基于特征点匹配的三维点云配准算法

三维点云配准在逆向工程、机器人导航、物体形状检测和三维重建等领域有着十分广泛的应用。针对预先没有任何信息的三维点云数据配准问题,提出了一种基于特征点匹配的三维点云配准算法,根据点云区域法向量的分布特征提取特征点集,接着对特征点集采用快速点特征直方图(FPFH)进行描述,然后对FPFH特征使用双向最近邻距离比匹配方法实现初始配准。最后采用自适应收敛阈值的迭代最近点算法,对理想成像的特点进行分析,预先设置配准收敛阈值,能够有效地减少迭代次数,以此来实现更加快速、准确的点云精确配准。实验仿真结果验证了该方法的有效性。     

基于角点检测的图像快速配准改进算法

图像配准是计算机视觉检测的关键步骤之一。提出了一种基于边缘特征的角点检测算法,该方法计算简单、速度快,便于硬件实现及实时处理,同时也提高了传统该类算法的可靠性,实验结果表明,该算法有较大的实用性。     

一种改进的快速全景图像拼接算法

全景图拼接是将具有共同部分的多幅图像进行组合,实现一幅全景图的过程.针对基于传统SIFT(scale-invariant feature transform)算法全景拼接中的特征点匹配计算消耗时间过长和存在冗余错误的不足提出了改进.其中,传统算法的特征点匹配计算是基于KD-tree算法的树结构,由近及远地逐个查找并计算特征点的匹配度;改进后的最近邻搜索算法(best-bin-first,BBF)是先根据每个特征点的多维度分量特性对其进行优先级排序,查询时总是从优先级高的开始,来提高匹配计算效率.冗余错误问题则是通过随机采样一致算法(RANSAC)的优化迭代计算错误概率,代替传统方法的阈值筛选法来减低错误匹配点的出现次数.实验中分别对简单纹理图像和复杂纹理图像进行了拼接实验并与原算法比较,证明本算法的拼接精度和时效性的提升.     

一种基于特征融合的点特征目标跟踪算法

联合目标的颜色和纹理特征,构造了由目标的颜色和纹理特征联合表示的特征点目标表示模型,利用Mahalanobis距离构造特征点匹配函数,利用自适应kalman滤波(AKF)算法预测特征点在下一帧图像中的位置,通过特征点匹配准确定位目标,达到实时、准确跟踪的目的。实验表明,该方法对于光线变化,目标形状相似以及目标被部分遮挡时的跟踪是有效和稳健的。     

一种改进的SIFT血管图像特征匹配算法

基于特征提取的图像配准在医学领域得到广泛的应用。为了将尺度不变特性变换算法更好地运用到血管图像特征提取与匹配中去,根据血管图像特点,采用曲线拟合确定合适的低对比度阈值,并为了提高SIFT算法的处理速度以及匹配准确度,对SIFT算法的特征描述子进行降维处理,在特征点匹配阶段采用基于模比较的匹配方法,通过对比特征点描述向量模的关系寻找匹配点。实验结果及数据表明：改进后的算法在提高匹配速率和降低误匹配率方面均有提高,对临床血管疾病治疗有重要意义。     

一种基于曲线拟合的柱面图像匹配算法

传统的RANSAC误匹配剔除算法对柱面图像误匹配剔除效果较差,为了解决这一问题,提出一种基于曲线拟合的误匹配剔除算法.首先对两幅图像进行SURF特征提取并采用最近邻匹配法进行粗匹配,然后将匹配点对集合按照所在列数的大小进行排序,最后将每个匹配点对两个特征点所确定的直线的斜率集合、欧式距离集合分别进行曲线拟合从而剔除误匹配.实验证明,提出的基于曲线拟合的图像匹配算法明显增加了剔除误匹配后靠近柱面图像边缘部分的匹配点数量,提高了柱面图像匹配的精度.     

基于AKAZE算法的图像拼接研究

针对基于KAZE特征检测的图像拼接算法实时性问题,提出一种简单有效的AKAZE拼接算法。该算法首先通过AKAZE算法提取图像特征点,接着计算M-LDB描述符从而生成特征向量。随后计算特征向量之间的汉明距离,提取出匹配的特征点对,然后利用RANSC算法估算全局单应性矩阵,根据动态线性变换算法求取重叠区域局部投影关系,结合两者统一投影平面,最后利用加权融合实现两幅图像的拼接。对KAZE、SIFT、SURF、ORB、BRISK进行性能实验比较,所用算法不仅对于高斯模糊、角度旋转、尺度变换和亮度变化等情况下保持良好的性能,而且处理时间大大缩短,实现了有效的图像拼接。     

一种基于图像特征的稳健水印算法

本文提出一种基于图像特征的抗几何攻击的稳健水印算法。算法首先用Harris检测器提取图像的特征点,进行Delaunay分割的图像分解,然后水印信号经过图像的视觉掩蔽分析嵌入图像的特征区域,水印图像保持了很好的感知质量,算法检测水印不使用原始图像。由于图像的特征点在经过几何攻击后仍可以保持,这样就很好地解决了水印的同步问题,增强了水印的稳健性。实验结果表明算法可有效的抵抗旋转,尺度变换,有损压缩等各种攻击。     

基于降采样和改进Shi-Tomasi角点检测算法的PCB图像拼接

针对大型多重复单元PCB图像拼接耗时长、拼接错误率高等问题,提出了一种快速鲁棒的图像拼接方法.对采集到的高分辨率PCB图像进行降采样,基于人工选点精准获取含重叠区域的图像单元作为配准区域;引入抑制半径的方法对Shi-Tomasi角点检测算法进行改进,使提取出的区域特征点分布更加均匀;使用暴力匹配方式分别对区域特征点进行粗匹配并通过RANSAC算法剔除误匹配点对后获得配准系数矩阵;结合仿射变换公式推导计算出原图像的配准系数矩阵,根据配准系数矩阵对待拼接的图像进行融合,得到完整的PCB拼接图像.实验结果表明,所提出的PCB图像拼接方法,加快了PCB图像拼接的速度同时也提高了特征点匹配精度,在对图像降采样8倍下,改进的Shi-Tomasi算法较传统的Shi-Tomsi算法和Harris算法在匹配正确率上分别提高了7.8％和4.0％,验证了该方法的可行性.     

基于改进SURF算子的彩色图像配准算法

为了解决传统SURF算法存在的问题,提高彩色图像配准的精度和准确率,提出一种双向邻近匹配的彩色图像配准算法。该算法对传统的SURF描述符进行改进,将图像的色彩信息叠加在只包含灰度信息的传统SURF特征描述符上,组成改进的SURF特征描述符,以增强彩色信息对配准的影响,提高配准的准确率;采用FLANN算法搜索匹配点对,并对匹配点对进行双向邻近匹配,以提高搜索效率和匹配精度;利用改进RANSAC算法剔除匹配错误的特征点对,以进一步优化匹配结果。实验结果表明,该算法能够有效地提高彩色图像配准的精度和准确率,具有较好的鲁棒性和图像变换适应性。     

基于SIFT算法的疵病图像配准

光学技术的发展对光学元件提出了更高的要求,检测的精度和准确性是其重要的部分,而疵病图像的配准是一个很重要的环节,因此对疵病图像的配准进行研究很有必要。针对疵病图像配准算法进行了阐述,并对基于特征点匹配的SIFT算法的原理及过程进行了介绍,用MATLAB软件进行编程,搭建实验平台获取疵病图像,并采用尺度不变特征变换（SIFT）算法对所获取的疵病图像进行配准、拼接,得到了完整的疵病图像。实验结果表明,该算法能有效地对疵病图像进行配准,为后续的疵病信息提取打下良好的基础。     

基于改进SURF算法的遥感图像配准

SURF算法用于遥感图像配准具有更好的鲁棒性和更高的效率。但由于遥感图像通常包含较多的重复特征,进行配准时容易产生误配,导致拼接图像出现重影和不精确。针对该问题,运用GTM方法对SURF算法进行改进后用于遥感图像配准。结合特征点的位置信息,分别构建特征点的图形,通过迭代使待配准图像的特征点图形一致,去除误配点。实验结果表明,使用改进后的算法进行遥感图像配准能有效去除误配点,实现准确匹配,从而实现正确拼接。     

基于特征向量提取的点云配准算法

为提高现有配准算法精度和配准效率,提出了一种基于点云特征向量提取的点云配准算法。该算法利用点曲率和邻域内点数量作为综合判据筛选特征点,然后对特征点进行主成分分析提取特征向量,利用特征向量变换关系求解待配准点云之间的变换矩阵实现粗配准,精配准阶段创建点云k维二叉树,通过k维二叉树最近邻搜索来提高ICP算法精配准效率。为验证算法的有效性,将本文算法与多种配准算法在公开数据集Bunny和Horse以及实测环境点云数据进行配准实验对比分析,实验结果表明,计算时间相较于ICP算法减少60%,所提算法具有良好的精度和配准效率。     

CT和信息缺失CBCT图像变形配准方法研究

研究一种应用于自适应放射治疗中的CT和信息缺失锥形束CT(cone-beam CT,CBCT)图像的图像变形配准方法。通过构建及求解联合迭代重建与配准的能量函数,将CBCT全部投影图像信息以迭代前向投影与反投影的形式融入变形配准模型,同时完成CT与CBCT在投影域和图像域的匹配。分别利用5套临床头颈部肿瘤病人图像模拟CBCT截断和1套胸腹部肿瘤病人图像数据对算法进行了验证,实验结果表明,该方法能有效、精确完成CT和信息缺失CBCT图像之间的变形配准。图像变形配准是自适应放疗中的关键技术,对于减少放疗分次间病人的CBCT受照剂量以及提高放射治疗计划重设计精度具有较好的临床应用价值。     

基于尺度限制SURF的图像配准

图像配准是数字图像处理中一个重要研究领域,是图像拼接、图像超分辨率重建的基础,基于尺度不变特征的图像配准已成为最近几年的热门研究领域,SURF算法是其中之一.对于具有尺度差异（SD）同时满足仿射变换的图像,传统SURF算法存在较大误匹配,从而影响最后的配准精度.针对误匹配问题,采用基于尺度限制（SR）的SURF算法并利用样本统计的方法来剔除误匹配,实验结果表明基于尺度限制的SURF算法能够有效的剔除误匹配,从而提高图像配准的精度.     

一种优化的图像配准算法

为了降低传统尺度不变特征变换(SIFT)算法的特征点检测与匹配的时间复杂度,提出一种优化的图像配准算法,即采用Trajkovic算法检测特征点,并采用SIFT算法的分配描述符方法分配特征点描述符参数,再用稀疏降维原理对特征点描述符参数进行降维处理,最后,采用基于双向匹配的相似性度量算法进行特征点匹配。模拟实验选择检测图像的特征点数、匹配对数、正确匹配对数、匹配正确率、配准时间与配准时间下降率6个指标作为评估标准,结果表明,优化算法在特征点配准正确率方面与传统SIFT算法相当,但在特征点配准速度方面有明显提升。     

基于亚像素红外与可见光图像配准方法

为了提高不同分辨率的红外与可见光图像配准的精度,提出了一种基于亚像素纠正的红外与可见光自动配准方法.采用了Shi—— Tomasi角点检测器和Taylor多项式将角点的坐标纠正到亚像素级,在六参数仿射变换模型基础上采用改进的Hausdorff距离进行精确匹配.与传统方法比较,该方法提高精度10％左右.实验表明,该方法配...     

基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。     

基于改进频域配准算法的图像超分辨率重建

图像配准是图像超分辨率重建的必要步骤,也是对重建效果影响最大的关键步骤。频域相位相关的配准算法具有抗噪声性能好和运算量小等优点,本文基于相位相关方法,提出了只对频域未受混叠影响的部分进行参数估计的配准算法。首先利用低通滤波器过滤低分辨率图像的混叠信息,然后对低分辨率图像进行傅里叶变换,再对其变换后的幅值进行极坐标变换,使其互功率谱经傅里叶反变换后为二维脉冲函数,通过二维脉冲函数的位置来得到配准参数。仿真实验表明本文方法有良好的配准精度和重建效果。