基于运动目标特征的关键帧提取算法

针对运动类视频特征不易提取且其关键帧结果中易产生较多漏检帧的问题,提出基于运动目标特征的关键帧提取算法。该算法在强调运动目标特征的同时弱化背景特征,从而防止由于运动目标过小而背景占据视频画面主要内容所导致的漏检和冗余现象。根据视频帧熵值将颜色变化明显的帧作为部分关键帧,对颜色未发生突变的帧根据运动物体的尺度不变特征变换（SIFT）获得帧内运动目标的特征点;最后分别根据帧熵值及运动物体SIFT点分布提取视频关键帧。实验表明该算法所得关键帧结果集不仅漏检率较低且能够准确地表达原视频内容。     

基于SIFT算法的物体运动方向快速识别方法

为了解决成像设备只能在较低的分辨率成像且不能区分运动方向的问题,提出了一种基于SIFT算法的快速识别物体运动方向的方法。首先,根据块匹配算法中的角点特征提取法确定块的位置,并将该块命名为检测块。然后,用已经确定的块遍历下一帧图像,找到相匹配的块,命名为目标块并确定检验块与目标块之间的运动方向。最后,采用SIFT算法对2幅图像的特征点进行匹配,选取3个特征点构建三角形,对2个对应三角形的变换关系构建数学模型,做出运动方向的判断。实验结果表明,与块匹配相比,运动方向判断速度提高了3.3倍,匹配的准确程度提高了2.9倍,获得了更高的判断速度和准确度。2种方法的比较结果显示,基于SIFT算法的识别方法具有较强的可行性,能够更快地确定多帧图像中物体的运动方向。     

图像拼接技术研究与应用

近年来图像拼接技术的研究与应用随着人们生活以及科学研究的需要正受到越来越多的关注。图像拼接(Image Mosaics)主要是利用现有的计算机等设备,将两幅或者多幅具有相关重叠区域的图像拼成一幅大型的无缝高分辨率图像的技术。它突破了传统图像获取设备的局限性,正在广泛地被应用于航空航天、医学图像分析、计算机视觉、视频监控等领域中,是当前图像处理领域的一个非常重要的分支。该文通过介绍图像拼接技术的图像获取、图像预处理、图像配准以及图像融合等步骤,并利用Visual C++中的MFC编程实现了两幅简单的具有一定重叠区域的位图的拼接。     

一种基于SIFT和改进RANSAC的稳健图像拼接算法

针对图像间因存在旋转以及采集图像时光线强度的差异等现象而导致的拼接效果不理想和拼接速度慢的问题,作者提出了一种基于SIFT和改进RANSAC的稳健图像拼接算法,具体包括SIFT特征提取、图像配准以及图像的加权平均融合等步骤。其中,该文重点研究了图像配准这一阶段,此阶段包括图像的初始匹配和精确配准两步,实验证明该拼接算法不仅可以很好的拼接存在平移、旋转、尺度缩放、视角以及光照变化的图像,而且较之传统的RANSAC算法,改进的RANSAC算法迭代次数变少了并且运行时间也减少了,拼接效率得到了明显的提高。     

基于SIFT算法的嵌入式全景照片系统开发

全景照片也称为全景摄影或虚拟实景,是基于静态图像的虚拟现实技术,即把相机环360°拍摄的一组照片拼接成一个全景图像并进行显示。该文基于SIFT算法和嵌入式系统实现全景摄像技术装置,即通过ARM9平台将步进电机和摄像装置结合实现全景照相装置,之后在服务器通过HGE引擎开发相关系统,引入SIFT衔接算法将拍摄的多张照片进行拼接处理,并构建全景照片的虚拟环境,实现了全景照片的跑马灯展示效果。     

基于SIFT特征点的图像匹配技术研究

图像配准是遥感、医学、计算机视觉等很多领域中的一个基本问题。针对特征点的匹配,该文首先采用LTS Haus-dorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。     

SIFT算法在图像配准中的应用

图像配准有很多种算法,在众多算法中尺度不变特征变换(SIFT)算法具有良好的尺度,光照,空间旋转不变性,被广泛的运用于图像配准的应用中。本文对SIFT算法的基本步骤做了简单的阐述,并且在运用在图像配准的应用上。实验结果表明该算法具有较强的配准能力,是一种较好的配准算法。     

基于WiFi的分布式监视场景拼接系统

随着数字化信息技术的不断发展,监视系统已经成为各行业领域中的重要应用.随着WiFi等无线技术的发展,实现了视频数据的无线传输,因其特有的便捷性将传统的有线监视系统取而代之.图像拼接是目前图像处理的一项热门技术,将两幅或者多幅具有重叠区域的图像拼接成一幅无缝隙高分辨率的图像.本论文结合WiFi无线技术和图像拼接技术的优势,提出了基于WiFi的分布式监视场景拼接系统,多个客户端采集的图像通过WiFi无线网络传输到服务器,服务器对传输过来的图像采用SIFT算法和RANSAC算法完成拼接,最终实现了宽场景监视.实验结果表明该系统可以有效地实现监视场景拼接.     

遥感图像拼接系统

提出和实现了一种图像配准方法,利用OpenCV库开发了一个低空遥感图像拼接系统. 将SIFT作为图像拼接特征向量,实现了图像局部尺度空间中极值点的计算和SIFT特征点的提取. 使用特征向量的欧氏距离实现特征点的粗匹配,结合随机抽样一致RANSAC算法对匹配点进行优化,并精确估算出投影变换矩阵,实现两幅图像的拼接. 最后实现对重合区域的图像融合. 实验结果表明本文方法较好的解决了遥感图像中常出现的图像的平移、缩放、旋转等变换下的配准问题,达到较好的拼接效果.