像配准过程中目标函数达到最小值问题转化为云核粒子群算法寻优问题,实验仿真得出配准后图像的满足视觉要求,位置与参考图像保持了一致.     

基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。