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.     

结合Retinex增强的井下图像拼接方法

为在矿井环境下尽量多的提取图像特征点数量,从而监控矿井下生产情况.采用局部双边滤波算法对图像进行增强,再利用近似的Hessian矩阵和框状滤波确定特征点的位置;计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,使用RANSAC算法消除误匹配错误;利用特征点计算出变换矩阵,采用线性渐变融合方法进行图像融合.研究结果表明:图像增强后特征点数量明显增多,SURF算法的拼接效率显著上升,有利于提高匹配的准确性和拼接的快速性.     

一种基于角点匹配的图像拼接算法研究

提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,Harris角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB仿真结果。实验表明,该算法能够获得较为满意的拼接效果。     

基于SIFT算法的海底图像自动拼接

针对深海海底图像光照不均,图像间变换关系复杂,图像的特征很难准确地进行描述的问题,提出一种基于SIFT算法的海底图像拼接方法。首先采用SIFT算法提取海底图像的特征点,用欧式距离比对提取出的特征点进行特征匹配,用随机抽样一致性算法,去除误匹配提高匹配效率,同时求出图像间的变换矩阵。最后采用基于高斯模型的渐入渐出融合法去缝,实现海底图像的光滑无缝拼接。实验结果表明,该方法拼接效果良好。     

基于几何学图像配准的SIFT图像拼接算法

针对SIFT(尺度不变特征变换)算法在特征向量计算和特征点配对时计算量大的问题,基于SIFT算法进行了相应的改进.首先用相位相关法粗略定位图像的重叠区域,对重叠区域进行特征兴趣点的提取,对提取出的点构造泰森多边形;然后将图像切分为4行和4列,分别在每个小区域内根据构造的泰森多边形找到4对匹配点对,算出相应的图像变换矩阵,结合8个变换矩阵计算两幅图像的变换关系,最后采用渐入渐出算法对图像进行融合.在特定区域内寻找定量的点对使得须配对的点对数量变少,从而提升了图像拼接的效率.     

基于Shearlet变换的单波段遥感图像拼接技术研究

为了实现遥感图像的拼接,利用加速鲁棒性特征(speeded up robust features,SURF)算法来提取特征点进行粗匹配,并采用RANSAC算法减少特征点的误匹配,再估计出图像间的投影矩阵,特别是在进行图像融合过程中,提出采用能够充分地反应图像细节信息的Shearlet算法,并利用客观评价准则和基于小波变换得到的融合图像进行比较。实验证明,提出的算法充分利用了单波段遥感图像的全局信息,得到的拼接图像细节信息更加丰富,能够准确地实现遥感图像的拼接。     

基于Harris多摄像头孔壁图像的全景拼接技术

提出一种适用于多摄像头孔壁图像畸变校正和全景图像拼接的算法。为获取360°孔壁图像信息,采用四个广角镜头成像设备采集图像,针对孔壁图像的特殊性,提出一种改进的畸变图像校正算法。首先通过平面网格模板法进行摄像机标定,计算畸变参数,为消除孔壁曲率的影响,提出基于参数微调的畸变图像校正算法。并且通过双线性插值算法进行灰度重建。其次为消除孔壁曲率造成的边缘信息的缺失,提出柱面信息还原法将图像展开,还原孔壁的真实像素信息。通过改进的Harris角点检测算法提取图像角点,利用RANSAC算法进行匹配对提纯,计算变换矩阵,采用融合速度较快的渐入渐出融合算法,得到孔壁全景图。     

基于SIFT变换的彩色全景图拼接算法研究

为了解决传统的彩色全景图拼接算法在特征点匹配过程中匹配时间较长且匹配失误率过高的问题,优化整体的彩色全景图拼接算法,提出了基于SIFT变换的彩色全景图拼接算法.构建SIFT算法的基本流程,通过创建空间尺度确定极值点的空间位置和梯度方向,以便进行SIFT特征点匹配.研究基于SIFT变换算法的全景图像拼接技术,设计全景图像拼接技术的基本流程,在获取全景图像之后进行预处理,利用SIFT变换算法进行图像配准和图像融合.经实验验证,通过匹配失误次数、匹配度以及匹配时间的数据对比所提算法与基于ORB算法的全景图像拼接技术的优劣,确定基于SIFT变换的彩色全景图拼接算法更具备优越性.     

基于SIFT算法的无人机烟株图像快速拼接方法

无人机由于受到飞行高度及携带相机焦距的限制,拍摄的图像范围很小,单个图像难以反映实际采集情况,为了获取拍摄区域全景图像,需将多个遥感图像进行拼接。传统的图像拼接算法具有计算量大、拼接耗时等缺点,无法满足无人机图像拼接的实时性要求。本文提出了一种基于SIFT特征向量的烟株遥感图像拼接方法,该方法在对无人机图像畸变进行预处理的基础上,利用相位相关算法确定图像重叠区域并检测该区域特征点,构建特征向量图来进行特征点匹配,最后根据两幅图像中相应特征点的坐标关系,采用RANSAC算法计算最优匹配变换矩阵。按照上述方法对获取的烟株图像进行拼接,结果表明:该方法快速有效,较传统SIFT拼接算法在速度上提高了49.8%。     

基于立体视觉的三维立体模型全自动拼接方法

基于影像的三维立体模型重建时,如何自动地将部分模型拼接成完整模型是个亟待解决的问题。目前关于三维立体模型拼接大多限制在手动取两个模型上的公共点完成拼接。提出一种方法,能够全自动地、快速地、高精度地实现三维立体模型的拼接。与图像拼接类似,三维立体模型拼接也要经过特征点提取、特征点匹配、空间变换三个步骤。值得一提的是,在特征点提取时利用了三维重建时的点云数据、特征点匹配时利用了点与点间距客观不变、空间转换参数RT矩阵计算时提出了仅用四对精匹配点计算等方法,完成三维立体模型全自动、快速、高精度地拼接,拼接精度达到毫米(mm)级。