基于匹配策略融合的低误差快速图像拼接算法

针对目前多数拼接算法正确匹配率低、耗时及误差大的问题,提出了基于匹配策略融合的改进图像拼接算法。该算法首先仅在图像的重合区域提取SIFT特征点,并计算SURF特征描述符;其次,融合改进的最近邻比次近邻、双向交叉检查及匹配差值的阈值化3种匹配策略,结合坐标约束及RANSAC算法完成特征匹配;最后,提出利用配准参数计算任意图像到参考图像坐标空间的投影变换模型的方法,并利用多线程技术将所有图像投影至参考坐标系,经过亮度校正、加权融合后合成全景图。实验结果表明,提出的拼接算法正确匹配率提高了10~20%,拼接总耗时约为传统逐帧扩大式拼接算法的1/3,且累计误差大大降低,拼接图像畸变小。     

基于背景抑制和前景抗干扰的多尺度跟踪算法

针对尺度变化、目标形变、背景混乱及相似等导致的相关滤波跟踪算法模型漂移的问题,本文提出了一种基于背景抑制和前景抗干扰策略的多尺度相关滤波跟踪算法.前者应用自适应高斯窗和颜色概率模型,以解决背景混乱及相似问题;后者采用自适应密集采样和颜色概率模型,以抑制尺度变化和目标形变等干扰.最后,构建一维尺度滤波器实现对目标尺度的精确估计.在OTB-50数据集下的对比实验表明,本文算法取得了79.2％的精确度和65.5％的成功率,优于现有的主流相关滤波跟踪算法,在11种常见的干扰下性能亦为最优,展示出较高的跟踪精度和较强的鲁棒性.