分块多项式确定性矩阵SIFT图像配准算法

针对尺度不变特征变换(SIFT)算法在关键点(即尺度空间稳定的极值点)特征描述向量计算复杂且维数较高,以及多项式确定性矩阵测量数取值受限等现象,提出一种分块多项式确定性矩阵的SIFT图像配准算法。通过压缩感知的稀疏表示方法,将SIFT提取的高维描述子向量降维到低维的稀疏特征向量,降低了关键点描述向量维度,并采取欧氏距离对图像关键点特征描述向量进行相似性度量。与传统算法的针对性比对分析表明,改进算法有效提升了配准精度,增强了实时性。     

一种CSS-SIFT复合图像配准算法

针对SIFT算法的图像配准耗时长的问题,提出一种CSS-SIFT复合图像配准算法。CSS-SIFT算法首先使用CSS算法检测图像特征,然后,使用优化的SIFT算法生成并降维图像特征描述子,最后,使用基于欧式距离和曼哈顿距离的优化双向匹配算法对图像特征进行匹配。仿真实验条件是通过计算机中仿真软件进行仿真实验,统计图像特征数目、匹配数目、正确匹配数目、配准准确率、配准时间与配准时间下降率共6个指标数据,统计结果表明,CSS-SIFT算法在图像配准准确度方面与传统SIFT算法、传统SURF算法、Forstern-SIFT算法、Harris-SIFT算法、Trajkovic-SIFT算法相当,但在图像配准耗时方面分别降低了58.45%、10.68%、14.84%、16.21%与4.63%,为图像配准提供了一种解决方案。     

一种改进的ORB图像匹配算法

针对ORB特征匹配算法特征提取稳定性差,匹配精度低的问题,提出一种改进的ORB图像匹配方法。通过小波变换对图像预处理,利用自适应频谱抑制方法提取候选特征点集,再建立多尺度空间模型,筛选具有尺度不变性的精确特征点,并通过BRIEF算子生成特征描述子,最后使用Hamming距离进行特征匹配,完成配准。通过3组图像匹配实验对改进算法的有效性进行验证,实验结果表明,改进算法在兼顾ORB实时性的同时,提高了匹配精度,改善了图像尺度变化较大时特征提取的稳定性。     

改进BRISK特征的快速图像配准算法

为了实现超分辨率图像重建中高精度快速图像配准,提出一种改进BRISK特征的快速图像配准算法。原有BRISK算法在特征提取和匹配过程中,忽视了角点分布信息,其匹配策略单一,导致误匹配率高。针对该问题,首先利用BRISK算法构建连续尺度空间,在此基础上对图像进行分块,然后利用图像区域显著性自适应选择角点检测阈值,获得均匀分布的角点,最后利用快速最近邻FLANN算法结合RANSAC的方法进行二值特征快速匹配。实验结果表明:改进的BRISK算法相比原算法在保持速度的基础上达到亚像素级配准精度,并具有优越的场景适应性能。     

一种改进的SIFT特征点匹配算法

提出了一种改进SIFT特征点匹配算法,旨在提高图像的特征点匹配算法效率。SIFT特征点检测算法检测到的特征点数量较大,且每个特征点描述子都是128维的向量,算法匹配时间较长,实时性较差,改进的算法将特征点描述子的维数从128维降低到48维,而描述子像素范围从16×16提高到24×24。实验表明,改进的算法不仅降低了匹配时间,而且提高了匹配精度。     

基于CSS角点检测的快速匹配算法

为了实现准确、快速的图像匹配,从角点检测与描述子两方面入手,提出了一种基于CSS角点检测的匹配算法。首先,在曲率尺度空间下,检测图像在不同尺度下的角点并剔除不稳定角点;其次,基于曲率对图像轮廓描述的精确性,以特征点为中心划分3×4的子邻域,计算子邻域内轮廓曲线点的高斯加权曲率等4维向量特征,建立48维描述子,由于CSS角点检测包含曲率计算,因此生成描述子时避免了曲率的二次计算,提高了匹配速度;最后,提出一种"二进制距离"方法对描述子进行匹配,进一步优化匹配速度。通过实验证明,在保证精度的情况下,CSS快速匹配算法大幅度缩短了匹配时间,对旋转、亮度变化具有较好的匹配效果。     

基于LDA的SIFT算法在图像配准中的应用

针对SIFT算法复杂程度高,实时性差,在维数较高的图像配准中并不实用的问题,提出了一种基于线性鉴别分析(LDA)的SIFT算法(SIFT-LDA)。首先利用SIFT算法提取出图像的特征点向量,然后用LDA方法对其进行特征抽取并降维。通过高维自然图像和单幅人脸图像进行实验,实验结果表明SIFT-LDA算法在保证匹配精度的同时,实时性要优于传统的SIFT算法,其匹配时间相对于传统SIFT算法缩短了将近一半。     

SIFT改进算法在图像配准中的应用

文中对尺度不变特征变换(SIFT)算法进行分析研究,针对原算法中128维的高维描述子提出60维方形邻域描述子,统计邻域梯度信息.方形邻域描述子较原算法增加了邻域像素统计范围,增强了关键点的邻域信息;在配准阶段采用欧氏距离作为度量函数,用次临近与最邻近之比来对60维描述子进行匹配.通过实验证实,改进算法的匹配时间是原算法的30%～60%,配准精度与原算法相近,对于复杂图像的配准精度较原算法有所提高,适用于对实时性要求较高的图像配准场合.     

基于ORB算法的多聚焦岩屑图像快速配准

多聚焦岩屑图像具有点阵多,分辨率高等特点。使用基于尺度不变特征变换(SIFT) 算法或者加速鲁棒性特征(SURF) 算法在图像的自动配准上虽具有较好的配准效果,但时间效率远未达到实时性要求。本文将一种快速的图像匹配算法—定向二进制简单描述符(ORB)算法应用于多聚焦岩屑图像的自动配准。仿真实验结果表明,该方法在保证配准的精确度同时,在速度上具有较大的提升。     

基于改进动态差分进化算法的点云配准

针对不同视角下的点云配准问题,提出一种基于改进动态差分进化算法的配准方法。首先利用主成分分析方法估算点云的曲率值与法向量,并根据法向量计算每个点与其k邻域点的法向量的夹角平均值。然后利用曲率和法向量夹角平均值构造第一特征参数进行第一次特征点提取,以及利用曲率值构造第二特征参数对点云进行第二次特征点提取。根据得到的特征点云,最后利用提出的一种基于耦合-最优排序变异的改进动态差分进化算法计算配准参数得到初始配准结果,再利用改进的迭代最近点算法进行细配准。实验表明,该配准算法具有配准时间短和配准精度高的优点。     

采用各向异性尺度空间的遥感图像配准

基于多特征点的遥感图像配准方法应用在油田遥感图像上时,很难为其找到足够多的正确对应关系且花费时间也较长.为此,提出了基于各向异性尺度空间的遥感图像配准方法.该算法首先使用自适应的侧窗滤波技术构建各向异性尺度空间,然后采用改进的邻域分块思想进行特征描述,最后使用增强的匹配点过滤增加特征点匹配的数量.实验结果表明,所提方法不仅保证了配准精度在90％以上,而且在速度上比原算法提高了10％以上.     

基于稀疏随机投影的SIFT医学图像配准算法

针对尺度不变特征变换(Scale-Invariant Feature Transform,SIFT)算法在关键点特征描述向量阶段计算复杂并且维数较高的现象,提出了一种基于压缩感知理论的SIFT算法。通过压缩感知理论的稀疏特征表示方法,对SIFT关键点特征向量进行提取,将高维梯度导数向量降到低维的稀疏特征向量,降低了关键点描述向量维度。采用欧式距离作为关键点的相似性度量, Best-Bin-First(BBF)数据结构避免穷举,使数据的运算量大为减少。实验结果表明,新算法对存在仿射变换的医学图像配准性能优于传统SIFT算法,与当前改进型的SIFT算法相比,本文算法的实时性明显增强。     

基于场景复杂度与不变特征的航拍视频实时配准算法

实时、鲁棒的图像配准是航拍视频电子稳像、全景图拼接和地面运动目标自动检测与跟踪的前提和关键技术.本文以航拍视频序列为处理对象,提出了一种新的基于场景复杂度与不变特征的实时配准算法,其主要特点包括：(1)在对航拍视频配准难点进行详细分析的基础上,有针对性的提出基于积分图的快速图像尺度空间构建、依据场景复杂度的检测特征点数量在线精确控制、基于描述子误差分布统计特性级的联分类器构造等新方法,使得算法配准性能不随场景的复杂度发生改变,能够在各种地貌条件下实时、稳定的进行图像配准;(2)将多尺度Harris角点和SIFT描述子相结合,并通过对帧间变换模型参数进行鲁棒估计,保证了算法具有良好的旋转、尺度、亮度不变性和配准精度.实验结果表明,算法可在场景变化、图像大幅度平移、尺度缩放和任意角度旋转等复杂条件下实时、精确的进行图像配准,对分辨率为320×240的航拍序列的平均处理速度达到20.7帧/秒.     

基于LK和FAST的时间序列图像快速配准算法

LK光流算法是一种精确高效的特征跟踪算法,能够较大幅度提高图像配准的精度和速度。针对时间序列图像的配准问题,基于LK光流算法,通过基于图像金字塔的方式跟踪改进后的FAST特征角点,采用一种鲁棒的单应矩阵估计算法解算配准参数,提出了一种基于LK光流和改进FAST特征的实时鲁棒配准算法。通过一组时间序列图像从配准精度和配准速度两个方面对所提出算法的性能进行了验证分析,平均重投影误差为0.16,平均处理速度为30 Hz。实验结果表明,该算法能够提取稳定的FAST角点,快速准确地跟踪匹配序列图像之间的特征,较好地解决时间序列图像的实时配准问题。     

基于SVD-SURF的宽基线鲁棒景象匹配算法

提出一种基于SVD-SURF的宽基线鲁棒景象匹配算法。首先,在实时图与基准图奇异值分解的基础上构建SURF尺度空间,运用快速Hessian矩阵定位极值点;然后,计算出图像的64维SURF描述子;最后,通过Hessian矩阵迹进行特征点匹配,并利用RANSAC参数估计方法剔除出格点,从而实现位置参数的精确估计。实测航空图像序列位置估计实验表明了该景象匹配算法对图像的旋转、尺度变换及噪声不敏感,具有较强的实时性、精确性和鲁棒性。     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.