基于SUSAN分层快速角点检测的改进算法

针对传统基于SUSAN算法的分层快速角点检测算法的缺陷,引入判别角点性能的改进算法.通过分层快速角点检测算法找到角点的大概位置,再利用角点性能判别算法,减少角点的数量,最后进行精细查找,准确定位角点.实验表明,该算法可较大幅度提高运算速度,节省运算时间,显著增强角点的匹配效果.     

图像配准中特征点检测算法的探讨

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术.通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义.详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点.通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义.     

SUSAN算法的几点改进

在分析SUSAN算法优缺点的基础上针对其缺点提出了几点改进,包含去噪、阈值调节、角点预判等方面。实验结果及实际应用表明在不影响实时性的前提下提高了算法的抗噪性和精确性。     

图像配准中特征点检测算法的探讨北大核心

特征点是图像的一种重要局部特征,特征点检测是基于特征点图像配准的关键技术。通过特征点的提取与处理,对把握图像的局部及整体特征,特别对图像配准及目标识别等领域都具有重要的实际意义。详细介绍了图像配准中主流的特征点提取方法,并分析其优缺点。通过实验,利用特征点评价方法对各种算法的性能进行比较,对图像配准的研究具有一定的指导意义。     

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。     

基于特征区域的医学图像配准算法应用研究

用多尺度角点检测算法提取出角点及其梯度信息,根据角度直方图统计得到的大致旋转角度,然后计算得到考虑了旋转角度在内的匹配角点点对集合,在两幅待配准图像中选择以匹配角点点对为基础的特征区域,计算这些特征区域的对齐度以达到参考图像和浮动图像之间的配准。这种算法大大缩短了计算量,而且取得了很好的实验结果。     

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.     

改进天牛须算法的三维点云提取

根据双目立体视觉的三维重构原理,如果能获得致密的三维点云数据,就可以确定三维物体表面形状的特征.因此,提出一种改进天牛须的图像配准方法,首先采用SURF算法对双目拍摄的图像进行特征点的提取,利用返回的二进制或从强度图像中提取其特征向量及特征向量对应位置.再由正态分布统计两幅图像特征点对应程度,剔除不满足设定百分界值的数...     

计算机图像配准的三种特征点提取算法的比较研究

基于特征点的图像配准算法是近年来图像配准方法的一个研究热点,具有高效、快速、高精度的特点,已经被广泛应用到了很多领域。本文首先针对已经有的特征点提取算法进行了较为系统和全面的评价,然后主要介绍了三种经典的特征点提取算法,即Harris算法、SUSAN算法和Do G算法,并分析了其各自的优缺点和需要解决的问题,为以后进一步的算法研究打下了基础。     

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。     

一种动态特征匹配的部分重叠点云配准方法

点云配准方法能够有效地完成对不同重叠率、不同规模点云间的配准,可确保三维重建模型的精度。针对该问题,提出一种动态特征匹配的部分重叠点云配准方法,首先基于欧氏距离分割法将点云分割为子点云;然后提取子点云特征,考虑到不同点云的规模不同,提取的特征规模也是不同的,提出利用动态时间规整算法(DTW)完成子点云间的映射;最后利用迭代配准算法求取拼接点云间的平移、旋转矩阵,利用该矩阵完成点云间的配准和拼接。实验结果表明,提出的方法能够有效地解决部分重叠点云和不同规模点云的配准问题。     

基于MATLAB图像配准方法的相关研究

图像配准是图像融合等其他图像处理应用的前提,是目前图像处理中的热点。在信息高度化的今天,该技术已经渗透到各个方面,被广泛地应用在遥感图像、医学图像、三维重构等诸多领域中,在图像分析和处理中占有举足轻重的作用。本文主要介绍了利用MATLAB提供的图像处理工具箱（IPT）,来方便快捷地完成图像之间的配准。文中首先对图像配准及基于点特征的图像配准的概念作了比较详细的介绍,然后对两幅图像在MATLAB平台进行了配准操作,最后对图像处理的结果进行了相关的分析,阐述了该方法的可取之处和有待改进之处。     

基于注意力机制的特征点匹配网络的SLAM方法

已有的实时定位与地图构建(simultaneous localization and mapping,SLAM)方案采用的特征点匹配方法普遍会受视角变化的影响使得特征点的匹配比较困 难,进而 干扰到特征点匹配的精度,最终影响到三维(three-dimensional, 3D) 点云地图构建以及相机运动位姿估计的精度。为 此,本文提出 一种基于注意力机制的特征点匹配网络的SLAM方法。相比于现有的SLA M方法,本 文将SLAM中视觉里程计模块的特征点匹配的方法替换成了一个全新的、基于注意力机制的 特征点匹配网 络的特征点匹配方法,并和传统的特征点提取方法做了一个全新的特征点提取与匹配的组合 ,形成了一个 新的视觉里程计,进而形成了一个新的SLAM方法。首先,通过传统的特征点提取算法进行 特征点的提取, 对提取的特征点及描述子向量进行编码,通过图注意力神经网络进行学习得到匹配描述子, 根据匹配描述 子创建得分矩阵,采用最优传输算法求解最优得分矩阵,计算得到最优匹配点对,到这里就 完成了特征点 提取与匹配的整个过程;基于匹配点对完成相机的定位、建图和回环检测。本文采用KITT I公开数据集 进行实验,实验结果表明采用基于注意力机制特征点匹配网络的SLAM方案,在视角变化不 稳定的情况下,相机运动轨迹误差和相机位姿估计误差的精度明显有所提升。     

基于相似三角形匹配的红外与可见光图像配准方法

提出了一种基于相似三角形匹配的红外与可见光图像配准方法:首先将提取出的Harris角点组成三角形,然后利用本文提出的搜索算法,从红外与可见光图像中找出一对最优的相似三角形,并利用相似三角形的性质,计算出相关的匹配点,最后通过RANSAC算法拟合出配准参数,对图像进行配准。实验结果证明:此算法与传统的基于特征点的图像配准方法相比精度更高,具有较强的鲁棒性,可以解决刚体变换下红外与可见光图像配准的问题。     

基于图像点特征的拼接技术研究

图像拼接技术已经广泛应用于各个领域,本文实现了对灰度图像拼接技术,利用角点检测算子来得到图像特征点,采用归一化相关法（NCC）找出匹配角点,通过改进的RANSAC算法消除错误匹配,得到精确度更高的匹配点对,运用加权平均算法进行图像拼接,对拼接后的图像与原图像进行对比,效果很好,具有较高的精度和可靠性,且运行速度良好,可推广应用。     

基于方向场DFT和角点检测的指纹奇异点定位

提出了一种新的基于方向场离散傅里叶变换（DFT, Discrete Fourier transform）和角点检测的指纹奇异点定位算法。对方向场做DFT变换到频域处理能更好的压制噪声。通过角点提取、基于目标标注的聚类方法来定位指纹图像的奇异点。从方向场的极/零点模型出发,导出了若干新颖的性质,说明了奇异点和角点之间的关系。实验结果表明,奇异点定位精度有所提高,处理时间更短。     

基于Kalman预测和点模式匹配的多目标跟踪

针对复杂背景下多运动目标的跟踪方法不能有效解决遮挡和高速运动等问题,提出一种Kalman预测与点模式匹配相结合的多目标跟踪方法。利用Kalman滤波预测目标在下一帧图像中的位置,以此位置为中心确定目标搜索区域,然后以点模式匹配进行搜索区域和目标模板进行匹配,有效地解决目标的旋转和轻微的遮挡问题。为了提高匹配速度和实时性,在点模式匹配中利用Kalman滤波对目标旋转角度的预测与修正;同时为了保证跟踪的鲁棒性、连续性及准确性,对目标模板的更新采用置信度二级判决门限。实验表明该方法具有较好的实时性,并能够有效地解决遮挡等问题。     

基于相对点矩的SAR图像匹配算法

为了解决景象匹配导航系统中图像存在旋转误差以及遮档问题,提出了一种基于相对点矩的SAR图像匹配算法.Harris角点提取算于结合亚像素精确定位算法可以获得高精度的特征点坐标,而Hu不变矩具有平移、旋转、缩放(RTS)不变性,结合两者优点,本文首次提出了相对点矩的概念.相对点矩同样具有RTS不变性,可以实现任意旋转角度下...     

基于双向邻域过滤策略的图形匹配类遥感图像配准算法

针对遥感图像由于较大仿射变换关系、相似图案和多源性等导致图形匹配时出现伪同构现象,提出了一种基于双向邻域过滤策略的图形匹配方法.本方法采用双向邻域的图形特征描述子来表示特征点的邻域关系.当误配点的双向邻域任意顶点在后期迭代中被视为误配点时,将与匹配点集具有稳定双向邻域结构的点恢复至匹配点集,同时剔除伪同构中残留的误配点.通过与Random Sample Consensus(RANSAC)、Graphing Transformation Matching(GTM)算法以及提出的双向邻域匹配方式比较得出,基于双向邻域过滤策略的匹配方式能够处理空间顺序匹配时存在的伪同构问题,同时获得更高的召回率和匹配率.