一种基于改进SURF的图像配准方法

针对经典SURF算法存在特征点冗余、运算量大的问题,提出一种基于SURF的改进算法,首先使用SURF算法提取特征点,然后建立两级特征点筛选机制从初步检测出的特征点中筛选出信息含量高、分布均匀的特征点,减少特征点数量来减轻算法的计算量,提高算法整体性能.最后采用鲁棒性较好的PROSAC算法剔除误匹配点,计算变换矩阵.实验验证了本算法性.     

基于改进Harris-SURF算子的遥感图像配准算法

针传统SURF算法在遥感图像配准中存在精度和准确率不高的问题,提出基于改进的Harris-SURF图像配准方法。利用高斯二阶导数与原始图像进行卷积,提取具有尺度不变的特征值点,对Harris算法不具备尺度不变性进行改进,利用仿射变化提高配准的精度。最后,利用RANSAC算法剔除配准错误点,完成配准。     

一种基于SURF和BRIEF的图像配准算法

针对SURF算法特征描述复杂和匹配精确度不高的问题,提出先用SURF算法提取特征点,再计算其Harris响应值,剔除质量较差的特征点,使用BRIEF算法描述特征点,再用最近邻汉明距离匹配特征点.采用改进的K-means算法对数据分类,将数量较多的类里的匹配点作为正确匹配点保留.最后应用改进的RANSAC算法求变换矩阵.实验验证了算法性能.     

一种改进的基于不变描述子的图像自动配准方法

本文提出了一种改进的基于不变描述子的图像自动配准方法来处理具有全局仿射变换的图像配准问题.该方法主要分为三步:首先,利用Mean-shift算法和区域标记算法分别从参考图像和待配准图像中提取区域特征作为配准基元,采用7个仿射不变矩作为不变描述子;其次,通过组合仿射不变矩的最小距离准则和行、列匹配概率系数算法获得一个候选匹配区域特征集,运用穷举策略从中得到三个最好的匹配区域特征,利用它们的重心点坐标计算仿射变换模型参数的初始值;最后,根据空间一致性检测获得所有正确的匹配区域特征,利用它们的重心点坐标和最小二乘算法估计最优的仿射变换模型参数.仿真和实际图像数据的配准实验和对比实验结果表明本文方法具有较高的可靠性和配准精度.     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

基于SURF的图像配准方法研究

图像配准在计算机视觉、医学诊断与治疗、图像拼接等领域有广泛的应用.基于特征的方法具有压缩信息量、执行速度快、精度高等优点,成为近年来研究的热点,SIFT是其中之一.但传统的SIFT方法数据量大、计算耗时长,提出了一种基于SURF的图像配准方法.首先用SURF方法提取特征点,其次用最近邻匹配法找出对应匹配点对,结合RANSAC和最小二乘法求出图像之间的映射关系,最后利用所求的变换参数插值得到配准后的图像.实验表明:该配准算法既满足参数估算准确的要求,又具有比SIFT计算量小、速度快的优点,有一定的理论和应用价值.     

基于改进SURF算子的高低分辨率图像配准方法

针对激光三维成像传感器与可见光传感器图像分辨率差异较大,配准过程中特征点误匹配情况严重的问题,提出了一种基于改进SURF算子的高低分辨率图像配准方法。首先,采用双线性插值算法对低分辨率图像进行预处理,然后在经典SURF算子的基础上,采用最近邻向量匹配法完成SURF特征的粗匹配,并基于特征偏移一致性原则对匹配情况做进一步优化,最后结合RANSAC和最小二乘法求出图像之间的仿射关系,利用所求的变换参数插值得到配准后的图像。实验结果表明,该配准方法在保持配准速度的同时,结构相似性测量指数提高了约11%,进一步提高了配准的精度。     

一种基于ASIFT的图像配准算法

ASIFT算法能实现全仿射不变性,适用范围广,但匹配效率较低,鲁棒性不够好,匹配有重复特征的图像时出现误配。对ASIFT算法进行改进,与SURF算法的优点结合,通过采用性能更好的Hessian矩阵来检测特征点,计算Haar小波响应值构建特征描述向量,并提出一种新的特征匹配策略,对特征描述向量进行分段匹配。实验结果证明,改进后的算法比ASIFT算法鲁棒性得到增强,匹配效率和精度均有所提高。     

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。     

遥感图像的图像配准方法

图像配准技术是近年来发展迅速的图像处理技术之一,是图像拼接、信息融合不可缺少的步骤。本文对遥感图像的配准进行了总结和归纳,介绍了几种常见的图像配准方法,并根据高光谱图像和高空间分辨率图像的特点指出了适合不同类型遥感图像的配准方法。     

基于SURF和互信息的图像配准方法研究

将SURF算法和互信息结合起来.首先利用SURF算法分别提取两幅图像的特征点,接着计算两幅图像特征点集间的互信息,最后通过改进的同步扰动随机逼近算法(SPSA)获得最佳配准参数,使互信息达到最大值,从而实现图像配准.实验表明该方法计算简单,配准速度快并且对光照和噪声具有较强的鲁棒性.     

基于SURF的图像配准技术可行性研究

当前基于特征的图像配准算法较多,而SURF算法由于其性能优越和运算效率较快,被众多学者广泛应用于图像匹配算法的研究中。在图像匹配算法研究的基础上,通过比较SURF算法和Harris算法在通用型、计算效率和配准精度三个方面的差异,验证SURF算法在图像配准应用中的可行性。实验结果及数据表明基于SURF的图像配准技术不仅能够适用于不同条件下的图像变化,并且可以实现快速、精确的图像配准。     

基于SURF算法的微观驱替图像配准

针对快速鲁棒特征(SURF)算法对微观驱替图像进行配准存在的误匹配比例较高和由于提取的特征点过多导致时间偏长的问题,提出了一种改进的 SURF算法.利用了微观驱替模型的特点,提取出信息量相对比较丰富的边界,仅在边界和边界附近提取特征点.借鉴了 Hassion角点检测的方法,筛选出那些满足设定条件的稳定的特征点.实验证明,本文提出的方法在匹配正确率上得到了提高.同时,特征点匹配的耗时有所减少.     

一种基于粒子滤波的遥感图像配准算法

将基于粒子滤波的道路检测算法引入多源遥感图像的配准问题,并针对配准的应用环境改进了粒子权重的定义.在贝叶斯跟踪框架中,利用粒子滤波算法提取不同图像上的曲线作为配准特征,实现自动图像配准,实验结果表明该方法具有较好的准确性和鲁棒性.     

基于SURF和矩阵乘法的超大规模遥感图像亚像素配准算法研究

图像配准是一项基本而又非常关键的图像预处理技术.在很多应用领域,要求配准精度达到亚像素级.现有的相位相关法具有精度高、计算简单等特点,但是随着图像规模的增大,计算付出的时间代价是巨大的.本文提出基于SURF和矩阵乘法相位相关法的超大规模遥感图像亚像素配准算法,采用化整为零的方法,首先把整幅图像划分成不同区域,其次使用改进的Canny算法进行边缘分割,去除无用信息,再次使用SURF算法提取特征,最后在关键点周围使用矩阵乘法相位相关估计图像亚像素偏移量.实验表明本文提出的算法不仅提高了算法运行速度,同时也解决了图像尺寸太大导致一般计算机无法处理的问题.并且由于矩阵乘法相位相关的良好抗噪声特性,因此即使存在噪声,算法仍然可以获得较高的亚像素偏移量估计精度.     

一种基于封闭均匀区域的SAR图像配准方法

为克服图像间灰度差异、旋转差异和尺度差异对SAR图像配准精度的影响,该文利用均匀区域在SAR图像中的灰度统计特性,提出一种基于稳定封闭均匀区域的SAR图像配准算法。首先基于多尺度非线性扩散理论,提取得到轮廓保持性较好的封闭均匀区域;然后构建具有仿射不变性的区域特征,采取基于多边形拟合的区域粗匹配方法和基于重合度的区域精匹配方法,实现由粗至精的区域匹配;最后用匹配区域的质心点构建图像变换模型。实验结果表明,该算法配准精度高,能有效克服待配准图像之间的灰度差异、旋转差异和尺度差异,对噪声具有较好的适应性。     

基于迭代更新的SIFT遥感图像配准算法

由于多光谱遥感图像之间存在复杂辐射差异,造成全色图像与其他波段图像通过尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)算法进行图像配准时无法保证配准精度。针对这一问题,提出一种基于迭代更新策略的SIFT算法。该算法通过SIFT算法获取同名点,迭代更新求解单应性矩阵,获得基准图像与待配准图像之间的最优单应性矩阵实现图像配准。为验证所提方法的有效性和鲁棒性,在网通一号和高分二号遥感影像上进行了图像配准实验,实验结果表明,所提方法不仅可实现高精度的图像配准,还可以有效提升SIFT算法应对遥感图像辐射差异的鲁棒性。     

基于特征的遥感图像自动配准算法

面向光学图像的多时相、多光谱、多传感器图像的自动配准,本文描述一个基于特征的高精度图像配准算法.它以点映射配准技术为基础,处理具有全局仿射几何失真的图像配准问题.首先,通过边缘检测和相应的后处理提取封闭边界;其次,根据边界链码相关和区域不变矩匹配策略建立边界的对应,并对对应重心即匹配点对进行一致性检测获得基元控制点;最后,估计初始变换参数,并通过显著点片的相关匹配来增加控制点个数,迭代修正变换参数以提高配准精度.多种遥感图像数据的配准实验和对比试验证实了的自动算法具有较高的可靠性和配准精度.     

一种基于边缘的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术,多传感器图像特别是波段相距较远的相关性较小的图像,要实现图像配准存在很大的困难。对于能够用仿射变换模型来描述的图像,图像之间比较明显的特征是各个物体之间的边缘。该文研究利用小波变换的方法提取图像的边缘,并对边缘图像作交互方差分析,搜索出最佳交互方差的配准参数。通过对SPOT和TM图像的处理,达到了精度较高的配准效果。