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。     

一种用于三维曲面视觉测量的立体精匹配方法

根据立体视觉原理 ,针对三维曲面视觉测量的实际情况 ,提出一种基于空间不变量的立体精匹配方法。首先利用投影光栅 ,在曲面上形成变形条纹 ,采用小波变换检测出像素级的离散边缘点 ;然后用三次 B样条将条纹边缘插值成光顺曲线 ,根据对极几何特性 ,实现像素级的精匹配 ,解决了交向摆放姿态的双目立体视觉系统的匹配问题。     

图像处理中二维经验模式分解的改进算法

对图像处理中二维经验模式分解(EMD)算法提出改进.在二维EMD中涉及到像素极值的选取和对极值点进行插值,在插值过程中会出现边界点变异现象.利用Delaunay三角剖分方法对选取的极值点进行分划,对不包含在Delaunay多边形内的边界像素采用对称处理,抑制了 3次样条插值过程中边界点变异现象.用改进算法对一幅图像进行EMD处理,计算得到重构图像与原始图像之间标准差为6.667X10-6,可见重构图像与原始图像之间的灰度值波动很小.实验结果表明重构图像与原始图像吻合非常好,论证了这种改进算法的准确性和可行性.EMD方法在图像压缩以及去噪过程中运用越来越广泛,因此本文的改进算法也将在基于EMD的图像处理中起到提高运算速度的作用.     

高分辨率遥感图像SIFT和SURF算法匹配性能研究

遥感图像匹配是图像校正、拼接的基础。由于遥感图像特征相似度大,重叠区域小,遥感图像对匹配算法的要求更高。本文首先从特征检测、特征描述和特征匹配三个方面,比较了SIFT算法和SURF算法在计算速度和准确度方面性能,然后研究了算法对遥感图像重叠度、度量距离的要求,并针对SURF算法对特征方向误差敏感的特点,提出一种oSURF算法;最后利用卫星1A级条带遥感图像分析各个算法优劣性。测试结果表明,相比于SIFT算法,SURF算法计算速度为SIFT的3倍,需要的图像重叠宽度仅为1.25倍描述向量尺寸,而在保证同样匹配率的情况下,SIFT算法则需要图像重叠宽度为1.5倍描述向量尺寸。本文提出的oSURF算法在保证计算速度的同时,准确度相对于SURF算法提升5%~10%,因此,oSURF算法更适合1A级条带遥感图像的拼接。     

基于压缩感知与尺度不变特征变换的图像配准算法

尺度不变特征变换(SIFT)算法是图像配准中一种用来描述局部特征最稳健,使用最广泛的方法。针对存在关键点特征描述向量维数较高,算法计算复杂的问题,提出了一种基于稀疏随机投影(SRP)与SIFT相结合的图像配准算法,该算法把压缩感知理论的稀疏特征表示概念引入SIFT算法中,即SRP-SIFT,用稀疏特征表示方法对SIFT关键点特征向量进行提取,再使用相应的L1距离度量进行特征向量的匹配。对新算法和相关SIFT算法进行了图像配准实验,实验结果表明,SRP-SIFT算法对包含复杂结构内容的图像配准性能优于传统SIFT算法,配准效率与几种改进的SIFT算法相当,但运算速度比传统SIFT算法和几种改进的SIFT算法有明显提高。     

一种自由曲面光学视觉重构方法研究

通过对物体摄像来提取表面 3D信息正成为一种新兴的反求建模方法。传统的视觉算法是基于特征对应的 ,要求物体表面具有几何特征或色彩纹理 ,不适于无纹理自由曲面的重构。将计算机视觉方法与CAGD技术紧密结合 ,对无纹理自由曲面提出了一种新的视觉重构方法。首先将物体表面分割为N边域曲面片 ,经由边缘线提取、匹配 ,重构出曲面片的边界曲线 ;然后通过反射模型、图像光亮度分析求出曲面片的跨界切矢 ;最后综合上述信息 ,构造出光滑的曲面模型     

基于尺度不变特征变换和区域互信息优化的多源遥感图像配准

为了进一步提高遥感图像配准精度, 提出了尺度不变特征变换(SIFT)结合区域互信息优化的遥感图像配准方法. 首先利用混沌序列的随机性和遍历性, 提出一种混沌量子粒子群优化(CQPSO)算法, 在量子粒子群优化(QPSO)算法迭代陷入早熟收敛时, 采用一种新的机理引入混沌序列, 进化粒子克服早熟. 图像配准算法分为预配准和精配准两个过程. 基于SIFT算法提取特征点, 经匹配和有效地外点排除完成预配准, 然后对匹配特征点坐标进行亚像素级微调, 通过最小二乘法求得一系列匹配参数构造初始粒子群, 最后利用混沌量子粒子群优化区域互信息完成精配准, 得到最优匹配参数. 用一些标准测试函数对所提出的CQPSO和QPSO及粒子群优化(PSO)算法进行了实验比较, 另外, 对SIFT, SIFT结合PSO算法优化区域互信息, SIFT结合QPSO算法优化区域互信息和SIFT结合CQPSO算法优化区域互信息(SRC)等四种算法进行了不同分辨率遥感图像配准实验比较和不同时相遥感图像配准实验比较, 实验结果验证了所提出的CQPSO算法的优越性和SRC配准方法的有效性.     

基于BLCD分解与ACO-DBN网络的光纤振动信号识别

针对光纤振动信号受噪声干扰严重、特征提取单一和识别时间长的问题,提出了改进的局部特征尺度分解和蚁群算法优化深度置信网络的识别方法.首先,采用三次B样条函数插值拟合均值曲线改进局部特征尺度分解算法,并对原始信号进行分解得到一系列内禀尺度分量之和.其次,利用峭度因子和能谱系数构成融合指标筛选有效分量.然后,分别提取有效分量...     

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。     

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。     

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。     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。     

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。     

基于新型描述符的SIFT大尺寸精密测量

在图像配准和图像识别领域中,SIFT算法得到广泛应用。大量的噪声或是复杂的图像往往会导致匹配点的误判,从而降低了图像匹配效率。提出一个新的比较邻域,建立了一个新的"十字形"描述符并运用主成分分析法降低描述符计算时间,利用双向匹配方式来减少伪匹配点,以节省匹配时间。实验结果表明,改进SIFT算法能够成功匹配图像,应用于大型工业刀具的测量,为大型物体测量提供了一种新的方法。     

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%。     

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。     

基于SIFT匹配的全局运动估计方法

提出了一种基于SIFT(Scale invariant feature transform)匹配的全局运动估计算法.在SIFT初匹配的基础上,对每一个原始匹配特征点,利用所在尺度的邻域灰度信息,对其加权平均后再进行匹配,进而去除误配点.精炼后的匹配点集合作为求解全局运动参数模型的对应数据,采用最小二乘法计算模型参数.在...