基于颜色特征的宽基线图像的点匹配算法

本文通过Harris算法提取角点,利用Fourier—Mellin变换估计图像大致的旋转、尺寸和平移参数．计算粗匹配点集,以粗匹配点为中心划定一小块区域,然后利用颜色特征具有旋转和尺寸不变的特性,对图像块的颜色矩进行匹配,从而得到精确的点对应关系。实验表明本算法在图像间有较大差别时能够较为准确地实现特征点的匹配。     

基于边缘特征点对对齐度的图像配准方法

针对基于特征的图像配准方法存在特征提取的多样性和相似度计算的复杂性等问题,在定义边缘特征点对的角度直方图和对齐度的基础上,提出了一种基于边缘特征点对对齐度的图像配准方法。该方法首先利用小波多尺度积准确地提取边缘图像和特征点,然后根据特征点的角度直方图得到的旋转角度,并通过计算所有特征点对在边缘图像中的对齐度来精确地确定匹配点对。大量的实验结果表明,该方法具有较强的适用性、精确性和有效性。     

图像点模式匹配的一种凸包序列的图谱方法

利用点集的凸包具有仿射不变性和局部可控性,针对图谱方法难以精确匹配旋转角度较大图像的问题,提出了图像点模式匹配的一种凸包序列的图谱方法,使得匹配在图像旋转角度较大的情形下仍具有稳定性。构建图像特征点集新的图模型（凸包）,利用改进的图谱方法对凸包进行匹配,并减小原始特征点集,迭代上述过程,通过构造凸包序列,自特征点集的外围到内部逐步匹配,得到较精确的匹配对。实现基于凸包序列的图谱方法的图像点模式匹配。实验结果表明,该方法不但能精确匹配旋转角度较小的图像,而且对于旋转角度大的图像以及多光谱图像匹配精度也较高。     

一种边缘点特征图像配准算法

为解决图像的精确配准问题,提出了结合LoG算法的特征点的提取方法,并将尺度不变特征算法(SIFT)应用到图像的特征描述中.首先利用LoG算法计算边缘点,对边缘点的梯度值进行排序,选择梯度较大的点作为特征点;然后采用SIFT计算特征点的特征向量,利用最小距离算法找到两幅图像的匹配点对;最后利用最相关点和次相关点比例的方法排除错误的点对.实验结果证明,算法对具有光照、角度不同的两组图像能够实现精确的配准,准确率超过90％.     

基于小波多尺度积的图像配准方法

由于基于特征的图像配准方法,时提取图像特征的鲁棒性和精确性都有很高的要求,本文提出了一种基于小波多尺度积的图像配准方法。该方法利用小波多尺度积提取边缘图像和特征点,同时保存特征点的方向信息,具有抗噪性强和边缘定位精确等优点;然后利用特征点的方向信息,定义角度直方图来得到图像之间的精确旋转角度;最后可以选择多种匹配准则来确定匹配点对。实验结果表明,本文提出的方法具有精确性、抗噪性、有效性和鲁棒性等优点。     

一种高精度的加权鲁棒估计算法

通过构造与余差有关的目标函数,给出了一种高精度估计图像几何变换矩阵的鲁棒算法——加权鲁棒估计算法。算法首先对原始数据进行计算得出图像间几何变换关系矩阵,再利用特征点周围的灰度信息进行权值计算。在拟合几何变换矩阵的迭代过程中,寻找目标函数最小的匹配关系,从而对两幅图像进行精确配准。实验结果证明,使用该技术后算法的图像配准效果较理想,鲁棒性好,真实感强,实际应用价值较高。     

基于SIFT特征点匹配的水印图像几何校正算法*

为了有效实现水印图像的水印检测与水印嵌入之间的同步,提出一种应用SIFT(scale invariant feature transform)特征点匹配估计水印图像几何变换参数的校正算法.用两个稳定而又相距最远的图像SIFT特征点的变化估计图像所经历的旋转和缩放参数,校正之后,再用一个稳定的SIFT特征点的变化校正图像...     

基于点特征的旋转图像匹配新方法

图像匹配在模式识别、图像分析和计算机视觉中有着广泛的应用.图像匹配是将模板在参考图中逐像素移动,计算它们的灰度相似性,搜索相似性最大的位置.这种逐像素的搜索方法计算复杂度高.如果模板和参考图之间存在旋转,传统的匹配方法很难实时实现.提出了一种基于点特征的旋转图像的匹配方法,首先采用Harris角点检测算子提取图像的特征点,然后利用小面模型对特征点邻域进行拟合,提取特征点的旋转不变特征,最后利用特征点的旋转不变特征进行点集的匹配,获取图像的平移和旋转参数.该方法匹配结果准确,与传统的相关匹配方法相比计算复杂度很小,易于实时实现.     

采用改进的几何算法快速估计图像旋转角度

不规则的旋转运动会明显的降低图像序列的质量,旋转运动估计是实现电子图像稳定的关键技术.采用仿射变换模型可以有效地估计图像二维运动参数,但是求解最小二乘解的计算量太大.提出了一种简单的估计图像旋转角度的方法.利用匹配块相对于旋转中心位移矢量对称的特性,消除平移运动引起的运动矢量,通过简单的几何计算即町获得旋转参数,进一步,通过合理设置阈值,降低局部运动估计误差对全局结果的影响.理论分析和仿真结果表明,在帧间图像旋转角度小于10°的条件下,应用方法能够简单有效的估计出旋转角度.     

基于特征块匹配的图像检索技术

提出了一种基于特征块匹配的图像检索算法.首先,利用小波变换的多尺度特性检测出图像的特征点,特征点比较全面地反映了图像中的视觉兴趣点;用以特征点为中心的特征块的前三阶颜色矩来描述特征块的特征;进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离.实验表明,算法中所使用的特征块更全面、更精确地描述了图像的视觉信息,实现相似度计算的方法简单、高效.该检索算法不仅检索精度高,还具有较好的旋转、尺度及视觉角度不变性.     

基于SIFT点特征和Canny边缘特征匹配的多源遥感影像配准研究

针对多源遥感影像的配准,提出了一种结合SIFT点特征和Canny边缘特征匹配的配准算法。该算法首先采用SIF7算法提取点特征并进行影像粗配准,在获得初始仿射变换参数后,采用Canny算法提取边缘特征,并采用成本函数法进行边缘点匹配,经粗差滤除后得到有效的匹配特征点对,随之进行影像精配准。该算法结合了SIFT、算法和Canny算法的优点,解决了多源遥感影像因辐射差异和几何差异造成的难以正确配准的问题。实验结果表明,算法具有较强的鲁棒性,并取得了较好的配准精度。     

一种新的基于梯度方向直方图的图像配准方法*

构建了一种新的局部梯度方向直方图,同时定义了特征点的主方向,从而提出了一种具有旋转不变性的图像配准算法.首先采用高斯加权求模技术对特征点邻域内的像素的梯度作直方图统计,确定出具有旋转不变性和抗噪性的特征点主方向;然后用主方向作角度直方图统计,确定待配准图像之间的旋转角度.根据得到的特征点信息及旋转角度定义了特征点对互信息匹配准则,这样使得新配准算法对于图像间旋转角度的范围没有限制,获得了良好的配准效果.     

基于SURF特征的航空序列图像位置估计算法

视觉传感器在航空无人机导航和定位任务中应用越来越广泛。针对无人机位置参数估计问题,提出了一种基于SURF特征的图像配准算法,该算法能够适应航空序列图像的旋转、尺度变换及噪声干扰,实现无人机位置的精确估计。构建了SURF尺度空间,运用快速Hessian矩阵定位极值点,计算出航空图像的64维SURF特征描述子;基于Hessian矩阵迹完成特征点匹配;使用RANSAC算法剔除出格点,实现位置参数的精确估计。通过航空图像序列实测数据位置估计实验,验证了该算法的有效性。     

A fast registration algorithm of rock point cloud based on spherical projection and feature extraction

Point cloud registration is an essential step in the process of 3D reconstruction. In this paper, a fast registration algorithm of rock mass point cloud is proposed based on the improved iterative closest point (ICP) algorithm. In our proposed algorithm, the point cloud data of single station scanner is transformed into digital images by spherical polar coordinates, then image features are extracted and edge points are removed, the features used in this algorithm is scale-invariant feature transform (SIFT). By analyzing the corresponding relationship between digital images and 3D points, the 3D feature points are extracted, from which we can search for the two-way correspondence as candidates. After the false matches are eliminated by the exhaustive search method based on random sampling, the transformation is computed via the Levenberg-Marquardt-Iterative Closest Point (LM-ICP) algorithm. Experiments on real data of rock mass show that the proposed algorithm has the similar accuracy and better registration efficiency compared with the ICP algorithm and other algorithms.     

Fully automatic 3D feature-based registration of multi-modality medical images

In this paper, we present an automated multi-modality registration algorithm based on hierarchical feature extraction. The approach, which has not been used previously, can be divided into two distinct stages: feature extraction (edge detection, surface extraction), and geometric matching. Two kinds of corresponding features — edge and surface — are extracted hierarchically from various image modalities. The registration then is performed using least-squares matching of the automatically extracted features. Both the robustness and accuracy of feature extraction and geometric matching steps are evaluated using simulated and patient images. The preliminary results show the error is on the average of one voxel. We have shown the proposed 3D registration algorithm provides a simple and fast method for automatic registering of MR-to-CT and MR-to-PET image modalities. Our results are comparable to other techniques and require no user interaction.     

基于边缘特征和Keren算法的图像配准

为获得高精确度、高稳定度的岩心配准图像,提出利用Sobel算子提取图像边缘并结合keren算法的图像配准方法。该方法首先提取参考图像和待配准图像边缘,接着对边缘图像进行高斯金字塔分解,最后,利用keren改进算法实现由粗到细的岩心图像配准。实验结果表明该算法与Keren算法相比,在小角度下都有较高的配准精度,大角度旋转情况下该方法绝对误差明显降低,且在大角度旋转下平移参数和角度参数分别可获得0.1个像素以下和0.1度以下的绝对误差精度,提高了岩心配准精度。     

基于局部显著边缘特征的快速图像配准算法

针对尺度不变的特征变换(SIFT)算法提取的特征点数目多、匹配耗时长、匹配精度不高等问题,提出了一种基于局部显著边缘特征的快速图像配准算法。该算法利用SIFT算法提取待选特征点,同时用小波边缘检测提取图像边缘,建立特征点周围邻域的边缘特征,筛选出具有显著边缘特征的特征点,结合Shape-context算子和边缘特征形成特征描述向量,采用欧氏距离作为匹配度量函数对筛选出的特征点进行初步匹配,然后用随机一致性检验(RANSAC)算法消除误匹配点对。实验结果表明,该算法有效控制了特征点的数量,提高了特征点的质量,缩小了特征搜索空间,提高了特征匹配的效率。     

An edge-based scale- and affine-invariant algorithm for remote sensing image registration

For remote sensing image registration, we find that affine transformation is suitable to describe the mapping between images. Based on the scale-invariant feature transform (SIFT), affine-SIFT (ASIFT) is capable of detecting and matching scale- and affine-invariant features. Unlike the blob feature detected in SIFT and ASIFT, a scale-invariant edge-based matching operator is employed in our new method. To find the local features, we first extract edges with a multi-scale edge detector, then the distinctive features (we call these ‘feature from edge’ or FFE) with computed scale are detected, and finally a new matching scheme is introduced for image registration. The algorithm incorporates principal component analysis (PCA) to ease the computational burden, and its affine invariance is embedded by discrete sampling as ASIFT. We present our analysis based on multi-sensor, multi-temporal, and different viewpoint images. The operator shows the potential to become a robust alternative for point-feature-based registration of remote-sensing images as subpixel registration consistency is achieved. We also show that using the proposed edge-based scale- and affine-invariant algorithm (EBSA) results in a significant speedup and fewer false matching pairs compared to the original ASIFT operator.