一种改进的基于RANSAC方法的SIFT特征匹配

在图像配准,图像融合,目标识别,图像拼接等领域中,运用SIFT描述子进行特征匹配是一种常用方法,针对传统的消除误匹配的RANSAC算法迭代次数多,计算复杂度较大,在SIFT特征匹配中误配率高的问题,增加了一个原始匹配点对的前道处理环节,引入匹配点对的几何特征定义,根据匹配点对的最近邻点和次近邻点角度差在一定阈值范围内建立预处理模型,剔除误匹配点,减少了参与RANSAC的数据量,提高了RANSAC的运行效率。实验结果表明:与未增加前道处理的RANSAC算法相比,基本消除了误匹配点,提高了图像匹配的准确率。     

一种改进的Harris角点检测的图像配准方法

针对在传统的Harris角点检测过程中,手动输入单个阈值可能出现角点聚簇、伪角点等现象,提出了一种改进的Harris角点检测方法的图像配准方法。首先,将图像分割成3×3个无重叠子图,根据每个子图的对比度的大小,来设置每个子图的阈值。然后,采用NCC算法对检测出的角点进行粗匹配。最后,采用RANSAC算法对粗匹配中误匹配点对进行剔除。实验表明:该算法使得检测的角点分布比较均匀,并在图像配准中有效地增加图像匹配点对数,具有良好的实用性。     

改进配准测度的SUFT红外图像快速配准算法

为方便电路板卡故障诊断,实现红外图像快速、有效配准,提出一种基于SUFT(Speeded-Up Robust Features)和相似四边形的红外图像快速配准算法。该算法首先对红外图像进行特征点检测,生成SUFT特征点描述子;然后采用欧氏距离进行相似性度量,提取粗匹配特征点对,再利用相似四边形进行精匹配,去除误配准点对;最后依据精匹配点对求解变换模型参数,实现红外图像的配准。实验表明,改进后的算法能有效剔除误匹配点对,提高配准精度,配准结果较理想,与同类算法相比耗时较短。因此该算法具有快速性、稳定性等优点,且配准精度较高,有很好的实用价值。     

相似距离比算法在图像配准中的应用

对于图像配准中剔除误匹配的问题,在研究随机抽样一致性算法(RANSAC)的基础上,针对RANSAC算法中具有3个不确定参数,较难设置这些参数以同时得到较高的匹配精度和较短的运行时间,并且匹配精度与运行时间具有一定随机性等问题,提出了采用相似距离比剔除误匹配的算法。实验结果表明:在对有旋转、平移、缩放的图像进行配准时,该算法能够充分利用正确匹配点,缩短了运行时间,具有良好的配准精度和鲁棒性。     

基于ORB和角点方向夹角约束的快速图像配准方法

针对图像间存在不同形变、光照等情况下配准难度大的问题,基于尺度不变特征变换(SIFT)的配准方法计算量大、无法满足实时性的要求,提出一种基于Oriented FAST and Rotated Brief(ORB)与角点方向夹角约束的快速图像配准方法.首先在两幅图像中分块提取ORB特征点,采用一种基于双阈值的汉明距离进行特征点匹配,针对随机抽样一致性(RANSAC)算法无法剔除错误匹配的特征点,以角点方向夹角一致性为约束条件,有效剔除误配点;然后再用RANSAC算法计算出最佳变换矩阵,完成图像配准.实验表明,采用具有不同形变、光照等情况下的3组图像,该方法不仅能很好地配准图像,并且3组图像配准的平均时间为80.399 ms,不到SIFT配准方法所需时间的1/20,兼顾了图像配准的有效性和实时性.     

基于Pearson相关系数的图像误匹配点剔除算法

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点.当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分...     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

基于SURF-DAISY算法和随机kd树的快速图像配准

提出了一种基于SURF-DAISY算法和随机kd树的快速图像配准方法,首先利用经典SURF特征检测器分别提取参考图像和待配准图像中的特征点,为了进一步提高算法速度,对SURF算法进行改进,利用DAISY描述符代替SURF原有的特征描述算法对特征点进行描述;之后通过随机kd树算法对参考图像和待配准图像的特征点进行匹配并且使用经典RANSAC(随机抽样一致性)算法剔除误匹配点对;最后用最小二乘法估算出最佳的空间几何变换参数,实现两幅图像的配准。实验结果表明:相对于标准的SURF算法,本文方法在基本保持性能不变的同时,配准过程所消耗的时间最多减少了45.6%。     

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。     

基于改进SIFT算法的视频序列图像配准

针对尺度不变特征SIFT配准算法中匹配阶段的距离比阈值参数不具有普遍适用性,并且误配点没有得到有效剔除的问题,分别提出了参数自适应和相邻平行性约束的相应改进方法。距离比阈值的参数自适应使得阈值能够对不同的图像进行调整,相邻平行性的约束则进一步减少了误配的特征点对,最终得到更加精确的图像变换关系。将改进后的SIFT算法应用于视频序列图像的配准,实验表明改进算法的性能得到有效提高。     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

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。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

基于椭圆傅里叶描述子的遥感图像配准算法

传统的基于点特征的图像配准算法在遥感图像配 准时提取的特征点数量大、分布密,易产生误匹配,导致特 征匹配的效率和精度低。为此,本文利用椭圆傅里叶描述子(EFD)能较好保留 形状信息的特点,提出了一种基于EFD的 图像配准算法,根据匹配的边界对预估变换参数,给出特征搜索范围,从而有效地提 高特征搜索的效率。实 验结果表明,所提出算法能有效抑制误匹配的产生,提升特征匹配的效率,尤其是对于纹理 丰富的大尺寸图像,提 升效果更加明显,验证了本文算法对遥感图像配准的适用性。     

基于区域特征的图像配准方法研究

研究一种快速、准确,适用于大角度旋转的图像自动配准方法.首先利用图像边缘点和角点的重复性提取两图像的特征点,有利于提高匹配速度;再利用双向结构相似度最大和三角形相似相结合的方法获得匹配点对,有利于减少误匹配点对;最后利用结构相似度较大的匹配点对求得配准参数,并对图像进行配准.实验结果证明了该算法的正确性和有效性,并且其能够适用于较大缩放倍数和旋转角度图像的配准.     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

一种改进的快速鲁棒性特征匹配算法

针对光照变化、噪声、局部遮挡等在图像配准技术中对配准精度有重要影响,提出了一种在多尺度空间下点预测快速鲁棒性不变特征的匹配算法。针对在探测对图像的尺度、旋转,仿射具有不变性的斑状特征极值点过程中计算复杂度较高的问题,提出一种特征点预测方法降低了描述子提取的复杂度,增强了对外部环境光照变化、噪声以及局部遮挡的适应能力;并在KD(KD Tree)树基础上,提出了一种动态平衡KD树(DBKD-Tree)快速搜索匹配算法,有效克服了KD树可能存在的病态划分,采用条件约束最邻近搜索,提升匹配效率,实现特征点高精度匹配。通过对在不同光照条件、噪声环境的仿射变换图像特征匹配测试,在加入20%的高斯噪声后,均能100%地完成重复特征检测,达到亚像素定位精度,误配率降低为零。     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响。结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法。首先采用改进的三次B样条分别对两幅源图像进行边缘提取;然后利用SURF算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现图像的匹配。实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性。     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。