基于Halcon的图像拼接算法研究

提出了一种基于机器视觉软件MVTec Halcon的图像拼接算法.该算法首先对摄像机进行标定,以及对图像进行预处理,然后采用Harris角点检测提取特征点,接着检测出的角点经归一化互相关匹配后使用RANSAC（random sample consensus,随机抽样一致性算法）算法剔除误匹配点,估算单应性矩阵,最后用改进的加权融合方法进行图像融合.针对提出的算法编制了相应的软件,并进行了拼接实验,结果表明该方法可以快速有效地对图像进行无缝拼接,精度可达到0.02mm.     

基于NSCT的图像拼接算法

为了提高图像拼接的速度和拼接图像的视觉效果,提出了一种基于非下采样轮廓波变换的图像拼接方法.首先利用角点检测算法获得待拼接图像的匹配点,选取以匹配点为中心的空间频率最大的一定大小的子图像为模板,利用流形上的优化算法求解变换参数;再将待拼接图像分解为不同尺度和不同方向的子频带图像,在变换域进行对应的拼接;最后利用重构算法将拼接的各个子频带图像进行反变换,得到最终的拼接图像.实验表明,此方法速度更快,视觉效果更好,拼接后的图像更加自然,过渡更平滑.     

基于角点特征的图像自动拼接算法

提出了一种基于角点特征的图像自动拼接方法.分析了Harris角点检测算子的实现原理及其不足,提出一种改进的Harris角点检测算法提取图像特征角点,减少了计算量,同时提高角点的定位精度,增强了算法的抗噪性能.然后用快速RANSAC算法求出图像变换矩阵H的初值并使用LM非线性迭代算法精炼H,最后采用像素值加权的方法进行图像融合.实验结果表明,该算法能有效提高配准精确性,具有较高的实用价值.     

全景图像自动拼接算法的优化设计

提出了一种结合空域和频域进行全景图像序列自动拼接融合的优化算法。首先利用改进的相位相关法对全景序列图像进行自动排序并确定重叠区域,根据重叠区域像素均值进行图像整体亮度差异自动调整以降低角点的误匹配率;然后使用改进的Harris 算子在空间域提取图像角点（无需人工设定阈值）,通过双向最大互相关系数匹配获得初始特征点对,并用RANSAC 算法实现精确匹配;最后采用非线性平滑算法对图像重叠区域进行融合处理。实验结果表明,该优化算法排序过程简单有效,特征点提取匹配过程的成功率和效率都较现有算法有很大提高,拼接的图像清晰度高,具有较高的稳健性和拼接精度。     

基于ORB特征的高分辨率图像拼接改进算法

针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法.首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对...     

基于特征点约束关系的图像拼接算法

针对传统图像拼接算法存在的缺点,提出一种基于特征点约束关系的全自动图像拼接算法。首先使用Harris角点检测器提取两幅图像的特征点;再利用双向最大相关法对特征点初始匹配,运用两级特征点约束关系策略对初始匹配点求精;然后采用稳健的RANSAC算法求出变换矩阵初值并使用Levenberg-Marquardt(LM)非线性迭代算法精炼变换矩阵;最后使用三角函数作为融合算法,实现拼接图像的平滑过渡。实验验证了算法的有效性。     

一种改进的SUSAN算法

针对SUSAN角点算法在对实际图像进行角点检测时角点数量太多,不利于角点匹配的局限性,提出了角点"好坏"的判别函数,减少了角点数量;并应用自适应非最大假设策略(ANMS),使改进算法检测的角点均匀分布在图像上。实验结果表明,改进的算法能够有效保留"好"的角点,有利于角点的匹配。     

一种基于角点特征的图像拼接融合算法

针对普通摄像机存在的视场不足问题,扩大摄像机拍摄图片的视场范围,提出了一种基于特征点的图像拼接融合算法.实验结果及精度分析表明,图像拼接的效果良好,部分对应点匹配的平均绝对误差和均方根误差为0.272 9 pixel和0.299 0 pixel,达到了像素级精度.该算法能够较好地解决图像间对应点难以确定的问题,有效去除了伪匹配点,而且对光照变化图像的拼接融合能取得满意的效果.     

基于图像点特征的拼接技术研究

图像拼接技术已经广泛应用于各个领域,本文实现了对灰度图像拼接技术,利用角点检测算子来得到图像特征点,采用归一化相关法（NCC）找出匹配角点,通过改进的RANSAC算法消除错误匹配,得到精确度更高的匹配点对,运用加权平均算法进行图像拼接,对拼接后的图像与原图像进行对比,效果很好,具有较高的精度和可靠性,且运行速度良好,可推广应用。     

结合相位和ＳＩＦＴ特征相关的图像自动配准算法

提出一种鲁棒性较好的图像配准算法解决乱序输入图像序列自动拼接问题。首先为输入图像建立多分辨率金字塔,在较低分辨率图像层上进行相位相关区域搜索;接着对得到的相关区域进行SIFT特征相关验证,得到图像序列的配准关系和透视变换矩阵的初步估计;然后结合估计参数对原始图像的SIFT特征再次进行相关匹配,最终实现图像序列变换参数的精确求解。该算法结合相位相关和SIFT特征相关两种配准算法的优点并应用由粗到精的匹配策略提高了图像配准的速度和稳定性。     

基于Levenberg-Marquardt算法的图像拼接

Levenberg-Marquardt(简称LM)算法是高斯-牛顿法和梯度下降法的结合,既有高斯牛顿法的快速收敛性,也有梯度下降法的全局搜索特性.将LM算法应用于图像拼接过程中变换矩阵的参数自动优化中,通过对多个对应点的自动优化后,可以较快得到变换矩阵,从而实现图像拼接.在LM算法中,以对应点距离的平方和作为目标函数,给出此方法详细的实现过程与结果.与以灰度差平方和为目标函数相比,避免了提前采用插值算法,从而求得的M变换矩阵更精确.结果表明,该方法实现图像拼接的精度高,速度快.     

基于视频序列的图像拼接

为消除视频序列之间的冗余信息,以简单的摘要形式表达视频的主要内容,提出了一种基于视频序列的图像拼接方法。首先,采用改进的帧间聚类算法提取视频的关键帧;其次,利用SIFT算法提取关键帧的特征点,采用最近邻算法进行特征点匹配,通过引导互匹配法和投票过滤法提高匹配精度;再次通过RANSAC鲁棒估计算法得到所选帧间的单映矩阵,并使用LM非线性迭代算法对单映矩阵进行精炼。最后,利用级联单映矩阵结合加权融合算法实现了视频序列的无缝拼接,实验效果较为理想。     

基于相位相关模板匹配的全景图像拼接

本系统对图像拼接的两个主要过程：图像配准和图像融合分别进行了详细介绍。图像配准是图像拼接的核心技术,并针对图像拼接中的图像配准参数估计问题,提出了一种扩展相位相关法与优化相结合的参数估计方法。基于相位相关模板匹配采用相位相关法估计出相互间存在旋转和平移的两幅部分重叠的图像的初始变换参数,然后对参数进行优化而得到最终准确...     

基于图像配准的运动目标检测

针对导弹训练模拟器探讨一种基于图像配准运动的目标检测方法.由于差分法在动态背景下不能有效地检测出目标,故使用一种快速的基于图像亮度的角点检测,并通过考虑实际的跟踪速度与方向,建立图像间角点的对应关系,采用最小二乘法得到最佳仿射系数,再对图像进行仿射变换,由帧差法得到目标.     

一种基于自适应阈值的SUSAN角点提取方法

角点是数字图像中重要的几何特征,角点的准确提取对于图像处理和图像测量具有重要意义.文章对SUSAN(Smallest Univalue Segment Assimilating Nucleus)角点提取算法中阈值的确定提出了改进,在图像中每个像素的SUSAN模板内单独计算阈值t,使其在各种不同的对比度下仍能正确提取出角点.实验结果证明了该方法的有效性.     

基于SURF分割圆形区域的图像拼接

针对SURF(Speeded Up Robust Features)算法在图像拼接过程中配准精度低和运算复杂度较高的问题,提出了一种基于SURF分割圆形区域的图像拼接方法.首先,对图像进行特征点的检测和提取过程中,在传统SURF算法的基础上采用了分割圆形区域提取描述符;接着,计算了区域归一化的灰度均值和韦伯局部描述细节信息,形成新的描述符;然后,通过改进的RANSAC(RandomSample Consensus)算法对每个模块的误匹配点进行消除,得到精确的匹配特征点.实验结果表明,相较基于改进的SURF算法的图像拼接,该方法匹配正确率平均提高了6.05％,拼接时间平均减少了24.47％,匹配速度和效果有了较大提升,基本满足图像拼接速度快、精准度高、稳定可靠等要求.     

基于脉冲耦合神经网络的红外图像拼接

创建高分辨率的宽视角的拼接图像为图像处理、计 算机图形学等交叉学科学研究的新领域,针对传统的基于边缘的拼接算法对噪声比较敏感, 红外图像噪声干扰严重与信噪比低的特点,提 出一种基于脉冲耦合神经网络(PCNN,pulse coupled neural network)的红外图像拼接算法 。采用PCNN仿生物视觉角度,提取图像的边缘信息;采用Hausdorff距离作为配准的相似性 测度,计算出最优配准参数进行图像拼接;使用加 权平均方法,实现拼接图像的融合,提高拼接图像的视觉效果。实验结果表明,本文算法能 够实现图像的精确拼接,对噪声具有较好的鲁棒性,并提高了搜索效率,减小了计算量。     

基于兴趣点不变矩的图像拼接

提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术.利用Harris角检测器获取图像中的兴趣点,计算兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接.实验表明,该方法对平移以及任意角度的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果.