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。     

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。     

基于三角形网格的立体视差估计和遮挡点检测混合算法

本文提出一种新的用于立体图像编码的视差估计和遮挡点检测混合算法.其中的视差估计方法利用极线约束条件,在缩小搜索范围的同时提高了视差估计的准确性.遮挡点检测方法仅使用了匹配点唯一性约束和视差梯度限制这两个基本条件,降低了算法的复杂度.整个算法利用DT(Dalaunay triangulation)网格这一数学工具把散乱的点结合起来进行处理,使算法在实现方面更加简单化.本文算法首先对立体图像对中的左图像进行DT网格剖分,把各三角形的顶点作为"特征点"在右图像中寻找它们的匹配点.然后利用匹配点唯一性条件提取出其中一些顶点进行遮挡检测.实验结果表明,本文算法对"特征点"的视差估计比较准确,也能较为准确地检测出其中的遮挡点.借助DT 网格在图像编码方面的优势,本文算法可以方便地用于立体图像编码.     

基于二次匹配策略的RANSAC算法研究

为了提升RANSAC算法的匹配正确率,提出了一种基于二次匹配策略的RANSAC算法.该方法首先将所有样本点中误差过大的特征点进行剔除,以减小迭代次数,提高算法匹配速度;再通过反向匹配的方式进行二次匹配,保证了算法匹配的准确率和可靠性.实验结果证明,所提算法匹配正确率和速度都有所提升,并且在光照变化、模糊环境的干扰下,仍...     

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。     

基于不完整约束自然梯度算法的多道盲解卷

针对多输入多输出(MIMO)系统的Bussgang算法可能收敛到错误的解，而且收敛速度慢的缺点。章提出了不完整约束的自然梯度算法，该算法是由不完整约束条件与自然梯度算法的结合而推导出来的。通过计算机仿真对这两种多道盲解卷算法进行了比较，仿真试验表明：提出的算法收敛速度快，并且比Bussgang算法稳定。     

RANSAC算法在视频去抖动中的应用

本文介绍了一种去除视频抖动的算法。首先对连续的两帧图像进行块匹配,然后用RANSAC算法和求解超定线性方程组估计全局运动参数,对运动参数的滤波得出无抖动的运动轨迹,再对每帧画面做运动补偿得到无抖动的视频。通过大量的实验,证明这样的系统具有很强的鲁棒性。     

基于BRISK和改进RANSAC算法的图像拼接

针对图像拼接的速度优化和最终匹配对优化问题,本文提出了一种基于BRISK(Binary Robust Invariant Scalable Keypoints)特征点检测算法和改进RANSAC(Random sample consensus)算法的图像拼接方法。改进的RANSAC算法旨在通过循环以求得更多匹配对,具体改进为在计算内点个数时加入循环以及将内点的判断时使用的欧氏距离改成面积。实验结果表明,本文改进的RANSAC算法使得内点个数增加,平均反向投影错误率相对于原算法减小了约10%;提出的拼接方法相对于常用的拼接方法时间缩短了约50%。本文提出的方法能够实现实时、准确的图像拼接。     

一种基于RANSAC基本矩阵估计的图像匹配方法

图像匹配的关键是建立两幅图像之间的对应关系,通过极线约束,可以达到这一目的。两幅图像之问的外极几何关系可由基本矩阵描述。噪声干扰和对应点中的误匹配增加了基本矩阵估计的难度。本文提出一种坐标归一化后基于RANSAC的基本矩阵估计方法,有效地解决了因存在误匹配而导致的估计结果恶化。结果表明,所提出的方法具有较高的匹配精度。该方法也可用于红外图像中的目标检测。     

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。     

基于改进RANSAC算法的全景图像拼接技术

现实场景中相机获取的图像视角范围往往是有限的,而实际需求又要求得到场景的全 景图,针对日常生活和工业生产中对全景图像的需求以及传统的RANSAC(random sample consensus)算法在图像配准环节因为迭代次数没有上限导致出现误匹配点对且配准 速度不高的缺陷,提出了一种改进RANSAC算法来提高全景图像拼接的效率。改进RANSAC 算法通过检测圆内的点来寻找一个最优数据检测模型,并通过粒子群算法不断更新迭代圆心 的坐标,最终得到一个最佳的匹配模型,消除特征点匹配环节出现的异常值,在提高特征 点配准的准确率的同时降低算法复杂度。在对多组图像进行拼接的实验表明,本文提出的改 进RANSAC算法相较于其他几种算法平均正确匹配率提高了9.057%, 同时算法的平均配准速率提高了5.173 s,实 现了较鲁棒的全景图像拼接效果。     

多分辨率与视差梯度相结合的快速区域匹配

针对传统区域匹配算法中存在大量冗余计算,提出了一种多分辨率与视差梯度相结合的快速匹配算法。首先通过均值采样得到低分辨率图像对,再通过改进的视差梯度约束算法进行匹配得到低分辨率图像的视差图,最后引入盒滤波思想指导原始视差图的生成。实验表明,该快速匹配算法相对于传统的区域匹配算法,在改善精度的同时,减少了三倍以上运算时间。     

基于对极几何约束的SIFT匹配

以系统图像三维重构的对极几何约束和SIFT匹配为主要研究内容,给出了SIFT特征匹配算法。分析基于对极几何约束的SIFT匹配点检测的基本原理;研究了图像二维平面间的射影变换,并建立了相应的数学模型;通过应用某两幅灰度数字图像进行仿真验算,证明了对极几何约束的SIFT匹配的可行性;为相机系统识别目标在不同方位的特征信息提出了一种新的研究思路。     

基于SURF和改进RANSAC的视频拼接算法

在传统的视频拼接算法中,配准的误差和运动的物体都会使拼接结果产生鬼影,而复杂的融合算法又难以满足实时性要求。针对上述问题,以平行光轴且光心位于同一水平基线位置的双目相机采集的视频图像为研究对象,提出一种基于限定区域和SURF算法的视频拼接方法。针对采集到的具有20%~30%重叠感兴趣区域(ROI)的视频图像,每24帧设置一个关键帧,仅对关键帧的ROI区域采用SURF算法寻找特征匹配点对。然后采用改进的RANSAC算法筛选单应性变换矩阵H,对非关键帧直接采用此单应性变换矩阵H进行图像融合。实验结果表明,采用关键帧计算特征点的方式得到的视频拼接效果能够很好地消除鬼影,同时也能够保证视频融合的实时性。     

基于梯度图像的改进SSDA方法

介绍梯度图像匹配相关的基本原理，针对传统匹配相关算法的不足，提出了基于梯度图像的匹配相关的设计思想，并给出了获得梯度图像的方法。为了提高图像匹配相关的定位精度和实时性，在序贯相似性检测(SSDA)算法的基础上，提出了一种基于梯度图像的改进的序贯相似性检测方法。实验结果表明，该方法具有较高的定位精度和实时性。     

基于稀疏-密集匹配算法的视差度量

图像匹配是一种约束最优化问题，系统是否收敛于全局最优值一直尚未解决。为得到密集连续的视差图，通常在匹配算法中引入唯一性、连续性、有序性约束。但对于遮挡区域的像素，其对应点并不存在，因此过度平滑的视差结果会导致在遮挡边缘处，灰度变化显著的表面渗透至邻接的灰度变化和缓的表面，出现所谓的表面膨胀缩小现象。当定义图像匹配算法中最优匹配标准时，必须根据图像的内在信息加入其他一些约束条件，保证遮挡存在下匹配结果的全局精确度。提出一种稀疏-密集的匹配算法，利用能量图确定稀疏的视差图，然后运用相位匹配方法对视差图进行内插，并结合最优化理论克服局部最优困扰。实现遮挡检测。立体像对的匹配试验结果表明了该方法的有效性。     

基于视差估计的中间视合成

提出了一种基于视觉估计的中间视合成方法.为了生成高质量的中间视图,在视差估计中提出了一种新的基于自适应权值的方法,并在匹配的代价函数中引入视差平滑性约束项.在获得可靠密集视差图后,通过寻找中间视图中像素点在左、右图像中的对应点来合成中间视.实验结果表明,本算法可以获得很好的视差图,合成的中间视图具有较高的质量.     

拉普拉斯特征耦合方差度量的图像匹配算法

为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征。然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量。采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配。最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配。实验结果显示：较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90%以上。