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。     

弱纹理飞机蒙皮曲面图像特征匹配及拼接

为了解决弱纹理飞机蒙皮特征点分布不均匀、正确匹配的特征点对较少的问题,提出了一种改进的LoFTR算法对飞机蒙皮图像进行拼接。根据相机位姿利用柱面反投影对蒙皮图像进行曲面校正;通过图像之间的重叠区域确定特征提取区域,从而减少错误匹配点对的生成;使用LoFTR算法进行特征提取,并且使用RANSAC算法对特征点进行筛选;根据图像分块的思想对重叠区域进行网格划分来对特征点进一步筛选,使得特征点分布更加均匀,得到更加准确的变换矩阵进行图像配准。实验在自研无人车采集的飞机蒙皮图像上进行了测试和验证,改进的方法与SIFT、SURF、ORB、BRISK以及AKAZE进行了特征匹配率比较实验,SIFT、SURF、ORB、BRISK和AKAZE匹配率分别为4.84%,0.47%、2.9%、0.86%、5.08%,提出的算法特征匹配率达到55.21%,SSIM平均值提高了44.38%~88.46%。该方法适用于对飞机蒙皮图像的拼接任务,且不存在因弱纹理而导致漏拼的问题。     

粒计算在图像拼接中的应用研究

应用粒计算理论提出了一种新的基于特征的图像拼接算法.图像拼接技术的关键在于图像配准问题,采用的配准方法是首先建立图像的粒计算模型,对图像进行边缘检测得到边缘图;在边缘图中利用梯度信息提取图像特征点;对两幅图像的特征点进行相关操作找出匹配特征点.实验结果表明文中所提算法的运算效率和拼接结果优于传统算法,且算法稳健,取得了良好的效果.     

铁路视频监控中基于多算法结合的图像拼接

针对铁路视频监控系统中单个监控摄像头视角范围有限的问题,提出一种用于扩大监控视角的图像拼接方法。首先提出一种简单的输入图像排序算法,对输入的两张具有部分重叠的图像进行自动排序,可以提高监控系统的可靠性和图像的配准精度;然后采用尺度与旋转不变的SURF算法提取特征点,并用改进的RANSAC算法剔除误匹配点,进一步保证了图像配准的精度,使正确匹配的特征点达到总数的80%以上;最后以渐入渐出法进行图像平滑过渡融合,消除了由于光照引起的图像拼接缝隙。实验表明,本方法在图像拼接的速度和精度上取得了较好的效果,适用性较强。     

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。     

基于比值法图像拼接算法研究

本文在讨论比值法进行图像拼接的基础上,针对比值匹配算法误匹配的问题,提出了一种改善比值匹配配准精度的算法。通过增加比值模板的列数来确定选取特征线的最佳匹配,从而增加了模板的信息量,从而提高了图像拼接的准确性。实验表明,该改进算法可以有效的进行图像拼接,并改善了原有比值法的配准精度。     

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。     

基于特征点概率模型与匹配的图像拼接算法

为了解决图像内容单一、特征点不明显且数量少而导致其难以拼接准确的问题,提出了基于特征点概率与匹配的图像拼接算法.首先,利用图像重叠区域特征的单应性,开发出对旋转、尺度及光照不变的可靠特征几何结构,计算焦距矩阵与旋转矩阵,实现特征点检测;利用随机抽样一致性算法,完成特征点匹配.然后,利用伯努利分布特性和贝叶斯计算,建立内点和离群点的模型概率,剔除错误匹配点,从而提高图像匹配精度,准确完成图像拼接.最后以条码对接是否准确为图像拼接质量判断基准,实验测试结果显示:与当前图像拼接技术相比,该算法拥有更高的拼接准确率与鲁棒性.     

基于模板迭代更新的图像配准算法

在计算机视觉中,用变换矩阵对图像对进行配准一直是具有挑战性的,尤其是在变换矩阵难以获取且噪声很大的情况下.针对图像对之间重叠区域很小,以至于变换矩阵的获取精度不甚理想,首先用SIFT算子提取出图像的特征点,然后在对图像进行匹配时,提出一种基于模板迭代更新的图像匹配方法,推导出最小二乘约束下的变换矩阵求解方法.实验对比了一些实际场景图像序列的匹配结果,验证了本算法的可靠性和稳定性.     

Sonar Image Registration and Mosaic Based on Line Detection and Triangle Matching

Image registration is an important research topic in the field of computer vision, in which the registration and mosaic of side-scan sonar images is the keypoints of underwater navigation. However, the image registration method of keypoints is not suitable for sonar images which do not have obvious feature points. Therefore, a method of sonar-image regis-tration and mosaic based on line segment extraction and triangle matching is proposed in this paper. Firstly, in order to extract features from sonar image, the LSD method is introduced to detect line feature from images, and line segments are filtered by the principle of attention; after that, triangles are formed from line segments, an image transformation matrix can be calculated through the heuristic greedy algorithm from these triangles; finally, images are merged based on the transformation information. On the basis of practical tests, it is found that, the feature extraction method used in this paper can better describe the outline of underwater terrain, and there is no obvious stitching gap between the result of sonar images stitched. Experimental results show that the proposed method is effective than the keypoints method of the registration and mosaic of sonar images.     

基于AKAZE和PROSAC的风机叶片裂纹图像拼接方法

为获得完整且高分辨率的风机叶片裂纹图像,利用图像拼接技术将多张高分辨率图像拼接成一副完整的图像。针对风机叶片裂纹图像特征检测困难、匹配率低和拼接质量差的问题,提出一种基于AKAZE算法和PROSAC算法的图像拼接方法。首先,该方法利用AKAZE算法检测图像特征点,并生成二进制的特征点描述符;然后,将汉明距离作为相似度测量对特征点进行暴力匹配,在此基础上采用PROSAC算法优化特征匹配结果,并计算图像变换矩阵;最后,使用渐入渐出融合算法消除拼接痕迹,获得完整的叶片裂纹图像。试验结果表明,本文方法能够检测出数量丰富的特征点,匹配正确率在95%以上,拼接精度约为0.7个像素,并且拼接速度较SIFT方法提升了17%。AKAZE+PROSAC方法可以更好地满足高分辨率风机叶片裂纹图像拼接的需求。     

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.     

基于KAZE的自适应模糊图像配准算法

为了提高图像配准算法对于模糊图像的配准性能,提出一种融合非线性尺度空间和空间余弦相似度的自适应模糊图像配准算法。该算法将非线性尺度空间理论应用于图像的局部特征提取,采用KAZE算法提取图像的特征点,以构成M-SURF特征描述符;利用空间余弦对图像特征点进行匹配,并且根据不同的图像特性进行自适应阈值匹配,以得到便于寻求最优变换关系的合理数量的匹配点对;最后采用RANSAC算法滤除误匹配点对,以提升算法精度。实验结果表明,该算法可以有效地提高模糊图像配准的匹配准确率和精度,准确率和精度比KAZE算法最大可以提高25%和7.909像素,具有更好的配准性能。     

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.     

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。