一种迭代有序k最邻近距离实现数字图像特征点匹配的算法

待配准图像和源图像之间具有自相似性或镜像关系时,SIFT特征匹配算法不能实现两幅图像特征点的正确匹配,针对这一问题,提出了一种通过dpk实现特征点正确匹配的迭代算法,在Matlab仿真实验中表明该算法能较好解决上述问题.     

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题, 提出一种基于图像梯度信息强化的尺度不变特征转换（SIFT）特征匹配算法的改进算法. 首先通过适当的梯度算子求出梯度图; 然后以特定权值将梯度图与原图融合, 归一化后对融合图像进行高斯模糊; 最后利用传统算法进行特征提取. 实验结果表明, 改进算法的视角、 旋转不变性明显优于原算法, 对亮度变化较大或有噪声的图像匹配率也略有提升, 有效提高了SIFT特征匹配算法的准确性.     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配, 导致最终匹配精度较低、 匹配时间较长等问题, 提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法. 首先, 利用深度强化学习网络结构中的策略网络和价值网络, 共同指导浮动图像按正确方向移至参考图像; 其次, 在粗匹配过程中通过设计奖赏函数, 实现颜色特征粗匹配; 最后, 在粗匹配基础上, 利用改进尺度不变特征变换算法提取待匹配的图像局部特征, 按相似度进行移动机器人视觉图像分级匹配. 实验结果表明, 该算法可有效实现图像的粗匹配与精匹配, 在不同视角与尺度情况下特征检测的稳定性均较高, 匹配精度高、 时间短, 匹配后的图像质量较好, 提高了移动机器人的实际应用效果.     

基于LoFTR算法的图像拼接算法研究与实现

针对传统算法图像匹配准方法提取特征点不精确、鲁棒性低、低纹理下很难识别到特征点等问题。本文提出一种新的局部图像特征匹配方法,替代传统的顺序执行图像特征检测,描述和匹配的步骤。首先在原图像提取分辨率为1/8的粗略特征,然后平铺为一维向量,并为其添加位置编码,将组合结果输入到Transformers模块中的自注意力层和交叉注意力层,最后输入可微分匹配层后得到置信矩阵,为该矩阵设置阈值和相互最近标准,从而得到粗略的匹配预测。其次是在精细层次上细化良好的匹配,在建立精匹配之后,通过变换矩阵到统一的坐标下,实现图像重叠区域对齐,最后通过加权平局融合算法对图像进行融合,实现对图像的无缝拼接。本文使用Transformers中的自注意力层和交叉注意力层来获取图像的特征描述符。实验结果表明,在特征点提取方面,LoFTR算法比传统的SIFT算法,无论在低纹理区域还是纹理比较丰富的区域提取的都更精确,同时使用此方法得到的拼接效果比传统经典算法拼接的效果更好。     

基于最小生成树的多视图特征点快速匹配算法

针对图像特征点匹配中计算效率较低且误配率较高的问题,提出了一种在两视图匹配中引入最小生成树的新算法.该方法主要运用最小生成树构建匹配代价最小的图像对,首先通过对输入的多幅图像进行特征点提取,对生成的特征点采用基于欧式距离的两视图匹配,进一步构建最小生成树以生成最短特征点匹配轨迹,从而完成匹配.测试结果表明:最小生成树的引入使得大多数特征点匹配过程只在相关图像中运行,且能找出匹配代价最低的匹配路径,在保证匹配准确性的情况下,计算时间开销约为传统算法的20%,保证了图像匹配的实时性.     

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。     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

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CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.     

基于显著性保持的多聚焦图像融合

提出一种基于显著性保持的多聚焦图像融合方法.该方法首先利用显著性评测函数计算源图像的显著性特征,然后利用显著性系数构建融合图像的目标梯度,最后迭代求解得到融合图像.同时研究了利用显著性特征融合彩色图像中的色调和饱和度分量.多聚焦图像上的实验结果表明该算法相比较其他算法具有更好的融合效果.     

结合NSCT和区域特征的图像融合新算法

提出一种把非下采样Contourlet变换(NSCT)和区域特征相结合的图像融合新方法.该方法能够获取更好的空域和频域中的局部特征,同时提高融合图像的质量.用NSCT对已经配准的源图像在不同尺度和方向进行分解,低频子带分量采用区域平均能量和匹配度相结合的融合规则,高频子带分量使用改进的拉普拉斯能量和取大的融合规则.然后,利用逆NSCT变换对图像重构得到融合结果.实验结果表明,新方法优于其他三个常用的方法,且较好地保留图像的边缘和细节信息.     

基于块同化的空间频率多聚焦图像融合算法研究

本文阐述了一种基于块同化的空间频率多聚焦图像融合算法,对现有的多聚焦图像在空间频率上的融合算法进行了改进。首先对多聚焦图像在对应位置上计算出每个像素的空间频率,由空间频率来计算出它对融合图像的权值,进而决定选取某个源图的像素作为融合后的对应位置的像素,再对融合后的图像采用窗口同化的方法,达到滤波作用,减少偶然误差。通过仿真验证了该方案的有效性,结果表明该方法得到的融合图像优于传统的多聚焦图像融合方法。     

一种基于链码向量的图像匹配算法

基于特征的图像匹配算法被广泛应用于图像处理和模式识别领域中,图像特征提取以及采用的匹配算法并直接决定图像匹配的效果。为了尽可能准确的实现图像匹配,提出了一种基于链码向量的边缘特征匹配算法。首先通过改进的Laplace边缘检测算子提取图像中的边缘信息,提高了边缘检测的可靠性;然后,将提取到的边缘信息由边界链码描述,并将边界链码构造成向量,利用数学向量相似度原则进行图像匹配。实验结果表明,该匹配算法简单快速,匹配准确率高,具有较高的实用价值。     

基于ASIFT图像匹配算法的三维重建

提出了基于ASIFT图像匹配算法的三维重建算法。目前,基于图像序列的三维重建中,一般采用SIFT图像匹配算法。对于存在仿射变换的图像序列,ASIFT算法较SIFT算法能够获得更多精确的稀疏匹配点;基于ASIFT算法恢复的三维点云比基于SIFT算法恢复的三维点云更加稠密,从而能获得更好的三维重建结果。仿真实验表明,本文算法能获得较好的三维模型。     

多分辨率分析耦合近似稀疏表示的图像融合算法

为了更好地处理图像高维特征奇异性,并兼顾融合图像目标特征与平均强度信息,提出了一种多分辨率分析与近似稀疏表示的图像融合算法。首先,对源图像进行对尺度分析,分别得到图像的高频和低频信息;然后,设计了近似稀疏表示(sparse representation,SR),通过近似SR系数来表示图像高频信息和低频信息;并利用绝对最大选择技术对近似SR稀疏转换,得到低频子带的近似系数和高频子带的细节系数,以达到用最少的系数来逼近奇异曲线。其次,构建了决策映射,对相同子带上的各SR系数的活性度和匹配度进行决策分析,输出决策值,通过决策值对图像进行匹配融合。最后,通过多尺度逆变换得到最终的融合图像。仿真实验表明:与当前图像融合算法相比,获得的融合图像具有更好的视觉效果,能有效图像突出目标信息,得到的图像具有更高的平均梯度和边缘评价因子;既突出了目标特征又保留平均强度信息,同时降低噪声影响。     

多参数区域特征的医学图像融合方法

基于医学影像MRI和CT图像互相联系、互相补充的特点,为了更好地实现不同模态医学图像间的融合,提出一种改进的基于区域特征的医学图像融合方法。原理是根据图像小波变换系数的一系列参数如区域均值、方差、协方差等构造加权因子和匹配度,对代表图像细节信息的高频子图进行区域融合;然后对低频部分采取选择极大绝对值的原则,对图像进行融合。最后经过小波重构得到输出图像。经过主观和客观评价对实验结果进行综合评价,此方法处理过的图像能得到良好的视觉效果和理想的指标,时间上也减少了0．25s,适用于实时系统的应用。     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。     

鲁棒Hausdorff距离在SAR/惯性组合导航图像匹配中的应用研究

分析了适用于SAR景象匹配辅助导航系统的图像匹配算法的特点 ,提出了一种新型Hausdorff距离的鲁棒型图像匹配算法 .首先分析了传统的Hausdorff距离算法的不足 ,然后引入了一种能有效消除高斯噪声影响的新算法 .同时针对此算法图像匹配时全局搜索的不足 ,提出了扫描终止法技术 ,以有效解决图像匹配实时性的问题 .针对高斯噪声的大小对图像匹配的影响进行了仿真实验 .仿真结果表明 ,新图像匹配算法能大大提高合成孔径雷达图像的匹配精度和实时性 ,对组合导航系统的精度提高有重要的意义 ,是一种行之有效的方法 .     

结合空间金字塔局部特征的谱匹配算法

为提高基于谱分解的图像匹配算法的匹配精度,通过对中心对称局部二值模式(CS-LBP)进行修正,并引入空间金字塔尺度划分方法,获取图像局部特征描述向量;并以此向量之间相似性作为度量方式,重构邻接矩阵,通过谱分解获取特征点匹配关系.通过对比实验,结果表明,该算法匹配精度较高.