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。     

基于 ＯＲＢ算法和改进 ＫＮＮ- ＲＡＮＳＡＣ算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于 ＯＲＢ算法和改进 ＫＮＮ-ＲＡＮＳＡＣ算法的无人机遥感影像拼接。该算法首先通过 ＯＲＢ算法对特征点进行提取,然后利用改进的 ＫＮＮ-ＲＡＮＳＡＣ算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ＯＲＢ算法和改进的 ＫＮＮ-ＲＡＮＳＡＣ算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。     

基于无人机航拍图像快速拼接方法的研究

无人机航拍图像拼接已经针对无人机航拍图像特征不明显、拼接速度较慢等问题,提出了一种基于无人机POS系统数据的快速拼接方法.针对无人机POS系统会受到地理环境、风速等影响以及无人机POS数据的精度较低等问题,引入光束区域网平差方法建立优化参数方程,对优化后的数据进行一系列的坐标变换计算出影像的四个角点的地理坐标,以第一张影像地理坐标为基准,进行航拍图像的快速拼接.拼接结果与基于SURF图像拼接算法进行对比,算法在拼接的速率比基于SURF算法更高.     

基于SURF和SVM的无人机影像处理算法

无人机遥感在勘探救援、灾情评估、灾后重建等领域的重要性日渐凸显,而无人机影像数据处理的2大关键技术即快速拼接和信息提取仍处于研究阶段。针对SURF算法和SVM算法存在的问题,首先对SURF-64与SURF-36进行比较,并经实验证明采用64维向量描述特征点更适合于无人机影像数据处理,可达到高效、准确拼接的目的;然后采用2种改进SVM算法对拼接影像进行信息提取,并与传统SVM算法进行比较。实验表明,2种改进算法在信息提取精度、算法泛化能力方面均有不同程度的提高和增强。     

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ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接

根据无人机遥感影像自身的特点,提出了一种基于ORB算法和改进KNN-RANSAC算法的无人机遥感影像拼接。该算法首先通过ORB算法对特征点进行提取,然后利用改进的KNN-RANSAC算法进行特征匹配,最后使用加权融合算法对图像进行融合拼接。实验结果表明,ORB算法和改进的KNN-RANSAC算法在保证匹配精度的前提下,提高了匹配速度,有利于无人机遥感影像的拼接。     

基于SURF算法的双目视觉立体匹配研究

针对双目视觉立体匹配效率低的问题,从SURF匹配算法和摄像机标定、校准方面进行了改进。与传统视觉匹配算法相比,SURF匹配算法具有效率高、抗干扰能力强等优点。对摄像机进行标定与校准,校准后的特征点更精确,为准确匹配奠定了基础。利用极线约束条件改进SURF算法匹配速率,并进行了相关实验。实验结果表明,算法不仅降低了匹配时间,而且还提高了匹配准确率。     

用于遥感图像拼接的改进SURF算法

经典的SURF算法存在许多不足,如特征描述符维度高、运算量大,对于旋转和拍射视角变换角度过大时,匹配精度低等。针对以上问题,提出了一种改进算法,首先通过Hessian矩阵提取特征点,然后采用特征点圆形邻域进行特征描述,使用Haar小波响应为每个特征点建立描述符,同时计算邻域内归一化的灰度差分及二阶梯度,形成新的特征描述符,最后采用RANSAC算法剔除误匹配点。该算法不仅较经典SURF算法具有速度优势,同时充分利用了灰度信息和细节信息,具有更高的精度。实验结果表明:该算法对图像的模糊、光照差异、角度旋转、视场变换等均有良好的鲁棒性和稳定性。将该算法应用于遥感图像拼接,得到无明显几何移位、边缘衔接良好的拼接图像。该算法是一种耗时短、精度高的图像配准算法,能够满足遥感图像拼接对配准的要求。     

一种改进SURF算法的图像配准

SURF(speed-up robust features,即加速健壮特征)算法是一种尺度不变、旋转不变且性能较好的算法,但其稳定性和时间复杂度不足,不稳定的特征点被检测出来,会导致多余的计算。为此,提出用信息量扩展SURF检测算子和分特征集匹配方法,提高算法性能和配准速度,即先检测周围Hessian值最大的特征点,再用SURF算法计算特征点的信息量,然后根据尺度分解特征集成亚集,再根据亚集匹配,最后根据RANSAC和最小二乘法配准。实验结果证明,改进算法的配准性能与SURF算法相当,配准速度比SURF算法更快。     

场景与数据双驱动的隧道图像拼接方法

针对多相机协同的隧道快速检测存在分布在多张图像中的一个病害误识别为多个病害影响隧道技术状况评定的问题,提出一种数据和场景驱动的多相机序列图像高精度拼接方法。首先,利用场景中相机间的几何位置关系进行几何粗解算,生成序列图像的理论拼接模式,其次,基于理论拼接结果计算图像关系,对相邻重叠图像采用SURF算法提取特征点并进行匹配,进行像素级的数据配准,最后,基于配准结果生成实际拼接模式,以最大化利用图像物理分辨率高的数据为特征,在拼接序列图像中提取断面数据。实际工程数据表明,该方法能够实现普通隧道的图像拼接工作,并且能在保证可靠性的前提下尽量提高准确性。     

基于局部特征图像匹配算法改进

本文针对SIFT算法存在着特征提取及匹配速度慢,在灰度变化相似的区域产生误匹配的缺陷,讨论了SIFT 的改进算法-SURF算法的原理及应用方法,对算法进行检验,指出SURF算法在提取特征点时更偏重于提取鲁棒性较强的点,同时,摒弃一些鲁棒性较弱的点,对鲁棒性强的特征进行匹配以减少计算时间,使SURF在实时性处理和大量图片...     

近景影像特征点匹配方法比较研究

近景摄影测量因其拍摄方式灵活,影像之间的相对几何变形大,常导致同名点匹配失败.本文采用SIFT、SURF、FAST+BRIEF和ORB 4种计算机视觉算法,对不同场景和摄影条件下的近景像对进行特征点检测与描述,结合BFMatch和FlannMatch两种方法对特征点实施匹配.实验表明,所用算法的计算耗时越长,匹配结果越好.SIFT、SURF适合于高精度连接点的自动生成,而FAST+BRIEF和ORB可用于相对几何变形小的立体影像密集点匹配.     

SURF算法及其对运动目标的检测跟踪效果

视频图像的特征点提取和描述是智能交通系统中运动目标跟踪的一项关键技术。由于场景的复杂性、环境的变化以及目标运动的影响,Harris角点检测算法和尺度不变特征变换（SIFT）算法的精度和稳定性都不够,而加速鲁棒特性（SURF）算法具有很强的鲁棒性,运算速度比Harris角点检测算法和SIFF算法有明显提高。应用SURF算法对视频图像进行特征点提取和匹配,并结合聚类分析和卡尔曼滤波对匹配的目标进行跟踪。实验表明,SURF算法对亮度变化具有很强的鲁棒性,并且速度比较快。     

基于SURF算法和OpenCV的掌纹识别技术研究

该文提出了一种基于快速鲁棒特征算法和OpenCV的掌纹识别方法。首先应用固定阈值法将手掌二值化,并提取出有效掌纹区域。然后用快速鲁棒特征算法提取并描述该区域的特征点,再通过随机采样一致性算法进行特征点之间的匹配。最后,通过一系列测试对该系统的性能进行了评估,实验结果证明该系统对掌纹图像的旋转、亮度和尺度变化具有较好的鲁棒性,且具有比较高的识别精度和时间性能。     

Vibration test of micro machined gyroscope based on high speed photography and SURF

Based on three kinds of dynamic test of MEMS,a dynamic system for the vibration test of micro machined gyroscope based on high speed photography is introduced.Firstly,the architecture of the system har...     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

基于特征点的图像拼接方法的研究与应用

图像拼接技术是图像处理的热点领域,图像配准和图像融合是图像拼接的两个关键技术. 本文研究了基于特征点的配准方法,使用SURF算法完成特征点的检测和描述. 在此基础上,调用OpenCV的API,实现了图像拼接,完成了柱面全景图的拼接和分析. 实验证明,该方法在自动化程度、运算速度和鲁棒性方面效果理想.     

基于均匀特征匹配的无人机影像拼接

通过特征匹配的方法进行无人机影像拼接,不需要地面控制点坐标和内外方位元素.基于SIFT算法进行特征匹配,对于匹配中容易出现的误匹配点,通过合理控制算法中的阈值大小并采用唯一性约束和视差约束来进行剔除,采用分块控制匹配点数目来剔除密集匹配点对,使匹配点对分布均匀.使用RANSAC算法来计算影像之间的转换模型,实验证明这种方法具有很好的拼接效果.