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。     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于SIFT特征的鱼眼图像拼接算法

鱼眼图像在全景图拼接中优势明显，然而，由于鱼眼图像存在严重的透视畸变缺陷，往往导致拼接图像效果不理想，甚至导致拼接失败，针对该问题，提出基于 SIFT特征的鱼眼图像拼接算法，该算法先对鱼眼图像进行校正，采用SIFT特征算子对校正后的鱼眼图像进行特征提取和匹配，再利用RANSAC鲁棒算法对变换参数进行估计，最后使用加权平均法对图像进行拼接融合? 通过对不同场景下、不同重叠区域图像的全景图像拼接实验验证，与现有的拼接方法相比较，同等拼接质量下该算法得到的全景图像能够有效减少计算量、减少拼接次数，证明了该算法的适用性和有效性。     

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...     

一种基于双预筛选改进的SIFT图像立体匹配算法

针对传统尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法存在特征点冗余和计算量大等问题,提出一种基于双预筛选的强鲁棒性SIFT算法.首先在构造差分空间之前,利用像素点8邻域标准差相似度方法对特征点进行预筛选,然后利用极值检测方法对特征点进行精确定位.针对传统随机采样一致性(RANSAC)算法存在匹配效率低等问题,提出一种自适应三维多峰直方图投票的方法,采用该方法对初始匹配进行筛选,筛选结果作为RANSAC的初始内点集并对初始匹配进行提纯,最后在最优内点集中对模型参数进行计算.实验结果表明,所提算法在不同类型的图像中,相较于传统SIFT+ RANSAC算法,特征点的检测时间平均减少11.7％,总运行时间平均降低10.7％,正确匹配数平均提升2.8％;召回率与F值分别平均提升4.9个百分点与2.7个百分点,说明所提算法的综合性能具有有效性.     

基于改进SIFT算法的图像配准方法

针对SIFT(Scale Invariant Feature Transform)复杂算法, 提出一种改进的SIFT算法。首先, 该方法利用Canny边缘检测算法去除部分影响匹配结果的边缘点。然后, 对于原算法中128维描述子提出64维圆形邻域描述子, 提高了运算速度。最后, 采用最近邻与次近邻之比进行双向匹配增强了匹配结果的精确度。实验结果表明, 该改进算法可以有效提高运算速度, 而且提高了匹配准确率, 增强了算法的鲁棒性。     

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.     

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.     

基于SIFT特征的图像拼接算法应用研究

图像拼接算法在视频压缩、文物守护、图像信息处理与虚拟现实技术中普遍应用.图像拼接存在图像视野范围和高分辨率之间相互矛盾的问题,目前要获得某些大视野的场景时,只能通过一些简单方法进行处理.因此,提出了一种基于SIFT特征的图像拼接算法,并进行了实际应用.     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

基于SIFT的边缘局部仿射的图像拼接算法

本文针对累计误差形成的多幅图像拼接产生畸变的问题,提出了一种基于边缘局部仿射的拼接算法,在拼接过程中逐步衰减仿射变换,使得图像在拼接过程中逐渐降低过仿射带来的畸变.同时为从视觉上分析图像拼接过程特征点的变化情况,本文还提出了一种基于特征点的骨架图算法,通过拼接后骨架图的图像来分析各种拼接算法.可以广泛应用于拼接算法的测试过程.     

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.     

基于SIFT特征点的图像匹配算法

SIFT特征点是图像的一种尺度不变局部特征点。首先给出了尺度空间的生成方法;接下来给出了SIFT特征点的提取步骤和精确定位方法,基于特征点邻域像素的梯度和方向生成了关键点的描述向量;最后根据特征向量给出了匹配方法,提取了SIFT特征点,并将其应用于图像匹配。实验结果说明,使用SIFT特征点可以有效实现图像匹配。     

基于改进加权融合算法的运动场景图像拼接

在图像匹配、融合过程中,由于图像中运动物体的存在,使得融合后的图像可能出现鬼影。鬼影消除一直是图像拼接技术的重点和难点。针对这一问题,现提出一种基于SIFT和改进加权融合的运动场景图像拼接方法。首先,采用对尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,使用RANSAC算法求出图像间的变换矩阵H,最后利用文中提出的改进加权融合算法完成图像的无缝拼接。整个过程完全自动地实现运动场景的图像拼接,消除了运动鬼影。实验结果验证了该方法的有效性。     

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。     

基于双谱和SIFT特征的雷达辐射源信号唯一识别

针对当前雷达辐射源信号唯一识别存在的问题,文中应用双谱分析和SIFT特征处理该问题得到了较好效果。首先对不同雷达发射的具有相同调制样式和调制参数的信号进行双谱变换,由于双谱中包含了诸如相位噪声等信号的个体特征,因此不同雷达辐射源信号间的双谱投影图具有差异,为充分利用此差异,进一步将双谱投影图转化为灰度图并提取其SIFT特征,最终通过特征匹配达到唯一识别的目的。仿真结果表明,文中方法在信号个体差异较小的情况下仍然可行,具有很强的适用性。     

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ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

基于GPU的SIFT特征提取算法研究

传统SIFT算法的优化和实现都是针对常用处理器（CPU）提出的,处理速度慢,实时性很难得到保证。通过实现基于NVIDIA公司CUDA架构图形处理器（GPU）的SIFT特征提取算法,优化了数据存储结构,提高了数据访问效率。实验结果表明,基于GPU的SIFT特征提取算法充分利用GPU的并行处理能力,计算速度提高幅度明显,图像越大越复杂,提高的幅度越大,处理1600×1200图像时甚至可达近15倍的加速比,极大地提高了SIFT算法在实际应用中的实时性。     

基于图像纹理特征的SIFT算法研究

针对传统尺度不变特征转换(SIFT)算法存在大量冗余的特征点,而导致图像匹配过程中运算量大、效率低的问题,提出一种基于图像纹理特征的SIFT算法。该算法首先采用排列组合熵方法提取图像纹理信息,在此基础上利用SIFT算法提取特征点,这样能够减少冗余特征点,以有效提高算法匹配效率。实验测试结果表明,该算法与传统的SIFT算法相比,冗余特征点少,特征点匹配效率提高到98.04%。