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%。     

一种基于ORB算法的无人机影像匹配

针对无人机影像局部区域特征点探测难度大,导致无人机影像匹配效果不佳等问题,通过引入BEBLID算法构建高效的二值描述符,提升了影像匹配率。该算法首先采用ORB算法检测特征点,其次采用FLANN快速搜索筛选特征点,最后利用BEBLID描述符以及采用RANSAC算法剔除误匹配,从而实现了无人机影像的高精度匹配。试验结果表明:在保证有足够特征点对的前提下,将ORB+BEBLID算法应用于两组无人机影像匹配中,影像匹配率分别为81.97%和89.72%,相比ORB算法分别提高13.60%和9.90%。验证了ORB+BEBLID算法在无人机影像匹配中的有效性,获得的正确特征匹配点对冗余度低、全局性优。     

基于ORB的无人机图像快速拼接算法

为了更好满足无人机航拍图像拼接对实时性和稳定性的要求,提出一种四叉树局部熵自适应阈值的ORB(Oriented FAST and Rotated BRIEF)算法,首先对图像划分网格,通过计算每个网格内局部熵的最佳阈值提取FAST特征点,然后采用四叉树对提取的特征点进行最优筛选,最后采用KNN算法对特征点进行粗匹配,使用PROSAC算法对异常点的剔除。实验结果表明,在特征提取时间基本相同的情况下,本文算法比ORB算法匹配率提高3.8%.     

基于 SIFT 算法的无人机遥感图像拼接技术

为了给农田研究人员提供高精度、 宽视野的图像, 在利用 SIFT(Scale-Invariant Feature Transform)算法初 步检测候选点步骤中, 加入自适应阈值去除部分候选特征点; 结合无人机图像的经纬度坐标及重叠区域位置关 系剔除部分无效特征点, 并进行特征点粗匹配; 利用随机采样一致算法消除误匹配点对, 并求解投影变换矩阵 完成相邻两幅农田遥感图像的拼接; 设计了金字塔拼接策略, 完成 128 幅高分辨率图像的拼接。 实验结果表 明, 基于 SIFT 算法, 利用改进的特征点精简方法, 特征点粗匹配时间平均减少了52%, 精匹配时间平均减少了 25%; 基于 6 个图像融合评价参数的对比实验发现, 从定性和定量两个方面, 基于多分辨率的图像融合均优于 其他融合算法。     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称ShiTomasi-SURFORB算法,仿真实验通过统计角点特征数、角点特征匹配数、角点特征正确匹配数、角点特征匹配精度、角点特征匹配精度率、图像匹配时间和图像匹配时间率共7个指标进行分析;分析结果表明:ShiTomasi-SURFORB算法与传统ORB算法相比,在图像角点特征匹配时间方面提升了9.46%,但在图像角点特征匹配精度方面提升了8.88%,为图像角点特征匹配提供了一种更加均衡的解决方案。     

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.     

一种基于局部灰度匹配的无人机图像拼接算法

结合无人机图像的特点,开发了一种基于局部灰度匹配的图像拼接算法.根据无人机的飞行数据,对无人机图像进行预处理,缩小了特征点的搜索范围.然后利用图像的局部灰度算法,对提取的角特征点进行快速匹配.最后在运行速度以及特征点的匹配准确率等方面对算法进行了评价.试验结果表明,该算法较大幅度地提高了程序的运行速度,能够达到无人机图像处理的实时性的要求.该算法对无人机图像的工业化处理有帮助.     

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。     

基于改进SIFT 算法的掌纹图像拼接

为解决采集的掌纹图像不完整的问题, 改进了SIFT 特征图像拼接算法, 从而得到完整掌纹图像, 提出LoG-SIFT 特征点匹配拼接算法并设计一种剔除误匹配点对策略。实验结果显示, 改进后算法能增强手掌表面纹线特征, 显著提高特征点对匹配数量, 降低点对匹配错误率。     

基于改进SIFT算法的无人机遥感影像快速拼接

近几十年来,无人机遥感在地球观测领域发展十分迅速,然而,无人机影像快速拼接是阻碍其应用的难题.针对无人机遥感影像的特点与SIFT(scale invariant feature transform)拼接算法的缺点,该文提出了一种基于随机抽样一致性算法RANSAC(random sample consensus)和最小二乘匹配改进的SIFT影像拼接算法.首先采用随机采样法RANSAC进行粗略匹配数据的提纯,剔除伪特征点对,以减少特征点数量,降低时耗;然后再以最小二乘匹配进行更加精确的匹配,最终实现了无人机影像的自动拼接.实验结果表明：基于RANSAC和最小二乘匹配改进的SIFT拼接算法的平均正确匹配率为92.8%,拼接精度由1个像元提高到0.1个像元,同时拼接运算效率也得到了较大的提升.经改进的SIFT拼接算法在海量特征数据库中可以进行快速、准确的匹配、甚至可以达到实时的要求,具有更强的鲁棒性,可以满足低空遥感影像的相对定向高度自动化的需要,应用前景广阔.     

基于改进FAST检测的ORB特征匹配算法

针对ORB(oriented FAST and rotated BRIEF)特征匹配算法在实时性要求较高领域效果不佳以及在复杂光照环境下匹配精确率较低的问题,提出了一种基于改进FAST(features from accelerated segment test)检测的ORB算法。首先,对待处理的灰度图像进行分类,剔除掉部分灰度变化率较低的区域,然后提取FAST特征点并计算描述子,最后采用汉明距离完成匹配。此外,在提取FAST特征点时,设计了一种自适应半径,利用图像对比度自适应调整检测半径,当图像对比度突变时依然能够保证期望的特征点数量。实验结果表明,改进后的ORB算法匹配时间缩短了16. 47%,大幅提高了在复杂光照环境下的匹配精确率,具有较强的鲁棒性和实时性。     

基于改进的匹配算法的岩石样本图像三维重建

为了提高岩石样本图像三维重建的准确率和重建效率,提出了基于改进的匹配算法的三维重建方法。该方法采用“回”字型分块思想,有效地提高了ORB算法中BRIEF特征描述符的学习效率,从而改善了ORB算法的匹配效果;再利用向量场一致（VFC）算法对改进的ORB算子所得的匹配对进行误匹配剔除。实验结果表明,该方法不仅能够保证岩石样本图像三维重建的精度,而且在速度上也具有较大提升。     

一种改进的ORB特征点匹配算法

针对ORB特征描述算法没有解决尺度不变性的问题,提出了一种将具有尺度不变性的BRISK特征描述符与ORB特征检测子相结合的特征点匹配算法;利用ORB特征检测子检测待测图像中的特征点,并借鉴BRISK特征描述算法的思想对检测到的特征点进行均匀采样,然后对采样到的特征点进行特征描述,最后使用暴力匹配的方法计算汉明距离从而完成特征匹配;通过实验验证了改进算法,有效地解决了ORB特征描述算法不具备尺度不变性的问题,相较于原ORB算法,改进算法的尺度不变性得到了有效提高且更加稳定、可靠,同时,改进算法的实时性也略优于原算法,适合于要求实时性高且尺度变化大的应用中。     

基于空间结构约束的改进迭代最近点影像配准

提出了一种改进的基于空间结构约束的迭代最近点(ICP)影像配准方法.该方法通过结合特征点的空间结构相似性和特征相似性获得特征点的匹配矩阵,其中特征相似性通过特征点的局部特征描述算子进行计算,空间相似性则通过特征点的空间位置进行计算.特征点之间的空间结构相似性不仅包括了对应特征点之间的空间距离,还包含了特征点到邻近特征点的空间距离.在匹配过程中,分别从参考影像和待配准影像的角度出发,实现了匹配的对称性处理.通过对具有不同影像特征的真实遥感影像进行实验,结果表明该算法具有较高的配准精度.     

强光束干扰下低轨高清遥感图像无缝拼接方法改进研究

由于受到强光束的干扰,低轨高清遥感图像拼接处的拼接边界容易出现突变。当前图像拼接方法因不能避免外界因素的干扰,无法实现图像的无缝拼接。为此,提出一种新的强光束干扰下低轨高清遥感图像无缝拼接方法。通过Retinex理论对强光束干扰下低轨高清遥感图像进行预处理,利用原始低轨高清遥感图像的照射光得到物体的反射性质,以获取物体自身的面貌。介绍了尺度不变特征变换(SIFT)算法的基本思想,通过SIFT特征匹配法对遥感图像进行配准处理;针对SIFT法效率低的弊端,利用区域分块法对其进行改进。通过幂比值拉伸方法对拼接缝进行消除。实验结果表明,采用所提方法得到的拼接图像拼接处无重叠,较为平滑,在保证拼接图像信息量、清晰度和整体质量的同时,效率较高。     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。     

基于改进的加速鲁棒特征算法的工件定位方法

为了解决传统的图像处理算法识别现场获得的工件图像速度慢且匹配效果较差等问题,通过对工件图像的识别方法进行研究,提出了一种改进的加速鲁棒特征(SURF)算法可以实现工件准确、实时的定位。该算法基于加速分割测试特征检测器(FAST)对SURF算法的特征提取方式进行改进,首先利用FAST提取特征点,然后通过SURF算法生成特征点描述子,使用主成分分析算法(PCA)对描述子进行降维。随后以欧式距离作为相似性度量进行粗匹配,再采用随机抽样一致算法(RANSAC)剔除误匹配点。最后结合双目视觉技术得到工件空间位置坐标。实验结果表明：本文提出的算法在运行时间上相比传统SURF算法减少80%,同时提高了匹配的精度。可见达到了准确、实时的工件定位目的。     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

强照度鲁棒的SLAM算法

ORB-SLAM算法通过ORB(oriented FAST and rotated BRIEF)描述子匹配特征点,其光照强度鲁棒性不足,难以在光照条件较差时应用。对此,利用HSV空间中色调(Hue)光照强度鲁棒性较强的特点,提出通过高斯混合模型于前端匹配时将色调加入ORB特征匹配的方法,以解决特征匹配时光照强度鲁棒性不足的问题。通过光束平差法(bundle adjustment)进行位姿优化后,基于贝叶斯滤波模型,根据当前场景构建视觉字典以完成回环检测,提高SLAM算法精度。实验结果表明,相比ORB-SLAM算法,在保证实时性不变的情况下,本文算法精度与光照强度鲁棒性有明显提升。