改进RANSAC算法在多光谱图像匹配中的应用

为了提高多光谱图像匹配的速度和精度,提出一种改进的随机抽样一致性(RANSAC)算法。针对传统RANSAC算法迭代次数多、运行效率低、单应性矩阵模型精度低等问题,在采用SIFT算法完成初始特征匹配的基础上,从合理减少样本集中元素个数以提高局内点在样本中所占的比例以及采用预检验快速舍弃不合理的初始参数模型等方面对RANSAC算法进行改进,从而极大地减少了算法的迭代次数,提高了算法的运行效率和估计精度。实验结果表明,所提改进算法不仅提高了图像匹配的精度,而且在处理相同数据的前提下,其所用时间不足传统RANSAC算法的60%,有效减少了算法的运行时间,提高了算法效率。     

结合自适应阈值与Forstner的Harris角点匹配优化算法

针对传统Harris角点检测效率低、非极大值引起的伪角点多等问题,提出了一种自适应阈值和归一化互相关（NCC）与随机抽样一致算法（RANSAC）相结合的Harris图像匹配算法。首先,采用自适应方式抑制非极大值的方法对角点进行预筛选;其次,采用Forstner算子对角点进行二次筛选;接着采用归一化互相关匹配算法对检测的Harris角点进行粗匹配;最后采用随机抽样一致算法对图像进行精确匹配。实验结果证明改进的方法不仅缩短了角点检测和图像匹配时间,而且能有效提高图像的匹配精度。     

一种改进的RANSAC图像匹配算法

图像匹配（Image registration）是将不同时间、不同成像设备在不同条件下（气候、光照、方位等）获取的两幅或多幅图像进行匹配的过程。图像匹配是图像分析和处理的基本问题,在计算机视觉、模式识别、医学图像处理、遥感融合、影像分析等领域都有重要应用。采用最广泛的是基于特征点的图像匹配算法,其中用得最多的是采用SIFT（scale invariant feature transform）算子来描述一幅图像的特征,进而采用RANSAC算法来剔除误匹配点。然而传统RANSAC算法在图像不同尺度上去掉误匹配点的精度不高。因此,本文提出一种改进RANSAC算法的图像匹配算法,可以大大提高特征点的寻找和匹配精度,得到较好的匹配结果。     

基于Canny算子和K-L变换的改进SIFT匹配算法

在分析了经典SIFT算法的基础上,提出了一种基于Canny算子和K-L变换的改进SIFT匹配算法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,与SIFT算法检测出图像关键点的坐标进行对比以去除不稳定的边缘点;其次通过K-L变换,将特征描述符进行降维处理,降低算法复杂度;最后使用RANSAC算法剔除误配点。通过实验表明,该算法能有效去除不稳定的边缘响应特征点,减少图像匹配时间,提高图像匹配的准确性和鲁棒性。     

融合边缘化外点处理的改进图像匹配方法

针对图像匹配中SURF(speed up robust features)算法匹配效率不佳,以及RANSAC算法迭代次数不稳定和人为设置内点离散阈值所带来误差的问题,提出了一种结合改进的边缘化采样一致性算法和改进SURF的图像匹配方法.首先对输入图像进行快速引导滤波预处理,过滤图像噪声并保留边缘细节信息.然后通过BEB...     

景象匹配技术发展概述

文章根据图像匹配算法的三大分类:基于区域的图像匹配技术、基于特征的图像匹配技术、基于解释的图像匹配技术,介绍了景象匹配国内和国外发展的现状和面临的问题.提出了在充分分析现有景象匹配算法适应性和相关性的基础上,形成能够适应不同影像、不同影像特征的景象匹配算法组合;利用不同影像特征或获取的匹配信息知识,自动推理和选择景象匹配算法或算法组合,提高景象匹配算法的适应性和可靠性,提高复杂条件下景象匹配系统性能.     

基于SIFT算法与RANSAC算法的X射线图像匹配研究

为了提高图像匹配的精确度,提出一种基于SIFT算法与RANSAC算法相结合的方法对X射线图像进行匹配。通过最近邻次近邻比值法对特征点进行粗匹配,利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现精确匹配。实验结果表明了该方法的准确性和有效性。     

基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法

本文结合最小绝对差度量(MAD)和(Hausdroff)距离度量两者的基本思想的优点,提出了一种新的对应像素距离相似性度量方法和自适应模板图像匹配跟踪算法,设计了帧间和帧内匹配跟踪置信度,提出了基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法.并对基于匹配跟踪置信度的自适应对应像素距离图像匹配跟踪算法的匹配跟踪性能进行分析,实验结果表明:该算法具有较强的抗噪、抗畸变能力和匹配跟踪稳定性,具有较高的匹配精度和匹配概率.     

一种改进的基于RANSAC方法的SIFT特征匹配

在图像配准,图像融合,目标识别,图像拼接等领域中,运用SIFT描述子进行特征匹配是一种常用方法,针对传统的消除误匹配的RANSAC算法迭代次数多,计算复杂度较大,在SIFT特征匹配中误配率高的问题,增加了一个原始匹配点对的前道处理环节,引入匹配点对的几何特征定义,根据匹配点对的最近邻点和次近邻点角度差在一定阈值范围内建立预处理模型,剔除误匹配点,减少了参与RANSAC的数据量,提高了RANSAC的运行效率。实验结果表明:与未增加前道处理的RANSAC算法相比,基本消除了误匹配点,提高了图像匹配的准确率。     

KAZE结合感知哈希的图像匹配算法

针对目前图像特征匹配中存在不同程度误匹配的问题,提出了一种KAZE结合感知哈希的图像匹配算法。首先采用KAZE算法提取图像特征点并匹配,然后使用感知哈希算法筛选提纯初始匹配对,最后运用随机抽样一致(RANSAC)算法再次筛选,得到最终的匹配结果。在Mikolajczyk标准图像集上的实验结果表明,该算法在图像发生旋转缩放、光照变换、模糊以及JPEG压缩等变化下均能够保持较高的匹配正确率,具有良好的可靠性和鲁棒性。     

基于惯性传感器和Kinect摄像机的OFCM图像匹配算法

提出了一种基于图像三维信息及摄像机运动参数的图像匹配算法,用于解决智能监控系统中图像匹配实时性差、鲁棒性低等问题。该算法分别利用惯性传感器和Kinect摄像机估计出摄像机的运动外参矩阵和图像的深度信息,再根据射影几何原理,结合当前帧图像的像素坐标计算出该像素点在下帧图像的像素坐标,从而完成图像匹配。利用该算法对实际采集的图像序列进行了分析与处理,并从配准精度、鲁棒性和实时性方面与经典匹配算法KLT进行对比。实验结果表明:该算法极大地降低了计算量和计算时间,不仅能满足智能监控系统对图像匹配精度和稳定性的要求,更能满足系统实时性的要求。     

Delaunay三角形剖分约束下的图像配准算法

针对一般的特征点匹配只考虑了特征点本身蕴含的信息,容易发生误匹配的问题,给出一种基于Delaunay三角形剖分(Delaunay Triangulation, DT)的图像匹配算法。该算法对参考图和感知图中可能的正确匹配点进行DT剖分,对剖分后的图形进行对比并找出一致的结构,进而得到正确匹配点。实验结果表明该算法可以有效地抑制SURF（Speed Up Robust Feature,SURF）中的错误匹配,增强匹配可靠性,与RANSAC（Random Sample Consensus, RANSAC）法相比,可以大幅缩短计算时间,在基于点的图像配准方面具有较高的应用价值。      

一种低匹配误差敏感度的红外图像超分辨率算法

提出了一种能够克服匹配误差的红外图像超分辨率算法。该算法采用了多通道自适应正规技术来处理由于红外图像匹配不精确而引起的病态问题。由于每幅低分辨率图像的匹配误差都不相同,因此每个通道的正规参数都自适应地被正规参数函数选择。提出的算法能够在没有任何先验信息的情况下对于图像匹配误差具有很强的鲁棒性。随着迭代过程的进行每个正规参数以及重建的图像不断地被更新。实验结果表明该算法相比传统算法在客观量度和视觉效果两个方面都具有较好性能。     

基于高斯滤波和AKAZE-LATCH的图像匹配算法

针对图像匹配中AKAZE(Accelerated-KAZE)算法匹配精度较低以及计算复杂等问题,提出了一种基于高斯滤波和AKAZE-LATCH(AKAZE-Learned Arrangements of Three Patch Codes)算法相融合的图像匹配算法。首先,对输入图像进行高斯滤波预处理,去除高斯噪声等连续性噪声,并且保留图像的边缘信息。然后通过LATCH算法为AKAZE算法构建高效的二进制描述子,再通过KNN(K Nearest Neighbors)算法得到对应的匹配对。最后结合USAC(Universal RANSAC)去除误匹配对方法进行再次筛选,得到最终的匹配结果。经实验对比,所设计的算法相较于AKAZE算法匹配精度更高,且具有良好的鲁棒性和可靠性,可用于多数复杂场景下的图像匹配。     

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。     

快速反射镜自适应反演PID复合控制系统设计

为了提高复合轴系统的光束跟踪性能,必须考虑不可测扰动对快速反射镜系统的影响。针对可测量扰动,设计了自适应反演前馈控制算法,并由此得到启发,设计了用于抑制不可测量扰动的自适应反演PID(proportional-integral-derivative)控制系统,用自适应算法提高系统稳态精度以及对不同扰动的适应性,用PID控制器修正系统的误差信号改善系统动态性能。仿真结果表明,相较于PID控制算法,自适应反演PID复合控制系统的误差均方差值下降了34.76%,相较于自适应控制算法,自适应反演PID控制系统的误差均方差值下降了13.3%,自适应反演PID复合控制系统的稳态精度相比经典PID控制和自适应反演控制系统均得到了明显的提升,采用复合算法时上升时间相较自适应算法减少了48.9%,超调量相较经典PID算法减少了80.5%,系统动态性能得到较大改善。     

基于SURF的图像匹配算法改进

在图像匹配中,SURF算法采用最邻近与次邻近欧式距离比查寻匹配点,当阈值过大时,这种方法会产生大量误匹配点,从而严重影响图像配准的精度。RANSAC算法是一种有效剔除误匹配点的方法,但需要人工确定部分参数值。提出一种多层次图像匹配方法,不仅能够剔除误匹配点还可以无需人工参与完成图像匹配。实验表明,该匹配方法能够精确提取匹配点和实现自动匹配,很好地满足图像配准的要求,具有一定的应用价值。     

基于SIFT关键点的增强现实初始化算法

介绍了一种基于SIFT关键点的无标志点增强现实初始化算法。算法在已知场景少量标定关键帧图像的基础上,将关键帧图像与当前视频图像帧中的SIFT关键点进行匹配,利用RANSAC算法消除外点,而后利用图像匹配算法获取摄像机的位置和方向信息,完成系统的自动初始化工作。实验结果表明,算法鲁棒性强,跟踪定位精度高,有效地减小了人工干预的工作量。     

一种新的自适应阈值SSDA算法

在传统的序惯相似度检测算法和自适应闽值的序惯相似度检测算法的基础上,运用粗匹配中取三点最小值分别作为精匹配中的初始门限值,然后进行三次精匹配,比较三次匹配结果取最小值,转变为最终的图像匹配点,实现一种新的自适应阈值的序惯相似度检测算法。实验结果表明,这种改进自适应阈值的序惯相似度检测算法,在略微降低算法的执行速度的同时,能够很好地保持自适应阈值的序惯相似度检测算法的图像匹配准确性,具有很好的实时性。     

结合注意力机制的核相关滤波目标跟踪

针对目标跟踪中的旋转、快速运动、遮挡等问题 。提出了结合注意力机制的核相关滤波跟踪方法。该方法利用卷积 神经网络提取卷积特征;利用两个样本的相似度矩阵计算注意力权值,并结合注意力权值和 核相关滤波器;使用两个分类 器分别检测目标和背景,并依据两个分类器的响应值实现模型的自适应更新。选取公开数据 集上具有复杂场景的视频序列 进行测试,并与多种跟踪算法在跟踪精确度和成功率上进行定量分析,该算法与原核相关滤 波算法相比,精确度和成功率 分别提高了18.9%、58.7%。实验结果表明,添 加了注意力机制和自适应更新的核相关滤波,较好的解决了遮挡、旋转等 问题,相比其他算法具有更好的鲁棒性和适应性。