一种基于BRISK改进的SURF红外图像拼接方法

在红外图像拼接技术的实际应用中,除了追求较高的拼接精度外,还应尽可能地提高拼接速度以满足实时性的要求。本文结合红外图像拼接技术的实际应用需求,将BRISK二值描述子和Canny边缘检测应用于SURF红外图像拼接,提出一种改进的SURF红外图像拼接方法。改进的红外图像拼接方法在特征点提取阶段将SURF特征点检测、Canny边缘检测和BRISK二值描述子有效结合,生成边缘SURF-BRISK特征点;在特征点匹配阶段采用自适应阈值的层次聚类方法作为搜索策略,并采用RANSAC算法剔除误匹配的特征点;在图像融合阶段采用渐入渐出的融合方法消除图像拼接缝隙。实验证明,本文所用红外图像拼接方法在对复杂场景下的红外图像进行拼接时,有效地提高了配准精度和拼接速度。     

基于投影变换与SIFT结合的摆扫图像拼接技术

针对航空序列摆扫图像中心倾斜投影视角变化大的问题,提出一种基于中心投影变换与SIFT相结合的图像拼接方法。该方法首先根据摆扫机构提供的参数,结合中心投影构像方程计算出图像的投影变换矩阵,用于对序列摆扫图像进行校正;运用SIFT算法提取图像重叠区域的特征点,并采用欧氏距离进行特征点匹配;然后利用RANSAC算法剔除错误匹配点,并计算出变换矩阵对图像进行配准;最后采用渐入渐出的图像融合方法得到无缝拼接的图像。通过与传统图像拼接方法进行对比,实验证明文中提出的方法较大地提高了配准的精度以及拼接效果。     

利用目标直线边缘交点的某型航侦CCD相机图像拼接

针对某型航侦CCD相机图像序列之间的特殊变换关系,提出了一种基于目标直线边缘交点的图像拼接方法。该方法在将相机图像重叠区域分割为较小独立区域的基础上,首先使用Canny边缘检测算子提取各个区域中的边缘信息,并用Hough变换提取边缘中的直线边缘。其次通过提出一种依据直线极坐标参数的区域扩展和选择策略来选择包含完整目标的子图像区域,并提取该区域中目标直线边缘的交点。最终根据提取到的直线边缘交点坐标实现图像配准,且采用双线性插值法融合配准区域,实现了图像的无缝拼接。实际的飞行效果验证了该图像拼接方法的有效性。     

基于图像拼接和帧间差分输电线路图像分割方法

针对无人机载红外摄像仪拍摄的输电线路红外图像易于受背景信息干扰且不易于分割出输电线信息,提出了一种基于图像拼接和帧间差分相结合的算法,来实现输电线分割定位信息。采用基于SIFT的图像配准算法来实现图像拼接,再将得到的两幅图像的重合部分进行帧间差分,初步实现了输电线的分割;采用Canny算法,对分割得到的输电线进行边缘检测,采用霍夫变换检测出分割出来的输电线,最终对输电线定位。     

改进最佳缝合线的红外图像拼接方法

变电站场景的红外图像受噪声干扰大、纹理信息不明显,拼接过程中易出现拼接痕迹或重影现象。针对上述问题,本文提出一种改进最佳缝合线的红外图像拼接方法。该方法首先采用SIFT算法提取图像区域特征,实现图像配准;然后在两幅图像的重合区域上引入局部权重系数,并对图像颜色差异强度进行形态学操作,减少红外图像的噪声干扰,以此改善能量函数图的纹理信息。最后,利用动态规划改进缝合线搜索准则,在图像重叠区域搜索出最佳缝合线。实验结果表明,与渐入渐出法和最佳缝合线法比较,本文方法在拼接后图像的平均梯度、图像清晰度和图像边缘强度均有所提高,融合区域过渡更平滑自然,拼接痕迹明显减少。     

基于区域特征与灰度交叉相关的序列图像拼接

针对具有平移、旋转、缩放变换的序列图像连续拼接,提出一种将基于区域特征的配准算法和基于灰度交叉相关的配准算法相结合的拼接算法。该算法用迭代阈值分割算法提取区域．利用区域特征进行配准,建立初始的同名区域对;然后以同名区域对的质心点作为特征点,基于图像的灰度信息,选择交叉相关准则作为度量;最后得到图像间的精确变换关系,实现序列图像的拼接。实验结果表明,算法配准率高,鲁棒性强。     

基于红外面阵扫描图像的配准和融合

针对红外面阵扫描图像的连续拼接,提出了一种基于灰度特征的配准和融合算法。该算法首先利用Harris算子对待拼接图像的特定区域进行角点检测,并提出了一种自适应阈值方法,用于提取特征明显的兴趣点,同时限定兴趣点的个数;其次选择合适的窗口大小,利用互相关归一化(NCC)函数,对拼接图像兴趣点邻域灰度范围进行图像匹配,获得图像变换关系;最后提出了一种基于双线性变换和渐入渐出相结合的图像融合算法。结果表明,自适应阈值角点检测后的兴趣点特征明显,分布均匀且数目被阈值很好地约束,图像配准精度高,采用本文融合算法后的拼接图像,重叠区域过度平缓,不存在拼接缝和灰度跳变现象。     

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ROI的高精度红外全景拼接算法研究

针对红外图像空间分辨率低、视场窄,导致图像配准率低、实时性差的问题,提出一种基于感兴趣区域(ROI)的高精度红外全景拼接算法。该算法首先根据两张相邻图像的近似位置关系,求取图像间的ROI;接着,在ROI窗口中提取尺度不变特征变换(SIFT)特征点并将其作为运动目标,结合KLT(Kanade-Lucas-Tomasi)实时跟踪算法确定待配准图像中特征点的位置信息并进行匹配;然后采用随机采样一致性(RANSAC)算法剔除误匹配点对;最后利用像素级融合法消除拼接痕迹,合成一幅分辨率稳定、视场宽的红外全景图像。经实验验证,该算法与传统SIFT算法相比,配准率提高了3.491%,运行时间约提高了50%,能够准确、有效地实现多帧红外图像的无缝拼接。     

遥感影像图像拼接算法研究

针对高分辨率遥感影像的图像特点,采用SURF特征算法实现对图像的快速拼接。该方法利用SURF算子提取特定区域的图像特征;并应用图像的几何特征做进一步的特征点筛选,以提高图像拼接效率,减少计算误差;利用RANSAC配准算法对图像进行配准,以消除误匹配;对于光照不均匀情况,致使拼缝图像插值不均匀,可采用三次样条插值法处理,使拼接后图像整体更符合人眼评价标准。     

基于Harris图像拼接的全景视频稳像算法

对于背景变换和抖动分量比较小的视频序列,传统稳像算法不能直接适用,本文提出一种基于Harris图像拼接的全景稳像算法。首先采用Prewitt算子提取出图像的边缘信息,在此基础上进行分区的Harris特征点检测;然后结合NCC（normalized cross correlation）算法与RANSAC（random sample consensus）算法实现图像间的特征点精确匹配,接着利用加权平均融合的方法进行图像融合;最后对融合后的全景图像进行剪裁,完成图像补偿,输出稳定的视频序列。实验结果表明:改进的Harris算法提高了算法效率以及正确特征点数量,并且本文稳像算法实时性较好,能够有效消除视频抖动并输出稳定的视频序列。     

基于Dense SIFT兴趣点提取的红外与可见光融合

为解决红外与可见光图像融合时易产生伪影且目 标受背景、光照等因素干扰损失目标信息的问题,提 出一种基于Dense SIFT的改进区域融合方法。首先,分别对红外与可见光图像进行Dense SI FT处理获取 对应的初始融合决策图;然后通过对红外光图像进行兴趣点提取、去游离处理等操作得到最 终待映射区域; 最后分别对红外与可见光图像目标区域和映射后背景区域采用不同融合规则进行融合获取最 终结果。经试 验验证,本文方法能够更加准确的提出目标区域,简单快速,并在第二、三组实验结果中将 信息熵提升0.6以上,具有有效性。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点, 而导致图像匹配过程中运算量大、效率低的问题, 提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息, 在此基础上利用SIFT算法提取特征点, 这样能够减少冗余特征点, 以有效提高算法匹配效率。实验测试结果表明, 该算法与传统的SIFT算法相比, 冗余特征点少, 特征点匹配效率提高到98.04%。     

基于像素失真耦合边缘特征融合的无参考质量评价

为了适应多种类型的模糊图像进行质量评价,提高评价模型对图像模糊和振铃的洞察能力,提出了一种像素失真与边缘特征融合的无参考质量评价算法.首先,根据像素失真理论,计算图像像素的标准差和绝对差分值,提取图像的像素特征;然后,计算图像水平和垂直方向的过零率,并利用边缘保持滤波器对图像边缘信息进行测量,精确提取图像的边缘特征;最后,利用提取的像素特征和边缘特征,定义特征融合函数,并引入粒子群优化(PSO)对融合函数参数进行优化,提高对图像模糊和振铃的洞察能力,根据融合特征构建图像质量评价模型.与当前无参考质量评价算法比较,所提算法能够有效地对JPEG(Joint Photographic Experts Group)、JPEG2000(Joint Photographic Experts Group 2000)、模糊等失真图像进行质量评价,评价指标CC(Correlation Coefficient)与SROCC(Spearman Rank-order Correlation Coefficient)达0.9477和0.9153.该算法与主观评价方法具有较好的一致性,能够较好地适用于多种类型的失真图像评价.     

基于双引导滤波的红外和可见光图像融合算法

图像融合是将多幅图像中有用或互补信息整合成一幅图像的过程。本文提出了一种基于引导滤波多尺度分解的红外和可见光图像融合算法。在传统的引导滤波图像融合算法的基础之上,利用双引导滤波器代替均值滤波器将源图像分解为小尺度纹理细节、大尺度边缘和基础图像;直接利用纹理细节及边缘层图像构建显著性映射图,用其代替额外的特征提取操作,可很好地突出源图像显著性信息的同时大大降低算法复杂度;利用显著性映射图、Sigmoid函数构造权重图,将源图像中具有视觉意义的信息注入到融合图像中;利用色彩模型转换融合方式,可更好保留图像的色彩信息。定性和定量实验结果证明,相比于传统的基于引导滤波的图像融合算法,本文算法的融合效果得到进一步提升。     

Light field all-in-focus image fusion based on spatially-guided angular information

Compared to traditional 2D images, light field images record both spatial and angular information of the scene, which can provide more data for image fusion. In this paper, a light field all-in-focus image fusion algorithm based on spatially-guided angular information is proposed. In the proposed method, the initial weight maps carrying the angular information are calculated by comparing the block variance of the 4D light field data. The initial weight maps are then guided by digital refocused images carrying the spatial information to obtain the refined weight maps. In the refocused image multi-scale decomposition, the micro-lens calibration error is considered and the additional edge layers are extracted to suppress the edge artifacts. Experiments demonstrate the effectiveness of the proposed algorithm. Quantitative evaluation results show that the proposed algorithm performs the best in the feature-based index and structural similarity-based index without sacrificing the information and perceptual sharpness of the fused image.     

小波变换和形态学相结合的图像融合新算法

针对边缘模糊导致图像融合质量下降,结合小波变换方法和数学形态学方法各自的优势,提出了一种将小波变换和数学形态学理论相结合的图像融合算法.针对高频系数融合,选用绝对值取大法,并适当地增强边缘;针对低频系数融合,对低频子图像运用形态学方法获得边缘灰度图像,若边缘灰度图像中该点像素值在153～255之间,标记该点为边缘点,选用区域空间频率取大法融合边缘点处对应的低频系数;若该点像素值在O～152之间,标记该点为非边缘点,选用平均法融合非边缘点处对应的低频系数.实验结果证明,该算法的融合质量得到了进一步改善和提升.