共查询到19条相似文献,搜索用时 62 毫秒
1.
基于序列图像特征配准的摄像机旋转补偿算法 总被引:5,自引:4,他引:1
提出了一种基于序列图像特征点配准和基于最小二乘估计的摄像机绕轴旋转运动精确估计算法.该算法利用序列图像帧间的强相关性,通过分析相邻两帧图像的运动,由Harris算子进行特征点检测.基于这些特征点用模板匹配方法对帧间图像进行配准,然后根据多个特征点的运动矢量用最小二乘估计获得摄像机的运动参数,并用获得的运动参数实现对摄像机绕轴旋转运动的精确补偿.实验结果表明,该方法在帧间旋转角度<10°时,摄像机绕轴旋转运动角度估计误差<5%,但是当旋转角度>14°时,相对估计误差>20%.从系统实际应用(帧间旋转<5°)来看,该方法克服了成像测量中摄像机旋转对图像处理和测量精度的影响,弥补了因像机旋转引起的测量误差大的缺陷,提高了测量精度,可满足使用要求. 相似文献
2.
3.
4.
基于Fourier-Meliin算法的干涉图像配准 总被引:3,自引:0,他引:3
提出了采用Fourier-Mellin算法对大孔径静态干涉成像光谱仪的原始干涉图像进行配准的方法,用于校正由于推扫平台系统姿态不稳所造成的失真.采用Fourier-Mellin算法和相位相关算法求取干涉图像的旋转角度和缩放及平移参数,并通过多帧未校正的图像和校正后的图像分别拼接成大面积地域图像来验证算法.实验结果表明,通过人眼判断,可以实现对图像的配准,配准精度达到1Pixel,基本满足将LASIS原始干涉图校正为不失真图像的要求. 相似文献
5.
一种基于最小均方差理论的散斑图像亚像素配准算法,是按线性估计理论推导目标函数的解析解,利用刚体位移模型和散斑图像仿真模型生成5组40帧长斑图像序列,分别在无噪声干扰和加性高斯噪声干扰下对算法进行实验验证。实验结果表明,在无噪声干扰下,图像序列的位移轨迹具有较好的线性度,且系统误差和随机误差较小。在不同噪声水平干扰下,当信噪比为10dB时,该算法失效;而当信噪比不低于20dB时,噪声对配准结果的影响随着信噪比的增加将逐渐减弱。 相似文献
6.
对于地面目标变化检测,由于周围环境的复杂性及多变性,如果不进行较高精度的图像配准,将导致错误的目标变化检测。针对此问题,文章提出了一种基于轮廓提取的图像配准技术,依据边缘检测提取图像的边缘,进而得到图像轮廓之后,找出配准点进行图像配准。仿真实验证明,基于轮廓提取的图像配准技术,能更加有效地观察地形,消除图像之间的位置差异,准确地判断地面目标。 相似文献
8.
改进Demons算法的非刚性医学图像配准 总被引:4,自引:0,他引:4
非刚性配准是医学图像处理的一个重要的研究方向。基于光流场模型的Demons算法由于仅依赖图像灰度梯度使图像变形,当缺乏梯度信息时图像的变形方向不能确定,因而容易造成误配准,且该算法只适合于单模态图像配准。本文针对最大互信息配准方法在多模态刚性配准中的成功应用,提出了一种可用于多模态图像配准的改进Demons算法。该方法在原有驱动图像变形力的基础上,增加两幅图像间互信息对当前变换的梯度作为附加力作用,使浮动图像向两图像间互信息增大的方向变形,正确地配准图像。为避免陷入局部极值并提高算法的运行速度,该方法在多分辨率策略下实现。使用单模态、多模态图像分别进行实验来验证此算法,并与原始Demons算法进行比较,实验表明,该方法能够快速地产生准确的配准变换。 相似文献
9.
11.
基于角点检测的图像匹配算法 总被引:8,自引:0,他引:8
针对红外图像与可见光图像之间特征点匹配难的问题,提出一种新的基于角点检测的图像匹配算法.首先基于曲率尺度空间检测图像在不同尺度下的角点,利用泰勒级数剔除伪角点以明确特征点的位置与数量;其次在构建特征点梯度向量时为避免红外与可见光图像梯度的翻转,对特征点邻域部分梯度方向进行角度限制修正并对梯度方向采用就近投影,进而统计梯度方向直方图以确定特征点的主方向,并构造一个64维的特征点描述子进行归一化处理;最后利用极线约束原则减少搜索范围,设计双向匹配方法实现特征点匹配.实验表明该算法能够有效进行红外与可见光图像的匹配,在旋转、噪声干扰、尺度缩放、亮度变化的情况下具有较好的匹配效果. 相似文献
12.
基于模板抽样的快速图像匹配算法 总被引:11,自引:5,他引:6
为了提高图像匹配速度,满足某些领域的实时性要求,提出了一种快速图像匹配算法.该算法利用Sobel边缘算子得到模板的灰度边缘图像,并对该边缘图像进行抽样以提取匹配点,从而显著减少匹配过程的计算量.利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,进一步减少了匹配过程的计算量.在此基础上引入精确匹配环节,找出了目标子图像的精确位移及旋转角度.将该算法应用于全自动金丝球焊机的图像识别系统,在主频为1GHz的工控机上实现该算法,匹配时间平均约为37ms,小于系统在60ms内进行匹配的要求,连续多次实验算法均能精确匹配目标的概率为93.8%,满足该系统的实时性与精度要求,取得了理想的效果. 相似文献
13.
基于非下采样Contourlet变换系数直方图匹配的自适应图像增强 总被引:1,自引:0,他引:1
由于非下采样Contourlet变换(NSCT)域图像增强方法需要手动调节参数,无法实现自适应增强,本文将直方图均衡化和NSCT域增强相结合,提出了一种基于NSCT系数直方图匹配的自适应图像增强算法。该算法首先对低对比度含噪原图像进行直方图均衡化,然后对原图和直方图均衡化后的图像分别进行NSCT分解,得到低频子带系数和各高频方向子带系数。对低频子带,将原图的低频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。对各个高频子带,则先进行阈值去噪,再将原图的各个高频子带系数直方图匹配到直方图均衡化后图像的对应系数直方图上。最后,经NSCT重构得到增强后的最终图像。实验结果表明,本文方法增强效果明显优于直方图均衡化,与Contourlet变换增强法相比,实验所采用的两组图像的图像评价函数(EMEE)值分别提高了24.05%、16.97%、13.29%和20.63%,且与NSCT域非自适应增强法(人工选取参数)的处理效果相当。该方法无需手工调节参数,具有自适应性和实用性强的优点。 相似文献
14.
联合块匹配与稀疏表示的卫星云图修复 总被引:3,自引:0,他引:3
针对卫星云图在接收及传输过程中受噪声、大气湍流、太阳风暴及卫星轨道漂移等影响造成的云图数据破损,提出了一种联合块匹配与稀疏表示的卫星云图修复方法。首先,根据破损区域的优先权值确定待修复像素,对该像素的邻域进行分块处理。然后,利用待修复块与各匹配块之间的结构相似度,建立相应的冗余字典;通过求解稀疏表示问题修复该破损区域。最后,沿着等照度线不断更新优先权值,实现整幅图像的修复。实验结果表明,提出的方法不仅能避免传统偏微分方程(PDE)修复法所导致的结构丢失,也能很好地改善基于纹理填充修复方法所导致的修复不足及块效应现象。测试结果显示:在云图存在局部区域缺失时,修复后云图的峰值信噪比(PSNR)比匹配追踪法及总变分法的修复结果平均提高了8.50dB和0.28dB,而且在纹理细节及边缘区域具有更好的视觉效果。 相似文献
15.
针对尺度不变特征变换(SIFT)算法所提取图像特征点数量少、误匹率高的问题,提出了一种基于高光谱图像的改进SIFT算法。首先,依据传统SIFT算法中高斯金字塔的构造思想,结合在不同波段下的高光谱图像具有相同宏观特征的特点,首次用高光谱图像作为原始算法中经高斯变换产生的图像,使得检测到的具有实际意义的特征点数量大幅增加;其次,传统SIFT算法以及大量的改进方法都只通过目标象元邻域范围内的像素信息来构造特征描述符,而忽略了像素点的位置信息,文中将目标象元的位置信息纳入了特征描述符,在特征描述符的匹配阶段,在利用邻域范围内的像素信息进行粗匹配之后,利用特征描述符中的位置信息进行精细匹配。仿真实验结果表明在限定最优值与次优值之比的情况下,采用高光谱图像构造高斯金字塔的方式能显著增加特征点的提取数量,更多地挖掘出图像中的极值点;在特征描述符中加入目标象元的位置信息作为特征点匹配第二阶段的判断依据,正确匹配数量达到原方法的59倍以上,极大提升了算法的匹配性能。 相似文献
16.
为解决橡胶栓检测中图像的自适应旋转这一难题,将图像识别中的最小距离匹配方法引入图像旋转,并利用迭代法实现了旋转匹配过程。首先,将旋转角度为0°的标准图像存储为模板,然后计算待检测图像与标准模板间的距离,再利用迭代运算使图像不断转动,减小图像与模板间的距离,直到该距离小于某一给定值。在原始的迭代算法的基础上,还提出了一种简化的迭代算法,在保证旋转精度的前提下具有更快的运算速度。实验结果表明,基于迭代匹配的橡胶栓图像自适应旋转方法精度高,计算速度快,能满足橡胶栓实时检测的要求。 相似文献
17.
考虑全局运动估计算法对电子稳像系统准确性和实时性的影响,提出了改进Noble算子匹配的电子稳像算法。该算法通过区域预选、特征匹配、参数求解和运动补偿四步操作稳定抖动视频。首先,根据全局运动一致性的特点,采用子块间的绝对差值提前剔除部分不可靠区域,并改进传统Noble算子的全局阈值部分,根据区域梯度均值自适应调整阈值,检测各保留区域的角点,以保证图像特征的空间均匀性分布;其次,根据特征点的邻域信息构造梯度方向描述子进行粗匹配运算,并利用最近邻次近邻比率和均值距离准则两步操作优化匹配集合;然后,结合运动模型求解全局参数;最后,选择卡尔曼滤波过程完成抖动图像的补偿处理。Matlab仿真结果证明:该算法能平均提高峰值信噪比2dB以上,当旋转角度小于5°时性能更为优异,能准确、快速地稳定视频图像。 相似文献
18.
针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%~27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。 相似文献