SIFT特征匹配无人飞艇多光谱影像拼接

无人飞艇抗风能力弱、稳定性差且不符合航摄规范,采用传统方法对其所获取的影像进行拼接往往达不到较高的精度. 为此,该文提出一种基于尺度不变的特征变换进行多光谱遥感影像特征匹配的拼接. 将多光谱信息引入SIFT特征向量集,采用BBF(best-bin-first)算法和随机抽样一致性方法进行粗、精匹配处理和误差剔除,以SIFT特征匹配计算的最优变换矩阵实现光谱影像拼接. 对无人飞艇获取的多光谱影像拼接实验结果表明,所提出的方法能获取大量匹配特征点,且影像间的变换矩阵稳健,光谱影像拼接精度和效果能满足判读解译的需求.     

自动图像拼接中的一种特征提取和匹配方法

在比较目前特征提取和匹配的几种方法比较的基础上,提出了一种基于改进特征提取和匹配的拼接方法,使得图像拼接的质量和速度得到提高。该算法首先利用改进的尺度不变特征变换（scale invariant feature transform,SIFT）特征提取方法获得图像特征点,其次利用近似最近邻匹配进行特征匹配并引入随机抽样一致性（random sample consensus,RANSAC）算法去除误匹配对,最后根据匹配的特征点对得到图像间的变换参数进行拼接和融合。该算法具有很强的鲁棒性,允许图像有缩放变换、旋转变换,不受图像噪声、色差的影响。经实验证明,该方法可实现高质量快速的拼接系统。     

基于SIFT特征检测的图像拼接

针对图像拼接方法中存在的特征提取精度低,以及拼接后存在的拼接裂缝和"GHOST"现象等问题,基于SIFT特征检测的图像拼接.通过采用图像特征点提取和匹配有较强的稳定性和精确度的SIFT特征检测算法,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理来完成图像的拼接,并采用自行拍摄的图像进行仿真实验.仿真实验结果表明,基于SIFT特征检测的图像拼接方法具有较高的稳定性和特征提取精度,同时具有较低的特征点提取误差,并对图像拼接中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

基于孪生网络的无人机遥感图像拼接

无人机(Unmanned aerial vehicle, UAV)遥感图像拼接是指将两幅或多幅具有相似场景内容的高分辨率无人机遥感图像拼接为一幅包含更多信息的大视野图像，在军事和地理测绘等领域得到了广泛应用。传统算法通常依赖于手工特征，无法有效地提取弱纹理图像的特征。若图像之间视差较大时，会导致拼接无法进行。为了解决上述问题，基于计算机视觉组(Visual Geometry Group-16, VGG-16)网络结合孪生网络框架提出了一种用于无人机遥感图像拼接的有监督模型。基于VGG-16网络设计了权值共享的孪生特征提取网络，解决特征提取不充分的问题。设计了能够回归图像之间空间变换关系的回归网络，并使用分组卷积代替普通卷积以提升网络速度。同时，为了解决将图像之间真实变换关系作为标签的图像拼接数据集难以获取的问题，基于一定程度的仿射变换，构建了自己的数据集。实验结果表明，本方法在无人机遥感图像拼接的主观视觉效果以及客观评价指标上均有较好的结果，与ORB算法(Oriented FAST and rotated BRIEF, ORB)和CAU-DHE算法(Content-aware unsu...     

基于TLD与SIFT的增强现实三维注册方法

针对目前增强现实三维注册易受复杂环境以及算法复杂度高的影响,提出一种基于TLD与SIFT的增强现实三维注册方法.该方法分为4步:(1)采用TLD目标跟踪算法对目标区域进行跟踪;(2)采用SIFT特征检测算法对跟踪的目标区域进行特征点的提取与匹配;(3)利用特征点的匹配关系计算出三维注册矩阵;(4)根据计算出的三维注册矩阵完成注册,从而完成对现实世界的增强.仿真实验结果表明,当标识可见、不可见以及待注册图像发生旋转变换、尺度变换时,基于TLD与SIFT的增强现实三维注册方法都能成功完成注册,该三维注册方法有效提高了AR系统的实时性、稳定性和鲁棒性.     

基于特征点的图像拼接技术在动漫中的应用

以制作全景图为例将图像拼接技术应用到制作动漫贴图上,简化动漫贴图的制作.使用手持相机采集一定重叠区域的图像,柱面投影后采用基于尺度空间的Harris算法检测图像特征点,双向归一化互相关算法匹配特征点,迭代提取阈值T的算法去除误匹配.通过改进的RANSAC算法快速估算出变换参数模型,对拼接图像进行投影变换.Szeliski灰度融合方法,直接计算匹配点灰度平均值融合图像,最后采用最佳缝合线的方法消除图像拼接处的重影.基于Matlab的数据实验表明,提出的图像拼接技术具有效率高,拼接图像清晰等优点,实现了较满意的全景图视觉效果.     

基于改进Harris算法的全自动无缝图像拼接

基于传统的Harris算法,提出了一种改进的Harris算法用来进行角点检测。此算法通过改变原来的梯度算子,提高了算子的检测敏感度。采用一个新的角点响应函数,避免了人为设定参数。在图像拼接过程中,通过卷积神经网络(Convolution neural network,NCC)对图像进行配准,利用稳健的RANSAC算法剔除误匹配,最终图像融合。实验结果表明,该算法提高了图像拼接的准确性,减少了图像拼接所耗费的时间,提升了图像拼接效率,具有良好的实用性。     

融合SIFT的多尺度分析人脸识别算法研究

由于人脸识别过程中会受到光照、尺度等因素的影响,采用传统的SIFT算法进行人脸识别时会出现匹配效果较差、无法匹配或是错误匹配的情况,因此提出了一种融合SIFT算法的多尺度分析的人脸识别算法。首先在粗尺度上,采用形态学边缘检测算法对原始的人脸库进行轮廓特征提取,形成新的人脸库;然后在细尺度上,采用SIFT算法对新的人脸库进行人脸识别与匹配。采用ORL人脸库对改进后的算法进行验证,实验结果表明改进后的SIFT算法较好地解决了传统SIFT算法的不足,计算量大大减少,人脸图像的识别效率与匹配效率得到了有效提升。     

基于改进ORB特征检测的多视角图像拼接

针对多视角图像拼接方法中存在的实时性较差,以及拍摄图像是存在运动物体产生的拼接裂缝和"GHOST"现象,提出基于改进ORB特征检测的多视角图像拼接.通过对ORB算法的改进使得图像的特征点提取和匹配有更高的实时性和稳定性,且通过采用较低复杂度的动态规划算法找到最佳缝合线,最后对拼接后的图像通过泊松融合进行平滑处理,从而对多视角图像中存在的拼接裂缝和"GHOST"现象有很好的抑制作用.     

基于ORB和SIFT的特征提取算法

结合SIFT算法提取的特征点具备尺度不变性以及ORB算子在特征点提取时具有较好的实时性,提出了基于ORB和SIFT的特征提取算法.该算法特征点提取主要分为3步:(1)借鉴SIFT算法的思想,建立尺度空间并求出极值点;(2)为解决ORB算法不具备尺度不变性的缺点,去除主曲率大于8和对比度较低的极值点;(3)求出特征点质心方向后求取ORB算子.采用两幅企业的LOGO进行仿真实验.仿真实验结果表明,提出的基于ORB和SIFT的特征提取算法相比SIFT算法和ORB算法具有较低的特征点提取误差,相比SIFT算法具有较高的特征点提取速度,并且相比ORB算法具有较高的特征点提取精度,同时解决了ORB算子不具备尺度不变性的缺点.