空间约束的无人机影像SURF特征点匹配

与普通场景图像相比,无人机影像中纹理信息较丰富,局部特征与目标对象“一对多”的对应问题更加严重,经典SURF算法不适用于无人机影像的特征点匹配.为此,提出一种辅以空间约束的SURF特征点匹配方法,并应用于无人机影像拼接.该方法对基准影像整体提取SURF特征点,对目标影像分块提取SURF特征点,在特征点双向匹配过程中使用两特征点对进行空间约束,实现目标影像子图像与基准影像的特征点匹配;根据特征点对计算目标影像初始变换参数,估计目标影像特征点的匹配点在基准影像上的点位,对匹配点搜索空间进行约束,提高匹配速度与精度;利用点疏密度空间约束,得到均匀分布的特征点对.最后,利用所获取的特征点对实现无人机影像的配准与拼接,通过人工选取均匀分布的特征点对验证拼接精度.实验结果表明,采用本文方法提取的特征点能够得到较好的无人机影像拼接效果.     

基于改进SURF算法的无人机遥感图像配准

针对无人机遥感图像畸变较大,而传统快速鲁棒(Speeded-Up Robust Features,SURF)算法不能提供足量兴趣点的问题,提出了一种基于Harris角点和SURF算法的无人机遥感图像配准方法。首先构建多尺度空间,并在多尺度空间下检测Harris角点作为兴趣点;然后计算各兴趣点的64维SURF描述子;最后运用K-d树匹配搜索策略得到两幅图像的匹配点对。将该方法与传统SURF配准方法进行实验对比,实验表明改进算法在保证实时性的情况下可以获得更多的匹配点对,并具有更高的配准精度。     

基于深度学习LoFTR算法的路面图像拼接

相比基于特征点的传统图像特征匹配算法,基于深度学习的特征匹配算法能产生更大规模和更高质量的匹配.为获取较大范围且清晰的路面裂缝图像,并解决弱纹理图像拼接过程中发生的匹配对缺失问题,本文基于深度学习LoFTR (detector-free local feature matching with Transformers)算法实现路面图像的拼接,并结合路面图像的特点,提出局部拼接方法缩短算法运行的时间.先对相邻图像做分割处理,再通过LoFTR算法产生密集特征匹配,根据匹配结果计算出单应矩阵值并实现像素转换,然后通过基于小波变换的图像融合算法获得局部拼接后的图像,最后添加未输入匹配网络的部分图像,得到相邻图像的完整拼接结果.实验结果表明,与基于SIFT (scale-invariant feature transform)、SURF (speeded up robust features)、ORB (oriented FAST and rotated BRIEF)的图像拼接方法比较,研究所提出的拼接方法对路面图像的拼接效果更佳,特征匹配阶段产生的匹配结果置信度更高.对于两幅路面图像的拼接,采...     

基于改进KAZE的无人机航拍图像拼接算法

为了更好地解决航拍图像易受光照、旋转变化、尺度变化等影响,KAZE算法实时性较差以及基于K近邻的特征匹配算法耗时较长等问题,该文提出了一种基于改进KAZE的无人机航拍图像拼接算法.该方法首先利用加速的KAZE算法提取图像的特征点,采用二进制特征描述子FREAK（Fast retina keypoint）进行特征点描述,然后使用Grid-KNN算法进行特征点粗匹配,利用随机一致性算法对匹配的特征点进一步提纯并计算几何变换模型,最后采用加权平均算法对图像进行融合.实验结果表明,该文所提算法使图像在光照变化、旋转变化及尺度变化下具有较好的性能,且处理速度较KAZE算法与K近邻特征匹配算法有较大提升,是一种稳定、精确度高、拼接效果良好的无人机航拍图像拼接方法.     

结合SURF特征和RANSAC算法的图像配准方法

提出了一种基于SURF特征和RANSAC算法的图像配准方法。首先通过SURF算法对图像进行特征点检测,将欧式距离作为相似性测度进行特征点粗匹配,并通过RANSAC算法剔除误匹配点对;然后利用正确的匹配点对求解仿射变换模型从而实现图像的精确配准。实验结果表明了该方法的精确性和有效性。     

基于改进ORB的无人机航拍图像拼接算法

为满足无人机航拍对图像拼接实时性和鲁棒性的要求,提出一种基于改进ORB的无人机航拍图像拼接算法。首先,特征检测引入SURF算法中的海森检测算子,解决尺度不变性问题;其次,用ORB算法进行特征描述,使其具备旋转不变性;接着采用汉明距离进行准确高效的图像特征粗匹配;然后,用KNN算法去除误差较大的匹配,缩小搜索范围,用RANSAC算法再次提纯;最后,使用泊松融合进行图像无缝融合拼接。实验表明,改进ORB算法实时性好、鲁棒性强,处理速度是SURF算法的5倍,具有抗噪性、旋转不变性和尺度不变性。     

一种基于SURF、FLANN和RANSAC算法的图像拼接技术

针对SIFT算法在图像融合中耗时长,维度高的问题,论文设计了一种基于SURF、FLANN和RANSAC三者结合的拼接方法.首先利用SURF算法鲁棒性强、算法复杂度低的优势来进行特征点的检测,凭借FLANN算法可以调整参数来进行精确度的提升的优点来进行特征点的匹配,并与常见的BF算法匹配进行比较;针对其中错误匹配对的存在...     

基于CUDA加速的图像配准算法

针对传统图像拼接算法速度较慢,难以满足获取大分辨率全景图像的实时性要求,本文提出一种基于CUDA的快速鲁棒特征(speeded-up-robust features, SURF)图像配准算法,从GPU线程执行模型、编程模型和内存模型等方面,对传统SURF算法特征点的检测和描述进行CUDA并行优化;基于FLANN和RANSAC算法,采用双向匹配策略进行特征匹配,提高配准精度.结果表明,相对串行算法,本文并行算法对不同分辨率的图像均可实现10倍以上的加速比,而且配准精度较传统配准算法提高17%,精度最优可高达96%.基于CUDA加速的SURF算法可广泛应用于安防监控领域,实现全景图像的实时配准.     

海事监管中无人机航拍图像快速拼接算法

针对海事监管中航拍图像拼接生成大视场图像的时效性较低以及配准准确性不高的问题,提出了一种快速高效的无人机(UAV)航拍图像拼接算法.根据海事监管辖区航拍图像特点缩小了角点搜索范围,通过设定自适应的梯度阂值和角点响应函数阈值筛选角点,通过局部最大角点响应函数值取舍准则实现了角点均匀化分布;采用基于相位相关的模板粗匹配方法和带有特征约束的RANSAC细匹配方法求出最优变换矩阵;利用人眼的视觉特性改进传统加权平均融合算法的加权因子使图像拼接过渡自然.实验结果表明:算法具有较好的自适应性,在拼接效率和准确率上较传统算法有了很大改善.     

基于改进快速鲁棒特征的图像快速拼接算法

针对快速鲁棒特性（SURF）算法实时性、鲁棒性等无法满足实际应用需求的问题,提出了一种对SURF的改进算法,实现图像快速拼接。改进的算法采用机器学习的方法,建立一个二进制分类器,识别出SURF提取的特征点中的关键特征点,并剔除非关键特征点。此外,采用Relief-F算法将改进的SURF描述子降维简化来完成图像配准。图像融合阶段采用带阈值的加权融合算法,实现了图像无缝拼接。实验结果表明,改进的算法具有较强的实时性和鲁棒性,并且提高了图像配准的效率,加快了图像拼接的速度。