基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

尺度与特征强度自适应的SURF特征点匹配算法

为解决SURF(speeded-up robust features)图像匹配算法无法实现特征点定位精度和匹配成功率的同步提升问题,在深入研究SURF特征点的尺度、特征强度与匹配性能间关系的基础上,提出了一种特征点尺度与特征强度自适应的SURF特征点匹配算法.该算法通过不同尺度的特征点与不同的特征强度阈值相适应的特征点匹配机制,较好地保持了特征点定位精度与匹配成功率间的平衡,从而实现了高性能的SURF特征点匹配.实验结果表明:与传统的SURF算法相比,本算法能够获得更多高精度的匹配特征点对,对于基于特征点的图像配准与基于图像的三维坐标计算等图像处理算法的精度提升具有较大作用.     

结合FAST-SURF和改进k-d树最近邻查找的图像配准

针对两图像之间存在平移和旋转变化的图像匹配,提出了一种结合FAST-SURF和改进k-d树最近邻查找的图像配准算法。该算法首先用FAST(加速分割检测特征)检测器进行特征点提取,然后根据特征点周围邻域的信息生成SURF(快速鲁棒特征)描述子,采用一种改进的k-d树最近邻查找算法BBF(最优节点优先)寻找特征点的最近邻点及次近邻点,接着进行双向匹配得到初匹配点对,最后利用RANSAC(随机抽样一致性)算法消除误匹配点,findHomography函数寻找单应性变化矩阵,从而计算出图像间的相对平移量和旋转量。实验结果表明,该算法平移参数的最大误差为0.022个像素,旋转参数的最大误差为0.045度,优于传统的SURF图像匹配算法,实现了图像的快速、高精度配准。     

基于改进SIFT和SURF算法的沙丘图像配准

单个沙丘的图像配准受到沙丘图像颜色相近、纹理相似和轮廓模糊等问题困扰,常用的特征提取和特征点配准方法易产生较多的错误匹配点。为了实现有效的单个沙丘跟踪,该文提出了适用于沙丘图像的基于相似三角形原理的尺度不变特征变换(SIFT)和快速鲁棒特征(SURF)的特征点筛选算法。该算法利用暴力匹配法匹配SIFT与SURF特征点,先根据K最近邻算法(KNN)初步筛选匹配点,再利用相似三角形原理对匹配点进一步筛选。将该算法应用于库姆塔格沙漠的沙丘图像配准,实例表明所提出的算法是一种适用性强、准确率高的沙丘图像配准算法。     

基于SURF-RANSAC配准的三维重建

为了提高三维重建中双目特征匹配的匹配效率和重建质量,在基于传统的加速鲁棒特征(SURF)匹配算法基础上,提出了一种基于SURF-RANSAC配准的三维重建算法。利用左右两幅图像来进行三维重建,首先通过Hessian矩阵来获取目标图像的初始特征点,并用邻近快速搜索算法完成初步的特征点匹配,然后融合随机抽样一致性算法(RANSAC)来优化匹配,最后利用三维坐标和纹理映射来完成三维重建。在Open CV上对该算法进行验证。结果表明,本文算法比传统的三维重建算法具有更高的精确度和更快的速度。     

基于分块信息熵和特征尺度的图像配准算法

针对当前图像配准技术中特征点的检测和匹配存在的问题,提出了一种基于分块信息熵和特征尺度的图像配准算法.通过对图像进行分块,结合每块图像的信息熵,改善了Harris-Laplace算子提取的特征点分布过于集中的问题.通过比较角点响应函数的值,剔除了特征点中的冗余点.通过结合特征点的尺度信息、Hu矩和双向匹配策略,提高了初始匹配点对的准确率.仿真结果表明,改进的配准算法可以实现高精度的图像配准,对图像的几何变换具有很强的鲁棒性.      

基于小波域改进SURF的遥感图像配准算法

为了进一步加快遥感图像配准速度,同时使其配准精度有所提高,提出了一种基于小波域改进加速鲁棒特征(speeded up robust features,SURF)的遥感图像配准算法.首先采用小波变换将基准图像和待配准图像分别分解获得其低频和高频分量;然后对低频分量提出改进SURF以得到粗配准点对:采用主成分分析(principal component analysis,PCA)对描述子降维,依据双向配准准则实现特征点的粗配准;接着利用两次距离阈值不同的随机抽样一致(random sample consensus,RANSAC)算法分级筛选出精配准点对;最后运用最小二乘法拟合几何变换参数完成配准.实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、多尺度配准小波域SURF算法、基于NSCT(non-subsampled contourlet transform)和SURF的算法相比,本文算法不仅配准速度大大加快,同时配准精度也得到提高.     

基于改进的FREAK算法的图像特征点匹配

针对采集图像时存在尺度、光线强度以及图像间旋转的差异等现象而导致图像匹配不理想的问题,提出了改进的FREAK算法(SURF-FREAK):将SURF算法和FREAK算法结合进行图像匹配。首先,利用Hessian矩阵确定候选点,进行非极大值抑制,提取的特征点具有尺度不变信息;然后用FREAK描述子对特征点进行描述,为特征点分配方向;最后利用最近邻算法进行图像配准。改进算法经实验与传统SIFT、SURF、以及FREAK算法比较分析后得知,在图像特征点匹配准确度上有一定的提高,并且对图像的尺度差异、光照差异以及旋转差异具有良好的鲁棒性。     

基于特征点提取的轴承瑕疵工业在线检测

基于ORB(oriented FAST and rotated BRIEF)图像特征点的配准方法实现差异性的比较,提取模板图像和待检测图像特征点,对特征点描述的集合进行匹配,通过RANSAC算法消除错误的匹配点,根据匹配对计算最优旋转角度,计算变换矩阵,通过仿射变换实现模板图像与检测图像的配准。在轴承图像上经过不同特征点提取算法,分析运行时间和图像配准的情况。结果表明,基于ORB提取特征点进行轴承瑕疵检测的方法,检测精度达96%,运行效率为67 ms。     

一种鲁棒的图像拼接算法

图像拼接的核心是图像的配准.提出一种准确、高效的图像拼接方法:利用Harris角点检测算子提取相邻图像的特征点,通过Euclid度量改进熵变换的算法,进行特征点匹配,并通过最小均值二乘估计求解相邻图像的变换矩阵,以此实现宽视角图像的拼接.实验结果表明:所给出的算法能够实现场景图像的精确匹配.     

基于SURF特征点的金属罐图案检测算法

为快速、准确地检测出金属罐生产过程中出现的图案倒置问题,提出一种基于SURF特征点的金属罐图案检测算法.该算法通过比较金属罐图像与模板图像间匹配特征点的位置关系,实现金属罐图案方向的判别.首先利用SURF算法分别提取分区域处理后的待检测图像和模板图像的特征点;再利用双向KNN算法和RANSAC算法进行特征点匹配;最后计算匹配特征点的位置关系,并判别金属罐方向.实验表明,该算法能够有效地实现金属罐图案倒置的检测,可以达到每分钟800罐的检测速度.     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

基于局部灰度梯度特征的图像快速配准方法

为了提高图像配准效率,对于机器视觉检测中相邻帧图像中的目标区(ROI)刚性偏移配准问题,提出了一种基于局部灰度梯度特征的快速算法。在样本和待配准图像相同几何方向上,先以方向边缘点检测算子检测目标区的数个边缘点作为特征点。以各边缘点为脊点,分别在其两侧对称求取有限数量像素的一维灰度梯度矩阵,并由此构建二维灰度梯度矩阵。根据两幅图像间的灰度梯度矩阵匹配程度来确定目标区的偏移量,进而配准图像。将本算法用于医用安瓿瓶可见异物检查图像的目标区配准过程,实现了图像目标区的无差配准。     

一种改进的A-KAZE算法在图像配准中的应用

针对现有图像配准过程中难以保持图像的局部精度和边缘细节的问题,在A-KAZE算法的基础上提出了一种改进的图像特征提取算法AKAZE-ILDB.该算法首先利用非线性扩散滤波方程构造图像金字塔,采用快速显示扩散(FED)求得数值解,得到具有亚像素精度的图像特征点坐标;然后利用改进的LDB(ILDB)描述子构造具有尺度和旋转不变性的图像特征向量,对特征向量采用汉明距离进行KNN匹配;最后基于仿射变换模型计算空间映射参数矩阵来实现图像配准.实验结果表明:在保持相同图像特征匹配正确率的情况下,AKAZE-ILDB算法比A-KAZE算法平均配准时间缩短了300 ms;在配准精度方面,比A-KAZE算法提高了3.7%,比传统特征提取算法SURF匹配正确率提高了29%.     

利用空间序列描述子的快速准确的图像配准算法

针对基于局部结构特征的图像配准算法对特征描述不够精确、外点剔除过程运算复杂度高的问题,提出了一种利用空间序列描述子的快速准确的图像配准算法。算法定义了一种基于空间序列的特征点描述子,通过定义特征点间的连接权值和排列顺序构成点的特征来描述,融合了图像局部结构和全局信息;通过对随机采样一致性检验的改进,采用投票策略和随机采样一致性检测的方法,解决外点剔除问题;利用空间序列描述子进行图像配准,通过配准和外点剔除交替迭代进一步提高配准精度。定量分析与实验结果表明:与传统的特征点匹配算法相比,该算法具有结构简单、易于实现的特点,具有配准精度高和计算时间少的优点,具有较高的复现率和准确率。     

基于超边图匹配的视网膜眼底图像配准算法

视网膜眼底图像配准是临床眼科疾病诊断和治疗中的一个关键环节。针对眼底图像配准过程中大范围视场变化和过分割结构噪声等问题,该文提出了一种改进的基于图的视网膜图像血管匹配方法。将血管交叉点表示成图的顶点,把特征点间沿血管路径的相邻关系表示成边,进而在视网膜血管结构图中构造路径超边来刻画更高阶多元特征关系。在此基础上,实现了一种全自动的视网膜眼底图像配准算法。包括:第一步,通过多尺度Gabor滤波算法来检测和提取视网膜血管网络;第二步,利用一种高效的谱松弛匹配算法来求解两个路径超边图的顶点匹配对应关系。最后,通过特征匹配召回率统计和配准的血管中线距离误差两方面的实验,证明该文提出算法是有效和准确的。     

基于SURF的图像拼接过程中配准算法的改进

用SURF算法检测特征点进行图像拼接过程中,仅仅利用特征描述符进行图像配准时误匹配的概率很高.通常对视频图像进行拼接时,待拼接图像间的变化不会太大,所以图像中对应点主方向角和尺度因子相差不大,用这2种特征信息对待匹配特征点进行初筛,然后再取特征描述符之间的欧氏距离最小的点为正确匹配点,实现了多特征融合匹配,增加了匹配的正确率,提高了图像拼接的成功率.     

基于Harris-Affine和SIFT特征匹配的图像自动配准

针对大失配多传感器图像,提出了一种基于SIFT(scale invariant keypoints)和Harris-Affine(H-A)互补不变特征匹配的自动配准算法.算法应用SIFT和H-A两种具有互补特性的局部不变特征,根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,然后利用马氏距离的仿射不变性删除误匹配特征点对,据此求取2幅源图像间的仿射变换参数.使用估计的变换矩阵把待配准图像上的所有点映射到参考图像,并对其进行重采样,实现图像的配准.实验结果表明:该算法能够快速高精度实现大失配图像的自动配准.     

基于改进SURF的图像配准关键算法研究

针对图像特征匹配算法维数高,实时性低的缺陷,研究了SURF特征匹配算法,并对其进行了改进。首先在图像的尺度空间中提取SURF特征点,并生成扩展的特征描述向量。然后建立KD-Tree特征结构,采用BBF查询机制进行最近邻查询实现特征点快速匹配。实验结果表明,SURF算法进行特征检测的时间是SIFT算法的1/3;使用BBF进行特征匹配,匹配速度提高了2—3倍。     

图像配准与角点提取算法研究

在图像配准的方法中,基于图像特征点的配准方法应用较为广泛,而在图像特征点的配准方法中又以基于角点检测的方法最受关注。通过对角点检测方法的理论研究与探讨,分析了几种提取算法,从匹配正确率和抗噪声效果等方面对这几种算法进行比较,最后给出室内外图像角点检测结果图。