基于相机标定的图像拼接算法

针对现有图像拼接算法在配准精度和速度方面的不足,提出了一种利用相机标定信息和相位相关技术相结合的图像配准方法,并给出了算法的详细推导过程.算法通过相机标定获得投影矩阵、相机坐标系间的旋转变换矩阵和平移向量.利用相机坐标系间的旋转矩阵推导对应图像间的旋转变换公式,通过z轴位移及场景的平均景深近似求解图像间的缩放系数,利用相位相关法求解图像间的平移转换参数.实验结果证明该算法理论推导正确,在有效景深范围较小情况下图像拼接准确,对于分辨率为640×480的输入数据,平均拼接速度能够达到26.8 ms.     

基于SURF特征相关的红外图像自动拼接

提出一种鲁棒性较好的图像拼接算法解决红外图像序列的自动拼接问题。首先应用图像子区域相位相关得到图像间近似重合子区域和图像间近似仿射变换参数;接着根据得到的参数值对SURF特征计算和特征匹配进行优化,提高了图像配准速度;然后以特征点对的对称投影位置误差最小化为目标,应用RANSAC和LM算法对图像间透视变换矩阵进行优化;最后应用得到的透视变换建立图像序列整体配准关系,并采用线性过渡法进行重叠区域融合得到最终的拼接图像。     

基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。     

基于SIFT-ACO的图像拼接算法

针对具有一定旋转角度的多幅图像拼接问题,提出了一种基于SIFT-ACO的图像拼接算法。对拼接图像进行预处理后,用SIFT算法提取图像特征,将经典的生物智能优化算法ACO加入到图像配准中,对图像特征点进行配准,最后将多幅图像融合,得到一幅宽视角、无缝、高精度的图像。对多组不同角度拍摄的图像进行拼接试验。试验结果表明：在不影响整体视觉效果的前提下,该算法能有效地提高图像拼接精度。     

基于元胞自动机的棉制品图像的拼接方法

棉制品布面检测中,布面图像的采集很关键,通过棉制品图像拼接来得到一幅大范围完整的图像.用固定相机和调节运作台传输的速度可以人为的设定两幅图像重叠范围.先对待拼接的图像进行去噪和二值化,去掉较多的伪信息,来得到较好的图像轮廓信息;接着用元胞自动机模型进行图像边缘检测得到边缘信息;再提取出特征点进行图像拼接和融合后,得到一幅大视角的图像.实验结果证明这种方法可以有效地实现特征点较少的图像间的拼接.     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用SIFT（Scale-Invariant Feature Transform）特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

基于视频流的图像拼接算法研究

本文提出了一种基于特征行的全自动无缝图像拼接算法。该算法首先利用相关系数法找出两幅图像的最佳匹配位置,然后利用图像融合技术消除两幅图像的差异。匹配算法简单,且具有一定的鲁棒性。该算法最大的特点是其快速性。对工程中需要提高拼接速度的环境,可以达到实时或准实时性的要求。     

基于SURF算法的细胞显微图像拼接方法的改进

为提高细胞显微图像的拼接速度,对基于SURF特征提取的显微图像拼接方法进行了改进.首先利用SURF算法提取待拼接图像的特征点,接着提取待拼接图像的边缘,将图像边缘上的特征点保留下来,进行下一步匹配与图像融合.实验结果表明:改进的方法能够获得理想的拼接效果,并且大大地提高了运算速度.     

基于改进Harris的图像拼接算法

针对传统Harris角点检测算法进行改进,提出了一种基于改进Harris的图像拼接算法.首先,通过修改角点响应函数,引进8邻域比较以及圆形非极大值抑制窗口,采用NCC算法对检测出的Harris角点进行粗匹配,采用RANSAC算法剔除误匹配,最后对匹配图像进行图像融合,完成图像拼接.仿真结果表明,该算法提高了图像拼接的准确性、稳定性和鲁棒性,能够达到无缝拼接,具有优良的实用性.     

无人机航空遥感图像的多分辨率拼接方法

为了克服无人机在空中执行遥感监测任务时受摄像头硬件性能的限制,以获得高分辨率的大面积区域图像,给出一种基于小波包变换的多分辨率图像拼接方法。先将小波包变换多分辨率的性质应用于Canny算法边缘检测,消除噪声干扰,提取更加完整的边缘,再通过基于像素灰度值的双匹配方法进行图像匹配和融合。仿真实验结果表明,所给方法拼接图像效果良好,速度较快,可以达到30幅的连续拼接标准,满足实际应用的要求。     

基于图像边缘检测的图像识别算法

在图像识别问题中,基于Haar特征的图像识别算法已经十分普遍,并且得到了广泛的应用。但是,目前此类算法还存在有时间复杂度高、对图像亮度、尺寸变化敏感、图像识别精度差等缺点。为了提高图像识别的精度,提出了一种新的边缘检测图像识别算法。这种算法首先使用Canny算子将图像的边缘像素识别出来,然后计算每一个有效像素的梯度。通过得到的像素梯度序列建立归一化直方图,对归一化直方图分析后得到最优识别。基于边缘检测的图像识别算法使匹配图像效率得到了提高,图像识别流程得到优化。     

基于动态边缘检测的图像锐化算法

在数码相机中,经插值运算后的数码图像,常伴有噪声和伪色的影响,使图像变得模湖,边缘部分不够清晰.因此,需要通过锐化处理,增强图像边缘轮廓,增加清晰度,减少伪色.该文提出了一种基于动态边缘检测的图像锐化算法,恢复的图像在细节纹理、边缘、色彩方面的效果都较理想,对边缘的噪声抑制较明显,与常用锐化算法比较,在同等仿真环境下,所提出的方法有运算复杂度较低的优点.     

基于矢量运算的彩色图像边缘检测算法

在矢量运算基础上提出一种加权的矢量相似度彩色图像边缘检测法,给出了算法思想和计算步骤,并进行了验证。该算法首先将彩色图像转换到YCbCr颜色模型并构造像素的矢量表达,然后利用矢量欧氏距离计算像素间的相似度分布,相似度具有局域最小特征的点即为边缘。该算法通过颜色模型转换实现亮度和颜色分离,从而可以引入权值控制亮度和颜色对边缘的贡献。实验结果表明,矢量空间相似度可以很好地表达图像边缘,亮度和颜色分离的方式也有利于彩色图像的边缘检测。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

一种基于模糊梯度算法的图像边缘检测方法

图像的边缘是图像最基本的特征.进行了图像分割、模板匹配和图像识别等方面的研究,无不例外都会使用到图像的边缘.对图像边缘检测方法中的模糊梯度算法进行了探讨,并提出了一种改进方法,得到了较好的检测效果.     

图像拼接中surf配准算法的研究

图像拼接技术作为获取全景图像的工具,已经受到越来越多学者的关注。为了得到良好的拼接图像,减少图像空间几何畸变,便要对图像进行严格的配准。Surf(Speed-Up Robust Feature)算法是近年来图像配准的研究热点之一。对传统surf配准算法进行理论分析并在此基础上提出改进算法,特征点检测时,利用设立阈值来去除多余的特征点,并用MATLAB软件对改进算法进行仿真分析。实验结果表明,改进后的算法虽然减少了特征点个数,但增加了配准的成功率,前后性能相当且速度更快。