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.     

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。     

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.     

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.     

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.     

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。     

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。     

融入曲率尺度空间算法的图像配准方法

为了满足图像配准对于实时性的要求,提出融入曲率尺度空间算法的图像配准方法.首先使用曲率尺度空间算法提取图像角点特征,然后使用改进的加速稳健特征算法生成64维角点特征描述子向量并将描述子向量降维到24维,最后使用改进的相似性距离算法和随机采样一致性算法进行匹配.仿真实验一表明:在图像配准准确度方面与传统尺度不变特征变换算...     

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SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

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SURF算法的汽车底盘异物检测

针对汽车底盘数字图像数据量大、计算耗时长这一难题,构建了汽车底盘数字图像智能异物识别总体结构,提出并实现了基于SURF算法的汽车底盘异物检测。首先利用SURF算法提取特征点并进行匹配,根据匹配得到的单应性矩阵对待测图进行校正,得到标准图与校正图的差分图,然后对差分图进行增强对比度、阈值处理和边缘跟踪,最后标记处异物的位置和大小。实验结果表明,所提出的算法能有效检测出汽车底盘所携带的异物,并能达到系统实时性的要求。     

基于动态规划算法的数字图像变位压缩技术探究

在众多数字图像的压缩编码技术中,变位压缩编码技术是基于动态规划算法,它可高效解决许多算法无法解决的问题。在用动态规划算法解决实际问题时,把相互关联的重叠子问题只求解一次,把其状态存入一个二维表中,如果有相同或相似的问题可以直接从二维表中取出结果,减少了重复,提高了效率。