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。     

基于改进SRS-RANSAC图像配准算法

针对目前图像配准算法存在的配准时间较长、配准正确率低等问题,本文提出一种基于改进分层随机选择一致性(Stratified Random Selection Random Sample Consensus,SRS-RANSA)的图像配准算法.首先,通过ORB(Oriented FAST and Rotated BRIEF)算法对参考图像进行特征点提取;其次,采用最小距离法初步过滤匹配中存在的误匹配数量;最后,随机抽样一致性(RANSAC)框架中通过分层随机选择(SRS)提取分布相对分散且均匀的特征点,进一步过滤掉初始匹配中存在的不匹配特征点,实现提高配准正确率的同时缩短运行时间.通过本文算法与其他算法在Oxford标准图集和现实中拍摄的图像进行实验对比,结果表明,本文算法在匹配正确率与运行效率上有所提高.     

基于平滑约束和聚类分析的图像配准算法

针对随机抽样一致性(RANSAC)算法在特征点匹配中存在的精度低、稳定性差等问题,提出了一种基于平滑约束和聚类分析的图像配准算法.首先,利用邻域匹配特征点的尺度信息及空间角度顺序构建平滑约束,将初始匹配点划分为高内点率的抽样集和高内点数的验证集;然后,通过反复抽样和模型检验求解暂定内点集,并对其进行聚类分析,根据聚类中...     

基于特征点的图像配准技术探讨

图像配准是图像融合、运动目标检测中的关键技术之一.近年来国内外出现了各种新颖的配准算法,但均有各自的应用局限,只能适用于特定的场合.该文章从图像配准的一般原理出发,对目前主流的配准方法进行综合的分析和讨论,归纳其优缺点及其应用场合,并展望了图像配准算法的未来发展趋势,对相关领域的研究具有一定的指导意义.     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度.基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的.目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准.该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数...     

基于良分布的亚像素定位角点的图像配准

针对Harris检测出的角点位置会发生偏移和易产生伪角点,以及在角点匹配过程中计算复杂,容易产生误匹配等缺点,该文提出了基于良分布的亚像素定位角点的图像配准方法。该方法首先使用多尺度Harris算子检测图像的角点作为初始兴趣点,并采用自适应非极大值抑制对兴趣点的数量进行限制,以减少后续过程的计算复杂度,提高算法效率,同时使得角点在图像中处于良分布状态。然后利用亚像素定位技术进行精确定位,排除伪角点和不稳定的角点。最后使用随机抽样一致性算法对初始匹配进行鲁棒的模型参数估计。实验结果表明算法配准效率改进明显,并具有良好的精确性和鲁棒性。     

基于广义特征点匹配的全自动图像配准

该文针对图像配准中用到的特征点提出了狭义特征点和广义特征点两个范畴。广义特征点是针对区域特征定义的, 可以有各种不同的定义方法。该文建议了一种广义特征点的定义和自动提取算法。该算法以多尺度小波变换来定位图像中的强棱边点,以局部区域的复杂性和非周期性约束最终检测广义特征点。该文采用两个步骤建立广义特征点之间的对应关系。正确匹配的特征点对作为控制点,以最小化控制点处的均方根误差方法求得用于配准图像的仿射变换参数。用一个迭代机制进一步修正控制点的位置,从而达到最佳的配准精度。多种实验结果展示了该文方法的配准效果。     

基于BRISK特征匹配航拍图像自动配准方法

针对航拍图像存在平移、旋转、尺度和亮度变化的问题,提出了一种新的基于二进制鲁棒不变尺度特征(BRISK)的快速图像自动配准算法.首先提取BRISK特征点,其次采用引导互匹配策略得到初始匹配点对,然后采用预检测的随机抽样一致(RANSAC)算法剔除误匹配点对,最后用最小二乘法求出帧间的变换模型参数,采用双线性插值得到配准后的图像.实验结果表明,该算法不但满足配准精度的要求,而且运行速度远远快于SURF算法,具有一定的理论和应用价值.     

基于特征点匹配的图像配准研究

立体显示技术中立体图像对虚拟场景的构建至关重要,现有的立体图像配准技术可能导致图像扭曲、变形。结合SURF算法和RANSAC算法,根据SURF算法对图像进行特征点检测;计算各特征点的Haar小波响应系数以确定特征点主方向和特征矢量;通过特征矢量的欧氏距离来判断特征点的匹配性,找出相邻最近的匹配点;最后利用一种改进的RANSAC算法剔除错误的匹配点。实验结果表明,基于SURF算法和改进的RANSAC算法的图像配准方法提高了特征点匹配度和精确度,能有效改善图像配准的变形问题。     

基于DLBP特征的FLIR图像匹配方法

针对FLIR复杂地面目标无直接可用基准图、背景干扰严重、目标与背景灰度差异小、不利于匹配识别的问题提出了一种新的方法.在现有高程数据、正射影像、目标区可见光纹理数据的基础上生成目标区场景的参考图像,并在FLIR实时图中检测出候选目标区域.通过分析FLIR图像与可见光图像纹理,可知其具有一定的相似性.因此,基于局部二值模...     

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。     

一种基于SIFT的改进优化特征匹配算法

尺度不变特征变换即SIFT算法存在实时性差,易误匹配等固有问题,本文针对性地提出了特征描述符降维处理和匹配优化解决方案,得到一种能满足更高实时性和精确性需求的特征匹配算法.通过使用特征点为中心的9个同心圆环梯度累计值,构建72维特征向量,进行特征描述符降维,达到简化特征描述的目的,从而减少描述符的生成和匹配时间.此外,结合匹配点择优筛选和RANSAC算法匹配提纯,有效地减少了误匹配.实验表明:改进优化后的特征匹配算法既显著地提高了特征匹配精确度,又改善了算法自身实时性.     

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、实时性差的问题,本文提出了一种基于区域分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子的特征描述方法对原始特征点进行描述,获得具有尺度不变性的特征点描述符,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。本文针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。     

基于特征点匹配的电子稳像算法研究

针对基于特征点匹配的电子稳像算法中,SIFT算子计算量大,Harris算子检测不稳的问题,提出用Harris算子来进行特征点提取,并采用SIFT特征描述的方式对提取出的特征点进行描述,从而寻求算法在计算复杂度和匹配精度上的平衡点;在特征点匹配过程中加入RANSAC准则,以提高配对的准确性。仿真实验表明,本文算法对存在抖动的红外视频具有较好的稳像效果。     

基于MMI的存在旋转的异类图匹配方法

为了解决存在旋转的异类图匹配问题,在互信息（MMI,Maximum of Mutual Information）匹配方法的基础上,利用穷举法在参考图中找出实时图的对应匹配位置,并作为控制点,利用模型以及最小二乘方法找出两幅图像的对应关系。利用参考图的旋转变换较好地解决了存在旋转的异类图匹配问题;把控制点理论应用于灰度匹配得到的匹配点;把景象匹配的新成果（MMI）用于解决旋转异类图匹配。仿真实验表明此方法可较好地解决存在旋转的异类图匹配问题。     

基于特征点的红外与可见光图像配准研究

提出了一种基于特征点的红外和可见光图像配准方法。首先根据边缘图像的结构分别提取红外图像特征点和可见光图像特征点,其次根据结合了形状结构和灰度、梯度角信息的配准准则寻找两幅图像的对应特征点,最后利用三对特征点根据刚体变换得到图像的缩放倍率、旋转角度和平移坐标,从而实现两幅图像的配准,并通过实验给予了证明。     

基于图像中心矩和特征向量的目标识别方法

单独使用中心矩进行目标识别,不仅算法耗时,而且效果也不理想。针对这个问题,提出了一种基于图像中心矩和特征向量相结合的目标识别方法,该方法具备了中心矩和可见光图像特征量各自的优点,降低了特征空间维数。通过引入匹配模板特征向量之间的欧式距离,进一步降低了算法的复杂度,提高了系统识别的速度,算例仿真验证了本方法的有效性和实时性。