基于ORB与RANSAC融合改进的图像拼接方法

针对旋转不变性二进制描述算法（Oriented Fast and Rotated Brief, ORB）的尺度旋转性配准误差大,配准率较低及随机采样一致性（Random Sample Consensus, RANSAC）算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。     

一种结合ORB算法的SIFT图像配准算法

在基于SIFT算法的图像配准过程中有两个重要的环节:特征提取和特征匹配。针对算法在特征提取时存在的计算量大、复杂度高、速度慢等问题,该文提出了结合ORB算法的思想,对SIFT算法进行特征提取的优化,从而实现快速地提取图像的局部特征。在特征匹配阶段采用K最近邻的BBF搜索策略并结合RANSAC算法进行提纯,消除误配点。实验结果表明,改进后的算法降低了配准时间,提高了配准精度,适用于一些对实时性要求较高的场合。     

基于ORB关键帧匹配算法的机器人SLAM实现

针对复杂环境下机器人的同时定位与地图构建(SLAM)存在实时性与鲁棒性下降等问题,将一种基于ORB特征点的关键帧闭环检测匹配算法应用到定位与地图构建中。研究并分析了特征点提取与描述符建立、帧间配准、位姿变换估计以及闭环检测对SLAM系统的影响,建立了关键帧闭环匹配算法和SLAM实时性与鲁棒性之间的关系,提出了一种基于ORB关键帧匹配算法的SLAM方法。运用改进ORB算法加快了图像特征点提取与描述符建立速度;结合相机模型与深度信息,可将二维特征图像转换为三维彩色点云;通过随机采样一致性(RANSAC)与最近迭代点(ICP)相结合的改进RANSAC-ICP算法,实现了机器人在初始配准不确定条件下的位姿估计;使用Key Frame的词袋闭环检测算法,减少了地图的冗余结构,生成了具有一致性的地图;通过特征点匹配速度与绝对轨迹误差的均方根值对SLAM系统的实时性与鲁棒性进行了评价。基于标准测试集数据集的实验结果表明,ORB关键帧匹配算法能够有效提高SLAM系统建图速度与稳定性。     

基于改进的快速Shi-Tomasi特征点检测算法的图像拼接算法

针对Shi-Tomasi算法计算量大导致的特征点提取速度慢的问题,利用FAST算法对Shi-Tomasi算法进行加速,提出基于此改进算法的快速图像拼接算法。该算法首先应用FAST算法对整幅图像进行处理,基于筛选点邻域再采用Shi-Tomasi算法获取特征点,接着用NCC法进行特征点匹配,然后用RANSAC法剔除错误匹配并完成图像配准,最后用渐入渐出法进行图像融合。对比实验结果表明,改进算法相对基于ShiTomasi的图像拼接算法速度大幅提升,特征点匹配的正确率有所提高,拼接完成后图像的视觉效果也得到保持。     

采用改进的尺度不变特征变换算法计算物体旋转角度

改进了传统的尺度不变特征变换(SIFT)算法,使其在进行图像匹配的同时,可以求取出物体的旋转角度.首先,利用SIFT特征对旋转保持不变的特性,按照原算法提取出旋转前后两幅图像的SIFT特征,分析特征点主方向的计算过程,记录每个特征点主方向的角度值进行特征匹配.然后,计算出每对匹配的SIFT特征点的主方向角度之差,得到特...     

一种脊柱图像快速重建与配准方法

为提高传统脊柱图像三维重建与配准速度和精度，提出一种基于传统立方体(MC)算法和迭代最近点(ICP)算法的快速重建与配准方法。首先利用双边滤波对CT图像进行预处理，基于区域生长的思想改进MC算法，完成三维重建并获取脊柱三维模型和点云模型。然后采用ISS算法提取脊柱点云关键点，求取关键点的快速点特征直方图(FPFH)，基于采样一致性(SAC-IA)方法完成初始配准，从而改善2片点云的初始位姿。最后通过K-D树加速寻找最近邻点对，并引入基于欧式距离的权重系数改进ICP算法，实现精配准。试验结果表明：重建速度较传统方法提高20%，配准速度较传统统方法从177.8s提高到41.2s，且配准结果平均误差为2.81*10^-1。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

基于改进SIFT算法的超声图像配准研究

针对SIFT算法对医学超声图像提取关键点数目较少的缺点,本文提出了采用HARRIS角点改进SIFT算法的方法,有效提取更具有结构意义的关键点数目,提高超声图像配准精度。此外,为进一步提高配准精度,增加一步互信息算法对图像进行精配。实验结果表明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度。     

基于改进局部敏感散列算法的图像配准

为实现图像间的快速准确配准,在局部敏感散列(LSH)算法基础上,提出一种高效的高维特征向量检索算法—改进的LSH(ELSH)算法用以图像特征间的检索配对,从而实现图像间的配准.该配准算法首先采用尺度不变特征变换(SIFT)算法提取图像的特征点并进行描述,得到图像的高维特征向量.然后,根据随机选择的若干子向量构建哈希索引...     

基于ORB特征的图像误匹配剔除方法研究

针对图像特征匹配当中存在明显错误匹配、匹配准确度较差的问题,对ORB算法和RANSAC算法进行了研究。ORB算法中,特征点的匹配是基于汉明距离进行的。在此前提下,提出了一种基于RANSAC算法的改进算法进行误匹配剔除。该算法通过增加粗剔除过程来剔除一部分错误匹配,然后利用RANSAC算法做了进一步剔除,同时增加了RANSAC算法中的初始样本集的数量并加以预判断,达到了降低RANSAC算法耗时的目的。最后利用多组图像对该算法进行了验证,实验结果表明,该算法可以有效剔除误匹配,提高图像特征匹配的准确度,并且具有旋转不变特性和噪声抑制特性,同时也保证了ORB算法的匹配速度。     

多光谱图像融合的IC器件表面缺陷检测

针对单可见光或单红外条件下的IC器件表面缺陷对比度不足,缺陷检测精度低的问题,提出多光谱图像融合的IC器件表面缺陷检测方法。针对IC器件可见光与红外图像配准中存在尺度不一致和对比度反转问题,引入拉普拉斯金字塔和特征描述符重组策略改进ORB(Oriented FAST and Rotated BRIEF)图像配准算法。在图像配准的基础上,提出NSST＿VP图像融合方法,以非下采样剪切波变换（Non-Subsample Shearlet Transform, NSST）得到红外图像和已配准可见光图像的低频和高频子带,对低频子带采用视觉显著图（Visual Significance Map, VSM）加权融合规则,高频子带则采用自适应脉冲耦合神经网络（PA-Pulse Coupled Neural Network, PA-PCNN）决策融合规则,进而通过NSST逆变换得到高质量多光谱融合图像。最后,将融合图像输入YOLOv8s模型进行检测。实验结果表明,改进ORB的图像配准平均精度为87.8%,比ORB图像配准精度提高了62%,NSST＿VP图像融合算法在主观视觉效果和客观评价指标上均有所提...     

基于图像配准的扫描电镜图像误差校正

扫描电子显微镜(SEM)是表征纳米材料和纳米结构的重要测量仪器。扫描电镜在环境的影响下会产生图像失真,尤其在微纳尺度范围内会产生较大的测量误差。为了修正SEM图像的测量误差,提出基于图像配准的图像误差校正方法。该方法采用基于特征属性的图像配准技术,通过加速稳健特征算法提取图像特征点并构造描述矢量,建立失真图像的空间变换模型,从而恢复样品的真实图像。实验证明该方法能够有效地校正扫描电镜图像,提高样品形貌观测的准确性和精度。     

面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

面向室内移动机器人的改进3D-NDT点云配准系统

点云配准是室内移动机器人位姿估计和环境构建的关键步骤,现有点云配准算法难以工作在低纹理场景中。为提高室内移动机器人环境适应能力,提出了一种改进三维正态分布变换（3D NDT）点云配准算法。通过改进ORB特征提取算法,确保低纹理下的特征点提取;此外,为提高点云配准精度和效率,提出改进的3D NDT算法快速获取高精度的点云配准矩阵。采用国际知名的公共数据集TUM作为评测数据,实验结果表明本文算法达到或优于现有主流点云配准算法的性能（均方根误差低于002 m）,相对传统3D NDT算法配准时间缩短3倍以上;并且能工作在低纹理场景中。因此,改进的算法能提高室内移动机器人环境适应能力。     

面向室内移动机器人的改进3D-NDT点云配准算法

点云配准是室内移动机器人位姿估计和环境构建的关键步骤,现有点云配准算法难以工作在低纹理场景中。为提高室内移动机器人环境适应能力,提出了一种改进三维正态分布变换(3D-NDT)点云配准算法。通过改进ORB特征提取算法,确保低纹理下的特征点提取;此外,为提高点云配准精度和效率,提出改进的3D-NDT算法快速获取高精度的点云配准矩阵。采用国际知名的公共数据集TUM作为评测数据,实验结果表明本文算法达到或优于现有主流点云配准算法的性能(均方根误差低于0. 02 m),相对传统3D-NDT算法配准时间缩短3倍以上;并且能工作在低纹理场景中。因此,改进的算法能提高室内移动机器人环境适应能力。     

图像快速配准算法的改进

针对基于灰度的图像配准速度较慢的弊端,给出了一种改进的自适应阈值的快速淘汰非匹配点的配准算法,利用灰度误差和噪声相结合的优点,并且在此基础上引入多线程并行编程技术。实验结果表明,这种新型的配准改进算法在保证较高准确性的基础上大大地加快了配准速度,实时性能有较大提高。与先前提出的金字塔算法以及图像迹算法等一些算法相比,配准速度具有比较明显的改进。     

采用改进尺度不变特征变换在多变背景下实现快速目标识别

提出一种改进的尺度不变特征变换(SIFT)算法,用于实现多变背景下的快速目标识别。首先,构建目标图像尺度空间,提取SIFT特征点并将其按大小分类,目标识别时只需比较同一类型的特征点。然后,由SIFT特征点子区域方向直方图计算得到4个新角度用于代表特征点的方向信息,并且在目标识别时根据角度信息限制特征点匹配范围,从而提高SIFT算法的运算速度。最后,计算目标图像和待识别图像之间的尺度因子,在尺度因子约束条件下进行目标特征点匹配,从而有效地保证正确匹配数量,提高目标识别的鲁棒性。实验结果表明:当目标在待识别图像中发生局部遮挡、旋转、尺度变化或者弱光照等情况下,改进的SIFT算法能够完成多变背景下快速目标识别任务,平均识别速度提升了40%。     

层次优化的颅骨点云配准

颅骨配准是颅面复原的重要步骤之一,其配准精度和效率对复原结果有着重要的影响。为了提高颅骨点云模型的配准精度和效率,本文提出了一种层次优化的颅骨点云配准方法。将颅骨配准分为粗配准和细配准两个过程。首先对颅骨点云模型进行去噪、简化和归一化等预处理;然后对颅骨点云模型提取特征点并计算其特征序列,根据特征序列进行约束寻找初始对应点对,并采用k-means算法剔除误匹配点,实现颅骨粗配准;最后通过加入几何特征约束的改进迭代最近点(ICP)算法实现颅骨细配准,从而达到颅骨精确配准的目的。本文分别对粗配准、细配准和先粗再细完整配准过程进行实验,结果表明:粗配准过程,与未优化的粗配准算法相比,本文优化后的粗配准算法的配准精度提高了约35%,算法耗时增加了约6%;细配准过程,与ICP算法相比,本文改进ICP算法的配准精度和收敛速度分别提高了约20%和43%,算法耗时减少了约47%;先粗再细的完整配准过程,本文算法的配准精度和收敛速度都要优于其他两种方法。证明了本文方法是一种有效的颅骨点云配准算法,可以实现颅骨点云的精确配准。     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。