基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

基于区域选择和特征点匹配的图像配准算法

提出了一种新的基于圆形区域和Harris角点检测的图像配准算法.该方法采用Harris算子检测特征点信息,自动选取有效特征点,充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算数据量过大、特征点匹配不准确等问题.仿真结果表明,该方法能在27.8 s内完成配准过程,优于传统的图像配准方法;在旋转角度上有0.07°的误差,但并不影响平移距离的正确配准.     

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。     

改进配准测度的SUFT红外图像快速配准算法

为方便电路板卡故障诊断,实现红外图像快速、有效配准,提出一种基于SUFT(Speeded-Up Robust Features)和相似四边形的红外图像快速配准算法。该算法首先对红外图像进行特征点检测,生成SUFT特征点描述子;然后采用欧氏距离进行相似性度量,提取粗匹配特征点对,再利用相似四边形进行精匹配,去除误配准点对;最后依据精匹配点对求解变换模型参数,实现红外图像的配准。实验表明,改进后的算法能有效剔除误匹配点对,提高配准精度,配准结果较理想,与同类算法相比耗时较短。因此该算法具有快速性、稳定性等优点,且配准精度较高,有很好的实用价值。     

邻域多维度特征点结合相关熵的点云配准北大核心CSCD

针对传统点云配准中存在配准精度低、耗时长的问题,提出一种邻域多维度特征点结合相关熵模型的点云配准方法。首先根据邻域点的加权投影信息、表面曲率和法向量夹角提取特征点;其次用二值化的方向直方图描述子(B-SHOT)进行特征描述与匹配,然后利用刚性距离约束剔除误匹配,并通过随机采样一致性算法获取初始变换矩阵;在精配准阶段,以点到面的距离为准则双向搜索对应点,并通过多种几何特征约束剔除误匹配点对,最后迭代最大相关熵模型的目标误差函数完成精配准。实验结果表明,本文算法比迭代最近点算法(ICP)的配准精度提高了15%~97%、配准效率提高了约90%。     

多光谱遥感卫星图像的精确配准方法研究

针对一组多光谱遥感图像中,各谱段图像之间配准不一致的问题,本文提出了一种基于特征点的快速自动配准方法。在图像信息熵的基础上,利用环形移动窗口,自动快速寻找感兴趣区域, 并利用尺度不变特征转换（SIFT）算法提取特征。为提高精度,文中对特征初匹配方法作了改进,并用余弦定理和空间距离约束条件剔除误匹配点,之后提取最稳定的特征点对计算变换参数,完成配准。最后根据配准前后图像的互信息和特征点的均方根误差（RMSE）来衡量配准的程度。通过对大量中巴地球资源卫星拍摄的多光谱图像进行实验,该方法能达到亚像素级配准精度,并能快速对各谱段图像进行配准。      

基于显著性和ORB的红外和可见光图像配准算法

针对红外与可见光图像配准过程过受灰度差异影响大、特征点难配准的问题,提出基于显著性检测和ORB特征点的图像配准算法。首先利用优化的HC-GHS显著性检测算法得到图像的显著性结构图；其次利用ORB算法在显著性结构图上进行特征点检测,利用泰勒级数筛选出鲁棒性强的特征点,并根据特征点的方向进行分组匹配的策略；最后利用汉明距离实现特征点的匹配。实验表明本文算法能准确实现红外与可见光图像之间的配准,在红外噪声干扰、尺度变化下都具有良好效果。     

局部距离优化的点云配准算法

为了降低多视觉点云配准过程中易产生的误匹配等问题,提高配准效率,提出一种加权距离均值的关键点提取算法。以点云表面某点为中心,计算邻近点到中心点处切平面的加权距离均值,以此筛选出具有局部特征信息差异的关键点;选择快速点特征直方图(Point Features Histograms, FPFH)作为关键点的特征描述子;在匹配对应点对方面,采用一种基于邻近匹配对欧氏距离相对一致性的对应关系查找策略,结合随机抽样一致性(Sample Consensus Initial Alignment, RANSAC)算法确定对应点集,得到最优初始变换矩阵完成粗配准;最后使用迭代最近点(Iterative Closest Point, ICP)算法进行精配准。实验结果表明,所提算法在有效提取关键点的基础上提高了对应关系的准确性,较好的初始位姿使得ICP算法最终的收敛速度与传统点云配准算法相比平均提高了约47.75%,具有较好的配准效果。     

基于SURF的彩色图像配准

提出了一种基于SURF(Speeded Up Robust Feature)的彩色图像配准算法.该算法利用图像彩色信息计算得到的颜色不变量来提取图像的特征点;提取到特征点后,结合图像的灰度信息为特征点生成特征描述子;最后采用欧氏距离进行相似性度量,提取两幅图像间匹配的特征点对.实验结果表明,该算法在保持算法的快速性和准确性的同时,获得的配准点对比SURF要多.所以该算法可以有效地避免像原始SURF算法那样因为配准点少而造成的配准失效,从而提高了算法的稳定性.     

基于改进OS-SIFT的可见光与SAR图像自动配准

针对尺度不变特征变换（SIFT）算法配准可见光和合成孔径雷达（SAR）图像时性能较差的问题,提出了一种基于改进光学-SAR图像的SIFT(OS-SIFT)可见光和SAR图像配准算法。首先,利用非线性扩散滤波构建可见光和SAR图像的非线性扩散尺度空间,并采用多尺度Sobel算子和多尺度指数加权均值比算子分别计算可见光和SAR图像的一致性梯度信息。然后,用图像分块策略剔除尺度空间第一层后对尺度空间进行分块,在一致性梯度信息的基础上提取Harris特征点,得到稳定且均匀的点特征。基于梯度位置和方向直方图模板构建描述符并对其进行归一化处理,以克服影像间的非线性辐射差异。最后,利用欧氏距离进行特征匹配,并采用快速抽样一致性算法剔除误匹配。实验结果表明,相比联合位置、尺度和方向的SIFT算法和OS-SIFT算法,本算法的匹配率有明显提高,均方根误差也相对较低。     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

一种改进的联合点特征与灰度特征的红外图像配准算法研究

在研究红外图像成像原理与特征、传统红外图像配准方法的基础上,提出了一种改进的联合点特征与灰度特征的红外图像配准算法。首先采用经典的Harris角点检测算法提取一次角点,在一次角点的基础上对其进行下降排序,对排序结果进行不同份数的等分并提取每一部分的中间值,最后根据图像配准需求有效利用中值选择不同的特征点;该算法充分利用环形区域的旋转不变性和特征点区域灰度差异性很小的原则进行特征点匹配。实验结果表明该算法能够提取出更加精确的匹配点,能够有效的完成红外图像配准。     

基于PCA与聚类匹配的光谱图像二次配准

针对光谱图像配准方法效果较差的问题,提出一种基于PCA算法和聚类算法相结合新的特征点匹配算法并将二次配准方法引入到配准过程中。该方法首先提取SURF特征点并描述特征点,接着利用本文提出的特征点匹配算法对特征点进行匹配以完成初次配准,最后以初次配准结果作为初始值,采用改进的Powell算法利用图像灰度信息进行精配准。实验结果表明,该方法配准精度高,同时可以有效地缩短了光谱图像配准的时间。     

利用梯度方向的Hausdorff 距离配准红外和可见光图像

基于Hausdorff距离的算法已经被广泛应用于异源图像配准,但是现有的Hausdorff距离配准算法是在整幅图像上找最相近的点对,不仅容易出现错误匹配的情况,而且计算量很大。为了减少计算冗余和消除误配情况,提高配准的准确度,提出了一种利用梯度方向的Hausdorff距离配准算法。在进行配准时,将提取到的角点集合按照每个角点的不同梯度方向角分解为8个子集合。然后计算两幅图像中同一方向区间所对应的两个子集合间的Hausdorff距离。由于只在对应的子集合内找最相近的配准点对,减少了干扰点的数目和计算的次数,提高了计算的有效性和异源图像配准的准确度。实验结果表明,利用梯度方向的Hausdorff距离算法能够较好地运用于红外图像和可见光图像的配准,并且表现出较好的准确度和稳健性。     

基于改进SIFT算法的视频序列图像配准

针对尺度不变特征SIFT配准算法中匹配阶段的距离比阈值参数不具有普遍适用性,并且误配点没有得到有效剔除的问题,分别提出了参数自适应和相邻平行性约束的相应改进方法。距离比阈值的参数自适应使得阈值能够对不同的图像进行调整,相邻平行性的约束则进一步减少了误配的特征点对,最终得到更加精确的图像变换关系。将改进后的SIFT算法应用于视频序列图像的配准,实验表明改进算法的性能得到有效提高。     

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。     

基于深度学习的电力设备红外与可见光图像配准

针对相对位置固定的红外和可见光双目相机配准任务,现有算法没有考虑到两者相对位置固定的先验知识,存在配准精度低、几何定位差异大等问题,适用性差。提出一种基于几何约束下区域搜索的红外可见光双目图像配准方法。首先借助红外和可见光双目相机的标定信息对红外和可见光图像进行立体校正使二者处于同一高度之上。接着借助于相位一致性计算红外与可见光的边缘特征图,然后在红外边缘图上提取特征点,最后提出两阶段的同名特征点搜索方法,以红外特征点为基准在可见光边缘图局部区域内搜索同名特征点。在第一阶段以归一化互相关（Normalized cross-correlation,NCC）为相似性度量计算两边缘图的整体水平偏移,预测同名特征点初始位置,在第二阶段提出多尺度加权NCC作为相似性度量,在初始同名特征点位置周围精确搜索同名特征点。在构造的真实环境数据集上进行实验,实验结果表明相对于其他对比算法,在特征点匹配数量和准确率以及主观视觉上的配准效果都优于其他对比算法。     

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.     

基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。