基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

一种基于角点特征的医学图像配准方法

医学图像配准技术是医学图像融合及影像三维重建的基础.提出了一种基于SUSAN算子的特征点的医学图像配准方法.该方法利用SUSAN算子提取两幅图像的角点,通过粗匹配和细匹配两个步骤建立特征点集之间的对应关系,得到匹配特征点对.然后再根据这些特征点使用反向映射的仿射变换实现图像的配准.实验表明,此方法能有效地实现医学图像的配准,并取得良好的精度.     

Harris角点检测在彩色图像中的应用

角点提取是图像特征提取的一种重要方法,本文分析了Harris角点检测算法并利用Matlab语言实现了该算法。由于原算法角点响应函数在高分辨率图像检测中存在聚簇现象,本文通过新角点响应函数的使用对算法进行了改进并实现了该算法在彩色图像角点检测中的应用。实验结果表明,改进后的算法极大提高了高分辨率图像角点检测准确度。     

基于图像配准的动态场景运动目标检测算法

针对摄像机运动的动态场景下运动目标的检测问题,提出了基于Harris角点方根-算术均值距离配准的动态场景运动目标检测算法。首先将当前帧图像与前一帧图像进行配准,获取图像的全局运动参数;利用求得的运动参数对当前图像进行运动补偿;然后,将其与存储的前两帧图像进行帧差法,以获得运动目标的轮廓信息;以该运动目标区域为掩模,检测并定位该运动目标。实验结果表明,此算法能够较好的处理摄像机运动等动态场景情况下的运动目标定位问题,为运动目标的跟踪和识别奠定基础。     

基于目标区域定位和特征融合的图像检索算法

提出了一种新的基于局部特征点的图像检索算法。首先将彩色图像转换成灰度图像,并利用Harris算子对灰度图像进行"角点"检测,根据"角点"的分布确定目标区域,然后在彩色图像目标区域中提取图像的颜色特征和空间特征表述图像内容。实验证明,该算法在查准率和查全率上要优于基于全局特征的算法。     

一种改进的Harris多尺度角点检测算法

图像特征点的提取是实现图像特征匹配的重要步骤。针对Harris角点算法的受尺度变化影响大,阈值为人为给定的缺点,把图像尺度空间的思想与自适应阈值的方法相结合,提出了改进的多尺度Harris角点检测方法。实验结果表明,该算法提取到的图像角点不仅精确度高,而且检测到的伪角点少。     

基于角点增强的抗打印扫描零水印算法

利用角点检测算法提取与图像旋转、平移、缩放等操作无关的Harris角点,对角点响应值与象素值的关系进行分析,进而角点增强响应值,以保证打印扫描前后检测到的角点具有较高的一致性,对角点构造特征向量作为图像的零水印信息。另外,针对已有局部特征描述子在打印扫描前后特征点匹配率不稳定这一问题,提出新的匹配算法,首先根据局部特征描述子进行粗匹配,然后用聚类法进行精匹配保证特征点匹配率。在水印检测时,对匹配成功的特征点进行遍历,将图像的局部特征信息和位置信息生成一维向量,对该一维向量作相似性运算,即可判别待检测图像是否含有零水印信息。实验结果表明,该算法对打印扫描等攻击具有一定的鲁棒性。     

基于点云的膝关节胫骨三维CT与MRI图像配准

同时利用CT和MRI图像对膝关节及胫骨疾病进行诊断和治疗,是目前临床上的常规方法。精确配准膝关节胫骨部分三维CT和MRI图像可以更有效地利用这两种图像中的组织信息。目前,基于图像特征或者图像灰度值的方法可以实现图像间的配准,但是都存在一些配准精度低或者时间复杂度高的缺陷。针对膝关节胫骨组织的刚性特征,采用一种基于骨组织表面重建的点云配准方法。首先对数据集进行骨表面重建,通过重建后的结果提取点云数据,对点云数据进行下采样并利用重心进行初始变换,最后利用ICP算法对点云数据进行配准。对该方法进行配准结果分析及配准精度实验,表明这种方法简单可靠并且配准精度较高。     

基于互信息和单应性原理的图像自动配准研究

基于图像特征的配准是图像配准的一个主要研究方向。传统的基于特征的配准方法一般都存在着计算量大、复杂度高以及配准精度低等问题。该文提出了一种基于互信息和单应性原理的图像自动配准方法。该方法首先利用harris算子提取角点,然后通过互信息粗匹配和RANSAC精匹配得到一对一的匹配角点对,最后根据匹配角点对计算出对应的单应矩阵来实现图像配准。为相互间满足刚体变换关系的图像之间的配准提供了一种新的思路。     

视频消旋系统中改进的Harris角点提取算法研究

针对传统Harris角点检测方法重合度低,不能满足视频消旋系统需求这一问题,本文提出了一种改进的Harris角点提取方法。首先将原来的梯度算子改为Prewitt差分模板,增强了Harris角点算子的旋转不变性,提高了Harris角点提取算法的重合度。同时改变传统Harris角点提取方法中的滤波窗口,减少了特征点提取的计算量。实验结果表明：该方法将传统Harris角点提取方法的吻合度提高了11%左右,提取到的图像角点不仅精确度高,且伪角点少。运算时间降为原来的30%左右,能够更好地选取特征区域,从而满足视频电子消旋算法对旋转不变性和实时性的需求。     

基于融合图像特征的角点提取方法

基于图像边缘的角点提取往往对噪音敏感,提取精度较高但运算量大,而基于图像灰度的角点提取易于实现但提取效果不佳.因此提出一种融合图像边缘特征和图像灰度特征的角点检测方法.首先在一较低尺度用Canny算法求出所有边缘点,然后求出每一边缘点的曲率值并求出初始角点集,利用Harris算法通过实验在一较优尺度下对初始角点进行筛选并确定最终的角点集合.所提方法融合图像角点提取的两大特征,可以有效改进在单一特征提取下的不足.通过对比实验,该算法明显地提高了图像角点检测性能.     

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。     

采用特征点提取算法的车牌倾斜校正方法研究

针对车牌倾斜校正问题,首先简介了四种特征点提取的算法,并结合实验结果分析了各算法的优缺点,进而提出了比传统算法更有效的基于非线性双边滤波器的Harris算法,然后提取出车牌区域的字符角点信息,再结合惯性主轴算法对倾斜车牌进行校正。实验结果证明,改进后算法有效地抑制了伪角点数目,提高了车牌角点检测的精度,使得车牌倾斜校正的精确度和实时性大幅度提高。     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

基于匹配的遥感影像自动纠正方法研究

针对多源遥感影像人工几何纠正方法存在精度差、效率低等问题，提出了一套新的基于匹配技术的自动纠正算法流程.该流程基于仿射变换对待纠正影像和已地理编码的参考影像进行粗配准.在利用Harris算子从两幅图像中分别提取特征点的基础上，通过由特征点和小波影像金字塔引导的从粗到精的匹配策略获得控制点对，再利用多项式拟合迭代法剔除错误点对.在获得大量的高精度控制点对后，利用不规则三角网(TIN)仿射变换法对影像进行纠正，并对杭州地区多源遥感影像进行纠正试验.结果表明,使用该方法选取的控制点均方根误差(RMSE)可以控制在0.5个像素以内.     

基于信息熵度量的高斯尺度空间角点检测算法

图像的多尺度表示是指从原始图像出发,导出一系列越来越平滑、简化的图像,这种简化意味着图像信息的丢失。图像角点是图像的一个重要的局部特征,本文结合尺度空间理论,实现了多尺度下Harris角点检测,并利用信息熵计算每一尺度下图像的信息量,信息熵是衡量不同尺度下图像信息的可靠方法。通过实验对提取出的特征点进行攻击,证明了这些点具有很好的鲁棒性,与单尺度Harris角点检测相比,该特征点具有更高的重复率,即尺度不变性。     

基于彩色伪随机编码结构光特征提取方法

为增强三维重建过程中弱纹理目标的特征信息,提出一种基于彩色方格伪随机编码结构光的特征提取方法。设计一幅由五种彩色方格组成的伪随机编码结构光图案并将其投影到目标物体上。建立一种梯度算子模板对降采样图像中角点进行粗定位,然后进行局部非极大值抑制。将Harris算法推广到彩色多通道图像,对原图像粗定位区域进行角点检测,进而确定彩色图像中角点的精确位置。试验结果表明,在被测物体表面颜色和纹理结构均不丰富的条件下,提出的方法依然能够有效地保证特征提取的精度,具有较强的鲁棒性。