基于SIFT算法及三角形约束的SAR影像匹配方法

将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点;采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点,得到更高精确度的同名点;最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内,以三角形重心点作为内插的虚拟同名点,并对虚拟同名点进行归一化互相关(NCC)约束,剔除不满足阈值要求的虚拟同名点对,同时根据内插得到的虚拟同名点建立新的三角网,对三角网进行动态更新,用于获取更多虚拟同名点,直至满足匹配要求。实验结果表明,本文方法能够有效增加匹配特征点数量,提高雷达影像的匹配精确度。     

基于混合遗传算法的对极几何估计

在未定标系统中,对极几何约束给出了图像间的全部信息,成为解决许多视觉问题的关键环节.本文提出了一种基于混合遗传算法的对极几何估计方法,它利用每个基因代表一个匹配点,每条染色体作为对极几何估计最小子集.此方法在很大程度上减小了出格点对估计过程的影响,能够较好地汇聚到全局(或近似全局)最优解.模拟数据和真实图像的实验结果都表明,本文所给出的方法能够有效地检测和删除错定位和误匹配点,提高了对极几何估计的鲁棒性和精度.     

一种基于SIFT的改进优化特征匹配算法

尺度不变特征变换即SIFT算法存在实时性差,易误匹配等固有问题,本文针对性地提出了特征描述符降维处理和匹配优化解决方案,得到一种能满足更高实时性和精确性需求的特征匹配算法.通过使用特征点为中心的9个同心圆环梯度累计值,构建72维特征向量,进行特征描述符降维,达到简化特征描述的目的,从而减少描述符的生成和匹配时间.此外,结合匹配点择优筛选和RANSAC算法匹配提纯,有效地减少了误匹配.实验表明:改进优化后的特征匹配算法既显著地提高了特征匹配精确度,又改善了算法自身实时性.     

对极几何约束下的运动估计和补偿

本文引入摄像机模型中的对极几何关系对三角区域顶点进行运动估计，并分析了基于仿射变换的三角区域运动估计和补偿方法，这与过去的运动估计和补偿方法相比，既可节约一定的计算量，又能提高运动补偿精度。     

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。     

一种在对极几何约束下重建三维物体的方法

本文在用对极几何关系重建三维物体的基础上,提出了利用量小二乘法和迭代法相结合的基础矩阵求解算法,推导了新的评价函数作为迭代的误差测度.在每次迭代时,以评价函数作为测度来排除具有较大误差的图象点,而对保留的误差较小的点乘以适当的权值,因此得到精度较高的基础矩阵。实验表明,我们的重建方法比已有算法运算精度更高,性能更稳定,且具有良好的抗噪声性能。     

一种在对极几何约束下重建三维物体的方法

本文在用对极几何关系重建三维物体的基础上，提出了利用最小二乘法和迭代法相结合的基础矩阵求解算法，推导了新的评价函数作为近代的误差测度，在每次迭代时，以评价函数作为测度来排除具有较大误差的图象点，而对保留的误差较小的点乘以适当的权值，因此得到了精度较高的基础矩阵，实验表明，我们的重建方法比已有算法运算精度更高，性能更稳定，且具有良好的抗噪声性能。     

基于SIFT算法的异源遥感影像自动匹配研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为遥感图像的匹配带来了困难。主要利用图像特征点提取方法,使用具有尺度不变特性的SIFT(Scale Invariance Feature Transform)方法,对异源遥感图像进行配准和图像进行拼接操作,并进一步对SIFT算法进行优化,采用双向匹配策略。实验证明该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征差异的异源遥感图像的精确配准,同时实验验证了双向匹配算法用于SIFT特征点匹配中的优越性,证明其为一种好的匹配测度。     

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。     

改进SIFT算法在气象站图像拼接技术上的应用

利用基于特征点的sift算法与几何不变矩结合实现气象站全景图像的拼接,Sift算法和不变矩结合计算出特征匹配点后,利用RANSAC算法进行特征点剔除误配,从而进一步计算出拼接图像之间的变换关系矩阵H。最终使用加权平滑算法完成了气象站图像的融合,从而得到最后的气象站拼接图像。实验证明,该算法一定程度上提高了图像拼接的效率。     

一种基于改进SIFT算法的图像配准方法

给出一种改进的SIFT算法,并将该算法应用到图像配准中.首先,该改进算法结合Canny算子,去除影响匹配的边缘点.然后采用最近邻与次近邻之比来对96维描述子进行匹配.最后,采用随机抽样一致性(RANSAC)方法消除误匹配.实验结果表明,与原SIFT算法相比,该算法能够有效提高图像配准确度,并减少了10%左右的运算时间.     

基于SIFT算法的PCB板基准点匹配

当PCB板上载到夹具过程中,由于夹具精度,人为等N素的影响,对基板坐标产生一定偏移及旋转的影响,从而对元器件装贴精度产生影响,N此对基准点进行特征提取,但具有比较大的局限性。由此提出一种基于尺度空间的SIFT算法的Mark点匹配方法,将图像上特征转化为尺度空间特征,可以只对一个Mark点进行匹配校正,消除电路板平面上平移误差和旋转误差,通过实验证明其精度能达到0．6个像素以下的亚像素级别的精度要求。     

基于SIFT/ORB几何约束的红外与可见光图像特征点匹配

红外图像与可见光图像记录着地物的不同属性信息,两者融合能够优势互补,弥补单一数据源信息的不足。然而由于两者成像原理不同,热红外传感器与可见光传感器对同一场景获取的图像灰度差异较大,二者图像误匹配多,融合难度大。本文在分析红外与可见光图像共有特征的基础上,提出了一种基于SIFT与ORB特征检测的匹配方法,利用SIFT算子与ORB算子同时进行特征点检测,先基于RANSAC对SIFT匹配得到的同名点进行筛选,同时结合最近邻比次近邻算法获取ORB匹配点,再利用SIFT匹配点对ORB匹配点进行距离和角度的几何约束进一步剔除误匹配,最终得到特征点分布均匀、可靠度更高的匹配结果,解决因灰度差异较大产生的匹配效果不佳的问题。利用4组红外与可见光图像进行实验,结果表明,本文算法特征点正确匹配数量相较于SIFT分别提高了约3.7倍、3.2倍、3.6倍、3倍,大幅地提高了红外与可见光图像的匹配数量,为两者间的匹配提供了一种有效的方法。     

基于改进SIFT特征匹配的快速图像拼接算法

针对经典SIFT算法存在特征点冗余、运算量大、鲁棒性差的问题,提出一种快速、准确的图像拼接算法.在SIFT提取不变特征向量过程中加入多尺度Harris检测算子,筛选出更能代表图像信息的特征点.利用快速RANSAC算法(PERANSANC)计算图像之间的变换矩阵.把检测到的特征点作为图像中的运动目标,运用KLT跟踪算法,确定特征点的精确位置,精炼变换矩阵.实验验证了该算法的稳健性和快速性.     

对极约束传感图像特征匹配方法研究

对级约束图像特征匹配法于20世纪中期被人们提出,这些年来不断发展延伸,在多个领域都有所应用,在传感图像的匹配中应用更为广泛,因此对于对极约束传感图像特征匹配方法进行研究具有理论意义。文章就匹配过程建模,给出了建模所应用的算法,利用建立的对级约束模型完成传感图像匹配。通过文章的研究可以了解到对极约束传感图像特征匹配方法具有效率高、耗时短、准确性好等优点,值得大力推广使用。     

基于视差梯度约束的RANSAC算法

图像拼接技术中的图像配准阶段存在计算量过大的缺陷,这是由于计算变换模型矩阵时,传统的RANSAC算法计算了全部匹配特征点(包括伪匹配点对)对应的模型参数,本文在RANSAC算法前设计了基于视差梯度约束的预检验过程,筛选掉大量伪匹配特征点,大大提高了图像配准效率。     

一种基于极线约束的激光条纹匹配算法

提出了一种基于极线约束的激光条纹匹配算法。先通过双CCD摄像机摄取左右两幅图像．然后对图像进行预处理。处理之后的两幅图像是在不同视角下摄取的两条单像素宽的激光条纹,在极线约束和连续性约束的理论基础上，提出了一种直线和曲线求交的匹配方法，从而实现了激光条纹的快速精确匹配和激光扫描线的三维重建.     

一种基于极线约束的激光条纹匹配算法

提出了一种基于极线约束的激光条纹匹配算法.先通过双CCD摄像机摄取左右两幅图像,然后对图像进行预处理.处理之后的两幅图像是在不同视角下摄取的两条单像素宽的激光条纹,在极线约束和连续性约束的理论基础上,提出了一种直线和曲线求交的匹配方法,从而实现了激光条纹的快速精确匹配和激光扫描线的三维重建.     

一种基于SIFT变换的抗几何攻击第二代数字水印

基于SIFT变换及RIT变换实现了一种抗几何攻击数字水印.算法首先基于SIFT变换进行图像特征点的检测,并选择合适的特征点生成载体图像中的圆形区域,将圆形区域划分为扇形区域,然后采用空域奇偶量化方法进行水印信息的嵌入;水印的检测基于相关检测方法实现.为抵抗几何攻击,检测前首先基于RIT变换实现图像旋转角度的估计,然后基于估计结果进行旋转的恢复,最后对恢复后图像进行数字水印的检测.实验证明,该方法对几何攻击具有较强的鲁棒性.