基于改进的FAST-SURF快速图像拼接算法

针对SURF（speeded-up robust features）算法计算量大、图像拼接效率低的不足,以FAST （features from accelerated segment test）角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几何约束法剔除错误匹配点,提高匹配的准确性。匹配完成后,通过减少样本集的个数和舍弃不合理参数模型来改进RANSAC（random sample consensus）方法,获取单应性矩阵,最后进行图像变换、融合和拼接。实验结果显示,该图像拼接算法与传统的SURF算法相比,图像拼接总时间减少了12%,拼接效率得到了显著提高。     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙。该算法的可行性和有效性通过实验结果可以得到证明。     

结合几何代数改进的SIFT桥梁裂缝图像拼接算法

针对桥梁裂缝图像精度要求高,拼接质量受原图像亮度变化大、噪声干扰严重和对比度低的影响,提出了一种结合几何代数改进的SIFT桥梁裂缝图像的新型拼接算法。对SIFT算法进行了两方面的改进:一是通过几何代数空间的表示形式提取了待拼接图像的色度图像,克服了SIFT算法中色度信息丢失的不足;二是改进了SIFT算法对灰度图像建立尺度空间的方法,构建了新的可适用于多光谱图像的高斯滤波和卷积运算,确定了尺度空间。通过几何代数DoG空间检测特征点并进行预匹配。使用改进的RANSAC算法对匹配结果进行修正,完成了图像之间的精确拼接。实验结果表明,所提算法的性能优于SIFT算法,提取的特征点对数量提高了近10%;拼接过程中未产生位错现象,最终拼接结果满足桥梁裂缝图像的精度要求。     

一种适用于仿生复眼系统的多路图像拼接算法研究

仿生复眼系统解决了传统单孔径光学系统中视场与分辨率的矛盾关系,兼具了较大的视场和高分辨率。但随着视场和分辨率的增加,图像信息增多,随之带来了图像拼接中效率和质量问题。针对该问题,提出一种基于改进尺度不变特征转换（SIFT）算法和主成分分析（PCA）算法的仿生复眼多路图像拼接融合方法。该方法缩小了特征点提取区域,减少了多路图像特征点匹配次数,降低了图像特征点描述符的维度。再利用改进的自适应迭代随机抽样一致（RANSAC）算法对特征点进行提纯增加鲁棒性,最后通过加权平均算法来完成对多幅子图像的高质量融合。实验结果表明,该算法设计合理,且随着图像信息的复杂程度增加,相较传统算法的拼接效率不断提升,同时保证了较好的拼接质量,可有效拼接融合仿生复眼系统多路图像,对多路图像类系统拼接融合提供借鉴。     

图像局部特征自适应的快速SIFT图像拼接方法

针对目前图像拼接中计算量较大、实时性较差的问题,本文提出了一种图像局部特征自适应的快速尺度不变特征变换(SIFT)拼接方法。首先,对待拼接图像分块,确定图像局部块的特征类型;接着自适应采用不同的简化方法提取各局部块的特征点。然后,通过特征匹配求出变换矩阵,并结合RANSAC算法去除伪匹配对。最后,通过图像融合得到最终的拼接图像。文中使用提出的方法对3组待拼接图像进行实验。从实验结果可以看出:与标准拼接方法相比,本文改进方法的计算速度提升了30%~45%。因此,这种方法能够在保证图像拼接质量的前提下,有效提高图像拼接的效率,克服图像拼接中计算复杂度高的问题,在实际图像拼接中具有一定的应用价值。     

仿生复眼视觉系统中全景图拼接算法

模仿昆虫复眼的视觉机理,设计一种仿生球面9复眼视觉系统,并提出一种全景图拼接算法。首先采用抗旋转、抗尺度变化的SIFT图像匹配算法进行特征点的提取与匹配;然后利用稳健的RANSAC算法求出图像间变换矩阵 的初始值,并使用LM非线性迭代算法精炼 ;最后通过改进的加权平滑算法完成多视角图像序列的无缝拼接,得到整个场景的全景图。实验结果表明:全景图的整个拼接过程中复眼视觉系统可以自动地实现对多视角图像序列的无缝拼接,并在多个方向都增大了视场,弥补了传统宽屏幕全景图的不足。     

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法。在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型。在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像。实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。     

一种基于特征不变描述的图像无缝拼接算法

针对尺度变化不明显场景的拼接,提出一种基于特征不变描述的图像无缝拼接算法.利用Harris特征检测算子进行特征点提取,在此基础上对提取出的特征点采用SIFT描述子进行处理,使其具备旋转不变性,然后利用k-d树算法进行遍历搜索定位,并用RANSAC算法进行图像间单应性变换矩阵计算,最后利用加权平均的融合方法进行图像无缝平滑,得到无缝拼接图像.实验结果表明:该算法在图像任意角度旋转的情况下,能有效地实现图像无缝拼接,并具有较强的鲁棒性.     

基于几何特征和图像特征的点云自适应拼接方法

多视点云拼接技术是物体三维测量过程中的重要环节。现有的无标志点三维点云自动拼接方法在对不同表面进行测量拼接时稳定性较差。针对此问题,提出了一种基于几何特征和图像特征的点云自适应拼接方法。该方法建立了一个配准算法选择模型,通过引入配准算法判断因子来综合评价物体表面的几何、纹理复杂程度,从而系统可根据判断因子自适应地选择合适的配准算法,实现基于几何特征配准和基于图像特征配准的有机结合。并在特征点匹配过程中,采用随机抽样一致(RANSAC)算法对误匹配特征点进行剔除。实验结果表明,该方法可实现不同表面的稳定点云拼接。     

近邻点一致性的随机抽样一致性算法

 随机抽样一致性算法是计算机视觉领域中应用广泛的多视几何图像参数估计方法之一。为提高在高噪声条件下原算法计算效率,提出基于匹配点对邻近点集合一致性的过滤方法,可提高原初始匹配点对集合的内点比例,减少使用RANSAC时寻找参数时的抽样次数。宽基线图像极线几何计算的多组实验表明：提出的算法能够保持与原RANSAC一致的结果,并有效地提高计算速度。     

基于特征点自动匹配的图像拼接方法

提出了一种基于特征点自动匹配的图像拼接算法,采用改进的Harris算子提取特征点,保证了提取的效率和精度,根据互相关的双向匹配实现对应特征点的自动匹配,从而建立参考图像与当前图像的对应点对,最后采用最小二乘方法得到图像间的全局变换参数,实现图像的拼接。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

基于系统论匹配准则的尺度不变特征变换的图像自动拼接研究

基于特征点的图像拼接不仅不易受光照、旋转等因素影响,而且还有利于提高速度,是目前图像拼接的主流方向。尺度不变特征变换(SIFT)是目前比较成熟的一种角点检测算法,但是其特征点匹配问题仍然没有得到很好的解决。从系统相似的角度出发,提出了基于系统相似论的匹配准则,并将新匹配准则与传统的匹配准则进行了对比,指出了传统匹配准则存在的问题,测试了新准则匹配的精度和速度,分析了新准则能够取得更高精度的原因,并据新准则成功地检测了待拼接图像中的匹配角点,然后用改进的样本一致性算法计算出仿射变换的投影矩阵,并用Levenberg-Marquardt(L-M)算法对其求精,最终实现了图像的自动拼接。最后给出了全景相机图像的拼接结果,并对新的匹配准则给出了进一步的分析讨论。     

融合RANSAC光流跟踪法和特征点匹配法的视觉里程计

为了解决光流跟踪法定位精度不足、误差累积和特征点匹配法耗时久的问题，设计了一种将随机抽样一致性（random sample consensus，RANSAC）光流跟踪法和改进的特征点匹配法结合的视觉里程计。利用RANSAC光流跟踪法对关键帧之间的小规模运动进行估计，RANSAC算法对光流跟踪的误匹配点进行剔除，大大降低了光流跟踪法存在的误匹配；而关键帧之间的运动估计则利用改进的特征点匹配法，以修正光流跟踪法的估计误差；最后利用卡尔曼滤波将RANSAC光流跟踪法和改进的特征点匹配法进行融合。实验结果表明:该文的算法能够克服光流跟踪法精度不足、误差累积的问题，将平均相对误差由15.5%提升到了2.6%；同时也能在一定程度上提高特征点匹配法的速度，将特征点匹配法的平均耗费时间由37.28 ms提升到了21.07 ms。     

点对称关系耦合距离约束的图像匹配算法

为了解决当前图像匹配算法主要通过图像的区域梯度信息来进行图像匹配,当图像存在光照变化等干扰时,将会使得匹配图像存在较多的错误匹配点以及匹配耗时较长等不足,提出了基于点对称关系耦合距离约束的图像匹配方法。采用FAST算法对图像特征点进行准确、快速的检测,利用拉普拉斯极值模型进一步剔除伪特征点,以提高算法的匹配正确度;对特征点的对称性进行计算,利用点对称关系构造点间距度量模型,以求取特征描述符中的特征向量,输出特征描述符;基于SURF特征点匹配机制,对特征点完成双向匹配约束,完成特征点匹配。对匹配特征点进行欧氏度量,以度量结果的比值以及均值作为依据,构造距离约束模型,利用距离约束模型判别错误匹配点,优化匹配结果。实验结果显示:与当前图像匹配算法相比较,所提算法不仅具有较高的匹配精度以及匹配效率,而且具有较好的鲁棒性能。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

基于MEMS陀螺仪的光学图像拼接

提出了一种利用刚性连接于光学系统的微机械陀螺仪的光学图像拼接加速算法.该方法基于相机投影模型和坐标变换关系建立相机运动与像素坐标移动的关系;根据陀螺仪数据计算拍摄前后两幅待拼接图像期间相机的旋转角度,确定两幅待拼接图中特征点搜索窗口大小;然后基于SURF特征提取算法,提取待拼接两幅图片中的特征点,在搜索窗口内寻找匹配特征点对,避免了全局搜索从而减小计算量,加快匹配速度.实验搭建了硬件平台以验证算法可行性,与传统全局搜索匹配相比,运行时间减少了31%.