改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足, 提出一种基于改进SIFT算法的图像拼接方法, 并将其应用于无人机遥感图像拼接算法中。首先, 采用Harris算子角点检测遥感图像的特征点, 然后用改进的SIFT算法进行特征点的描述, 通过对高维数据进行降维处理, 减小运算量; 匹配完成后, 采用随机抽样一致性(RANSAC)算法消除误匹配; 最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明: 采用所提出算法能有效剔除遥感图像之间的误匹配, 减小时间复杂度, 更好地消除拼接缝隙。     

改进图像配准算法在无人机遥感图像拼接中的应用

针对传统图像拼接方法的不足,提出一种基于改进SIFT算法的图像拼接方法,并将其应用于无人机遥感图像拼接算法中。首先,采用Harris算子角点检测遥感图像的特征点,然后用改进的SIFT算法进行特征点的描述,通过对高维数据进行降维处理,减小运算量;匹配完成后,采用随机抽样一致性(RANSAC)算法消除误匹配;最后采用渐入渐出加权平均融合法进行图像融合。实验结果表明:采用所提出算法能有效剔除遥感图像之间的误匹配,减小时间复杂度,更好地消除拼接缝隙。     

变环加权SIFT算法的图像拼接

针对传统SIFT匹配算法数据量大、时间复杂度高的问题,提出基于尺度不变特征变换(SIFT)特征提取方法获得特征点,并采用变换步长的圆形区域选区对特征点进行描述,改进了SIFT特征的64维描述符和88维描述符的不足。将改进后的算法应用到图像拼接过程中,通过实验验证了改进后的方法在时间复杂度方面有所改善。     

基于Sobel算子和改进SURF算法的图像拼接方法

针对基于SIFT算法的图像拼接算法计算量大、算法复杂、匹配效率低的问题,提出一种基于Sobel算子和改进SURF算法的图像拼接方法。首先采用Sobel算子快速检测图像兴趣点,然后利用改进的SURF算法进行图像匹配,采用随机抽样一致性算法消除错误匹配点。最后对图像通过加权平均法进行图像融合,消除拼接缝隙。实验结果表明,与基于SIFT算法的拼接方法相比,该方法具有较好的匹配精度,方法容易实现,且在匹配阶段具有更好的匹配效率,同时能够更好地处理拼接缝隙。     

基于SIFT特征的多视点云数据配准和拼接算法

针对无特征标志点的大场景多视点云数据,提出了一种新的基于SIFT特征的配准和拼接算法。算法提出了有效纹理图像的概念,并对有效纹理图像进行SIFT特征提取和匹配;然后将提取的SIFT特征点和匹配关系反射到三维点云数据,获取多视点云数据的特征点和匹配关系,完成多视点云数据的拼接。算法在有效纹理图像中提取和匹配特征点,排除了点云数据中孔洞和无效数据的干扰,并且算法只利用较高鲁棒性的特征点对进行拼接,计算简单,匹配精度和效率都得到提高。对室内和室外两个大场景的2个视点数据进行实验,实验结果证明拼接速度和精度都有较大的提高。     

基于改进ASIFT的可见光图像拼接研究

为了解决目前基于特征点的图像拼接算法在图像重叠度较低情况下,图像拼接效果差以及无法满足实时图像拼接的问题,提出了一种基于改进仿射—尺度不变特征转换(Affine Scale Invariant Feature Transform,ASIFT)的快速图像拼接算法,在特征点匹配过程中引入主分量分析(Principal Component Analysis,PCA)法进行处理,提出了一种PCAASIFT描述符对特征点重新进行描述。实验结果表明,与基于SIFT和SURF的拼接算法相比,该算法实现了高精度拼接,并且比传统ASIFT拼接算法提高了拼接的速度。     

对比度阈值自适应的SIFT图像拼接算法

图像拼接技术主要由3部分构成:采集、匹配和融合,其中匹配最为关键,决定拼接质量。针对SIFT图像拼接算法的特征点数目局部过高或过低情况,采用对比度阈值自适应的SIFT图像拼接算法,可得到合理数目的特征点。此方法保证特征点数目在150~300之间,过高或过低时,可自适应调节数目,进行有效控制。实验证明:改进的算法保证拼接效果的基础上,提高运算效率,具有实用价值。     

一种基于SIFT和区域选择的图像拼接方法

提出了一种基于SIFT和区域选择相结合的图像拼接方法.该方法采用改进的尺度不变特征变换(SIFT)特征提取方法获得图像特征点,并充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算量过大、特征点匹配不准确等问题,最后采用加权平均的方法对图像进行融合.实验表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰等都具有良好的鲁棒性,可实现高质量的图像拼接.     

基于傅里叶梅林预处理的SIFT图像拼接算法

对于图像存在旋转和尺寸缩放而导致的图像拼接质量不理想的问题,提出了基于傅里叶梅林预处理的SIFT图像拼接算法。算法首先利用傅里叶梅林计算图像的计算两幅图像的缩放比例和旋转角度,然后对图像的缩放比例和旋转角度进行调整,最后通过尺度不变特征变换(SIFT)算法进行图像的拼接。实验结果表明,改进的算法匹配的特征点数量增加了19.76%~33,34%;在拼接质量方面,SSIM和PSNR分别提升了14.74%~25,88%和10.39%~15,27%,图像的拼接质量获得了有效地提升。因此,本文改进的算法在对图像拼接质量由较高要求的领域由潜在的应用价值。     

基于改进的SIFT和RANSAC的图像拼接技术

为解决图像拼接技术中特征点冗余的问题,该论文提出一种基于SIFT(尺度不变特征变换)的改进算法,该算法在标准的SIFT算法基础上加上筛选规则,通过结合特征点与欧氏距离的关系自动优选特征点,根据欧氏距离设立距离等值区间,统计区间特征点数量,运用双阈值(特征点阈值、距离筛选阈值)选择较好的匹配点后再用RANSAC算法消除误匹配点。利用客观图像质量评估指标分析,实验表明,改进后的算法减少了特征点的数量,提高拼接图像质量。