CCD像元尺寸对傅里叶变换法相位测量精度的影响

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差, 以及不能完全去除误匹配等不足, 提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法。该算法首先提取图像的SIFT特征, 并利用近似的最近邻搜索算法(BBF)进行特征初始匹配, 然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵。在这种误匹配逐次去除的迭代算法中, 采用预检测模型的方法, 减少了迭代运算的数据量, 提高了拼接速度; 采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度; 通过逐次筛选去除误匹配, 且在筛选过程中采用自适应阈值, 完全去除了误匹配。实验结果表明, 该算法在保证较高精度和鲁棒性的情况下, 缩短了拼接时间, 提高了拼接效率。     

基于SIFT特征和误匹配逐次去除的图像拼接

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差,以及不能完全去除误匹配等不足,提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法.该算法首先提取图像的SIFT特征,并利用近似的最近邻搜索算法(BBF)进行特征初始匹配,然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵.在这种误匹配逐次去除的迭代算法中,采用预检测模型的方法,减少了迭代运算的数据量,提高了拼接速度;采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度;通过逐次筛选去除误匹配,且在筛选过程中采用自适应阈值,完全去除了误匹配.实验结果表明,该算法在保证较高精度和鲁棒性的情况下,缩短了拼接时间,提高了拼接效率.     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

基于局部保持匹配的改进图像匹配算法

针对传统图像匹配算法存在误匹配率高、匹配耗时长等问题,提出一种基于局部保持匹配(LPM)的改进图像匹配算法.该算法首先对图像进行双边滤波,减少噪声干扰,之后在尺度不变特征变换(SIFT)算法下提取鲁棒特征点,并利用欧氏距离进行粗匹配得到初始匹配集;然后利用LPM算法对初始匹配集中具有相似局部邻域结构的特征点进行保留,剔...     

基于信息熵的改进SIFT图像快速匹配算法

针对传统的尺度不变特征变换(SIFT)算法计算相对复杂、匹配耗时较长无法满足工程上实时计算要求的问题,提出一种基于信息熵的改进SIFT图像快速匹配算法.首先,根据局部熵自适应选择分割阈值把测试图像和参照图像分割成不均匀的两个区域,采用高熵区域做特征点检测,提高特征点的检测效率;然后利用每个子区域的梯度方向信息熵和梯度幅值信息熵把描述符向量的维度从128维降低到50维,降低欧氏距离的计算复杂度;最后,用最近邻距离比值法完成特征点匹配.通过实验对比发现改进的匹配算法在降低算法复杂度和提高正确匹配率的同时,显著地缩短了匹配时间.     

一种基于对比度阈值的改进SIFT算法

为了提高基于SIFT(Scale Invariant Feature Transform)图像匹配算法对于图像对比度变化的鲁棒性和算法效率,提出了一种具有可变系数的自适应对比度阈值SIFT算法。根据特征点局部邻域的灰度信息初步确定对比度阈值,同时根据当前特征点的多少确定对比度阈值系数的大小;特征点越多,系数越大,增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性;同时最终提取出的特征点数量避免了过大,稳定在预定的区间内,算法效率提高了1倍多。     

对比度阈值自适应的SIFT图像拼接算法

图像拼接技术主要由3部分构成:采集、匹配和融合,其中匹配最为关键,决定拼接质量。针对SIFT图像拼接算法的特征点数目局部过高或过低情况,采用对比度阈值自适应的SIFT图像拼接算法,可得到合理数目的特征点。此方法保证特征点数目在150~300之间,过高或过低时,可自适应调节数目,进行有效控制。实验证明:改进的算法保证拼接效果的基础上,提高运算效率,具有实用价值。     

基于改进SIFT的图像拼接算法

针对目前基于SIFT的图像拼接算法复杂度较高和特征点匹配不准等问题,提出了一种基于改进SIFT的图像拼接算法。算法利用改进的SIFT进行特征提取,降低了算法的复杂度,同时采用模拟退火算法进行特征点匹配,从而估计出几何变换的参数。实验结果表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰都具有良好的鲁棒性,可实现高质量的图像拼接。     

主成分分析法(PCA)在SIFT匹配算法中的应用

针对传统SIFT匹配算法数据量大、耗时长的问题,采用了主成分不变特征变换(PCA-SIFT)匹配算法。PCA-SIFT匹配算法将传统SIFT算法中的直方图法换做主元分析法,降低了传统SIFT特征描述符的维数,减少了数据量,提高了匹配效率。首先提取出两幅待匹配图像中的所有特征点及其特征向量,其次将提取出的特征向量采用距离比阈值筛选出匹配点对,再采用RANSAC法消除错配,最后得到精确的匹配结果。实验结果表明,PCA-SIFT算法较稳定、精确、快速。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。