一种基于兴趣点匹配的图像拼接方法

针对基于图像特征点的配准方法中对应特征对难以准确提取的问题,提出一种基于兴趣点匹配的图像自动拼接方法。该方法首先利用Harris角检测器提取两幅图像中的兴趣点,并在此基础上采用比较最大值法提取出对应兴趣点特征对,最后利用这些匹配特征对来实现图像的拼接。实验结果表明,这种方法能有效地去除伪匹配特征对的干扰,同时降低了误匹配的概率,对于全景图的拼接具有良好的效果。     

一种基于特征点匹配的红外图像拼接算法

为提高红外图像拼接速度和精度,对基于特征点匹配的图像拼接算法进行改进。根据图像空间特性减小角点搜索范围,通过设定梯度阈值,对梯度超过阈值的像素点进行Harris角点检测;改进Harris角点响应函数和角点筛选阈值的设定方式,摆脱了角点检测对筛选经验值的依赖。在相似测度Normalized Cross Correlation(NCC)粗匹配的基础上,采用有约束条件的随机选取方式,增强子集选取的合理性;并根据先局部后整体的匹配策略,基于匹配点的特性进行预检验,降低匹配错误率。算法最后利用最优变换矩阵确定待拼接图像的位置关系,实现自动拼接。实验结果表明,改进后算法在拼接过程中无需人工干预,在保证红外图像拼接质量的基础上,拼接速度提高了65.92%。     

一种用于图像序列拼接的角点检测算法

分析了Harris角点检测算子的实现原理及其用于图像序列拼接时存在的不足,从几个方面提出了改进:用新的X和Y方向梯度算子求取图像导数,对灰度变化更敏感;改进了角点响应函数,避免了k值选择的随机性;根据图像序列首图像自动确定R阈值,提高了算法的自动处理能力和速度;根据目标像素点的8邻域范围进行亚像素精确定位,角点位置更加准确.实验结果表明,改进算法无需人工干预,特征点提取的速度比传统算法提高了约61.3%,能更好地适应图像拼接的实际应用,是一种快速有效的角点检测方法.     

一种改进的Harris角点图像拼接算法

主要研究图像拼接的优化问题,针对传统的Harris角点检测算法进行了改进。避免了角点响应函数中的k 值和检测过程中的阂值T的选取对角点检测带来的影响。在图像拼接过程中通过NCC对图像进行配准,采用加权 平均法对拼接后的图像进行融合并消除拼接缝隙,从而提高了运算的速率。为验证其有效性,该算法被应用于一个图 像拼接的实例中,仿真结果表明,该算法缩短了图像拼接所消耗的时间,提高了图像拼接的精度和效率,能够达到无缝 拼接的效果,具有良好的实用性。     

一种基于特征点匹配的图像拼接算法

本算法首先采用边缘检测缩小了待提取的特征点的寻找范围,然后根据图像中各列边缘点的梯度最大值提取特征点,进而确定两幅图像的缝合点及其匹配位置,最后通过对图像的重叠区域进行平滑过渡处理,实现了待拼接图像的无缝拼接。实验表明,本算法能较好的实现图像拼接。     

一种基于特征点匹配的图像快速拼接方法

实现一种基于特征点匹配的图像拼接方法。将处理流程细分为特征点检测、特征点匹配、无效匹配的剔除、透视成像四个阶段,并针对四个阶段选取了适合的经典算法予以实现。其中对具有左右关系且基本平行的图像特征点匹配算法进行了改进,在匹配效果基本不变的前提下,缩短了匹配时间。经实验证明,算法改进后效率提升明显。     

基于SIFT特征点的无缝图像拼接方法的研究

就目前市场行情,图像拼接有着广泛的应用前景,自动建立大型且高分辨率的图像拼接技术,是解决遥感、医学、计算机等领域图像配准的基本技术。本文就目前传统图像拼接法在尺度、视角和光照变化大时存在的拼接效果缺陷提出了基于SIFT特征点匹配的无缝图像拼接方法。     

一种基于特征点匹配的图像拼接技术

兼顾算法的精度和效率两个方面,基于图像特征的图像配准算法,逐渐成为众多学者研究的热点.本文中采用的Harris算法就是基于图像灰度的自相关函数,直接从灰度图像中检测兴趣点的算法.其优点是方法简单,定位准确,对多个区域的结点也能精确检测,并且对局部噪声不敏感,抗噪能力较强.     

一种改进的快速图像拼接方法

为了提高图像拼接的速度,提出了一种快速的图像拼接方法.首先在SUSAN角点检测算法检测出图像角点的基础上,采用图像分块和邻近角点剔除的方法来保证图像角点分布均匀并且避免出现角点聚簇现象,利于提高拼接的精度.其次,利用灰度相关性进行特征角点的匹配并消除伪匹配.然后采用改进的RANSAC算法快速地估计变换矩阵,该算法中采用预检测的方法快速抛弃那些不是候选模型的临时模型,加快了算法的速度.最后进行颜色融合,生成无缝拼接图像.实验结果表明,该方法在得到较高精度的情况下,大大减少了运算量,提高了图像拼接的速度.     

基于特征点的图像拼接方法

提出了一种基于特征点匹配的全景图像拼接方法.该方法首先利用sift算法提取各图像中的特征点并利用Harris算法对图像特征点提取进行了优化,然后采用基于K-d树的BBF算法查找和确定初始匹配点对,完成特征点的粗匹配,再根据图像配准结果使用稳健的RANSAC算法对粗匹配的特征点进行筛选,计算出图像间变换矩阵H,最后采用渐入渐出的加权平均的融合算法对两幅图像进行无缝拼接,形成一幅完整的全景画面.实验结果验证了该方法的有效性,拼接效果较好.     

结合特征点与极谐变换的图像拼接

提出了一种新的结合特征点与极谐变换（Polar Harmonic Transform,PHT）的图像拼接算法。利用Harris角检测器提取图像中的特征点,计算特征点圆形邻域的PHT特征矢量,并通过计算欧氏距离作为特征点匹配的依据提取出初始特征点对。根据几何变换模型剔除伪匹配对,利用正确映射模型计算出变换参数,采用加权平均法得到图像的拼接结果。实验结果表明了算法的有效性。     

基于距离融合的图像特征点匹配方法

针对ORB算法中特征点缺乏尺度不变性导致算法误匹配率高,以及二进制鲁棒独立基本特征（BRIEF）算法的描述子易受噪声影响的问题,提出了改进的特征点匹配方法。采用加速的具有鲁棒性的特征（SURF）算法进行特征点提取,利用带有方向信息的BRIEF算法进行特征点描述;在特征点邻域内选取随机点对,并对随机点对的灰度大小比较和相似度比较分别进行编码,采用汉明距离计算两种编码的差异;利用自适应加权融合的方式实现特征点相似性距离度量。实验结果表明,改进方法对于尺度变化、光照变化以及模糊变化的图像具有更好的适应性,与传统ORB特征点匹配方法相比能够获得更高的特征点正确匹配率,且该特征点匹配方法可用于改善图像拼接的性能。     

基于特殊角点和基点定位在线掌纹的方法

本文简述了目前在线掌纹定位的主要方法,提出一种通过寻找特殊角点和基点实现在线掌纹的定位。该方法基于掌纹的形状特点,先定位特殊角点,再通过统计块点方向和求梯度确定感兴趣的纹线上的一点,最后用灰度值跟踪方法确定特殊基点。该定位方法减少了手掌张开强度因素造成的影响,并取得了理想的实验结果。     

基于三参数模型的视频图像配准方法研究

视频图像配准是运动视频处理中的一项关键技术。提出了一种新的基于3参数模型的配准算法,该算法利用多尺度的角点检测方法从相邻两帧中抽取特征点,选用Hausdorff距离对特征点集进行匹配,计算3参数模型参数,从而实现图像配准。与传统的6参数仿射模型相比,模型参数的降低并没有显著降低配准效果,同时由于参数搜索空间的减少,该方法用更快的速度得到较准确的结果。     

基于改进的Harris和SIFT算法的眼底图像拼合

传统的眼底图像拼合主要采用SIFT算法实现,算法计算量大,效率低,准确率也不高.Harris提取的是图像的角点信息,能较好准确地反应图像的特征信息.作者采用Harris和SIFT算法相结合的方式,采用Harris算法提取的角点信息,并用这些角点提取SIFT特征描述符,且在图像拼合的过程中对算法做出相应的改进,克服了多模式图像中局部梯度信息不一致带来的误差,计算效率高,且拼合效果较好.     

基于特征点的全自动无缝图像拼接方法

提出了一种基于特征点的全自动无缝图像拼接方法.该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过引导互匹配及投票过滤的方法提高特征点的匹配精确度,使用稳健的RANSAC算法求出图像间变换矩阵H的初值并使用LM非线性迭代算法精炼H,最终使用加权平滑算法完成了图像的无缝拼接.整个处理过程完全自动地实现了对一组图像的无缝拼接,克服了传统图像拼接方法在尺度和光照变化条件下的局限性.实验结果验证了方法的有效性.     

基于图像的马赛克

提出并实现了一种有效利用视觉马赛克现象来实现用较小图像自动拼合较大图像的图像合成方法，讨论了用图像合成马赛克图像的原理与模型，针对不同的实现目标给出了不同的实现算法，在总结实验结果的基础上展望了进一步研究的问题与方向。     

基于红外面阵传感器的图像拼接算法

对大面阵红外传感器图像的拼接算法进行了研究.针对红外图像中噪声过多的问题,采用基于Harris角点的图像拼接算法进行噪声抑制并对Harris算法进行改进.首先根据图像像素响应函数值的特性,将Harris检测人工阈值改进为自适应阈值.然后在相似测度归一化互相关(NCC)粗匹配的基础上,根据图像间正确匹配角点对各自构成的四边形应满足四角相等的几何关系,采用有约束的随机抽样一致性(RANSAC)方法.实验结果表明:该算法避免了噪声的影响,使图像拼接具有适应性,对大面阵红外图像具有良好的拼接效果.     

基于相对定向和小区域融合的视频图像拼接

针对视频图像拼接中拼接面选取不当造成的畸变问题和图像融合阶段视差带来的残影问题,借助半角纠正法选取合适的拼接面,使用小区域融合法解决融合残影问题.首先,利用摄影测量的相对定向法计算图像姿态参数;然后,根据姿态参数对待拼接图像进行半角纠正并旋转到同一中介平面;接着,利用匹配的同名点对齐图像;最后,在图像重叠区域的中间部分选取一条形区域作为过渡区并采用渐入渐出法进行融合.实验结果表明,在双摄像头视频拼接系统中,半角纠正法比传统平面拼接法的畸变要小;同时与渐入渐出融合法相比,小区域融合法能避免由视差引起的大面积残影问题.经分析,半角纠正和小区域融合法能有效解决视频拼接中图像变换的畸变和重叠区域融合残影问题.