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 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.     

SIFT特征匹配的显微全景图拼接

针对细胞图像序列模糊、传统的特征提取方法鲁棒性不强、伪匹配点对较多、图像匹配耗时过长、融合效果不佳等问题,提出了一种强鲁棒性、快速和精确的图像拼接算法.该算法首先用基于尺度不变(SIFT)算法提取细胞图像特征点,接着采用改进的BBF(Best-Bin-First)算法对特征集进行初始的双向匹配,然后采用随机抽样一致性(RANSAC)算法对匹配点对进行进一步提纯并估算出单应性矩阵,最后根据细胞图像序列之间的单应性矩阵关系将其投影到统一标准的平面坐标系下,用具有塔型结构的多分辨率融合算法对图像进行无缝融合完成全景图拼接.实验结果证明:该算法提取到的特征点分布均匀且数量适中,误配情况明显减少,能够有效地实现显微全景图的无缝拼接.     

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%。     

一种优化的图像拼接方法

针对目前图像拼接过程中特征点提取速度慢和特征点匹配精度不高的问题,提出了一种图像拼接的优化算法,即首先对待拼接图像进行降采样处理、然后根据半图像区域提取特征点并采用SSDA(Sequential Similarity Detection Algorithm)算法进行特征点提纯,最后进行图像拼接;拼接结果表明:与传统的图像拼接方法相比,新的优化算法大大地降低了计算数据量,在图像拼接时间方面具有明显的优势.     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

基于SIFT和小波变换的图像拼接算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的图像拼接算法,以提高室外复杂场景的图像拼接质量.利用SIFT算法提取基准图像(待匹配图像)和后续图像(与基准图像进行匹配的图像)的特征点,确定特征点的位置、尺度与方向;利用128维向量对特征点进行描述;利用最近邻法完成两幅图像特征点的匹配,确定重合区域;利用基于小波变换的多分辨率方法完成对图像的拼接.实验结果表明,该方法对亮度差异较大的图像拼接效果良好,适宜于室外复杂环境的图像拼接.     

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。     

一种利用ORB特征进行航拍图像拼接的方法

航空图像拼接具有较高的实时性要求,而传统的拼接特征为浮点数向量,在DSP、FPGA等嵌入式硬件平台上的处理效率不高.提出一种适合航空图像拼接的快速算法,利用ORB特征点作为匹配特征,以二进制特征向量进行特征距离计算,使特征提取与特征匹配速度大为提高.在图像配准过程中,采用次近邻过滤算法、交叉验证算法以及RANSAC估计算法,鲁棒地计算出拼接图像序列之间的单应矩阵.图像配准之后,相同像素位置不同的图像仍然存在一定的颜色偏差,通过对融合图像位置加权,利用改进的α-混合算法,将图像边缘位置信息纳入计算,使得图像能够自然融合,解决了图像拼接的边缘缝隙问题.整个算法对输入图像数据的复杂噪声干扰具有较好的抵抗能力.     

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.     

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FAST特征点提取的图像拼接算法

针对SIFT图像拼接算法在特征点提取阶段,采用基于差分高斯金字塔的方式导致的算法运行时间较长,且易造成特征点漏检、位置偏移的问题,提出一种基于FAST特征点提取的图像拼接算法。该算法首先对拼接图像进行基于FAST算法的特征点提取,取代原有SIFT算法中特征点提取方式,然后对提取特征点进行描述和向量匹配,利用欧氏距离和RANSAC算法实现配准,最后通过加权平均融合算法完成图像拼接。仿真实验表明,该算法加快了特征点的提取速度,提高了定位准确性,更有利于得到灰度整体和谐的拼接图像。     

大型工件测量系统中的快速图像拼接方法

根据大型工件测量系统中的图像拼接特点,提出了一种改进的模板匹配与特征提取相结合的高精度快速图像拼接算法.该算法对相邻的两幅图像采用多尺度Harris算子提取特征点,在第一幅图像中根据特征点的分布确定模板块,在第二幅图像中进行模板匹配找到匹配块,再基于特征提取在匹配块内进行对应特征点的计算,完成拼接.试验结果表明,该算法...     

基于多尺度边缘曲率估计的图像拼接方法

针对传统图像拼接方法仿射不变性差和对噪声敏感等问题,提出了一种基于图像边缘特征点的检测、匹配和融合方法.首先利用Canny边缘检测器提取图像的单像素边缘特征,通过边缘点邻域内的多尺度平均余弦值估计得到曲率极大值特征点,然后构建每个特征点的8×8邻域内的梯度方向直方图描述符,采用最小欧式距离与次小欧式距离比进行粗匹配,接着通过随机抽样一致性算法精匹配得到图像间的投影变换矩阵,最后采用加权平均融合算法可以得到无拼接缝隙的宽视角图像,实验表明,与基于Harris算法的拼接技术相比,该方法平均重复率高20.83%,平均定位误差低19.36%.     

基于关键特征点提取的图像快速配准方法

常用图像配准拼接算法中,计算复杂度会随运算数据量的增加而急剧增长,基于该特点提出了一种快速的图像配准方法.通过提取关键特征点并进行匹配实现计算数据量的降低,从而加速了图像配准.首先检测待拼接图像中的特征点及特征信息冗余区域,并根据特征点的数量调整冗余区域的大小;去除位于特征冗余区域内的特征点;使用归一化互相关及随机抽样一致性算法对剩余的关键特征点进行粗细两步匹配,求出拼接参数完成图像配准,实现图像拼接.实验结果表明,提出的方法实现了图像配准拼接,并且与改进前相比显著提高了运算速度,以lena图为例,运行时间仅为改进前的30.47%.     

一种基于特征点匹配的自动拼接算法

针对图像的无缝拼接问题,本文提出了一种基于特征点的自动拼接算法。通过对其原理和流程的分析,对智能拼接的核心过程——图像特征点的自动匹配和图像的融合进行了详细的阐述,重点分析了原始图像和目标图像特征点的自动提取。实验表明,基于特征点匹配的拼接算法对提高航空像片质量和拼接精确度具有比较好的效果。     

基于球体模型的图像拼接算法

本文提出了一种基于球体模型的全自动图像拼接算法.本文首先采用SIFT算法提取图像特征点,然后采根据基于置信度的匹配算法对特征点进行匹配,最后采用相机球体拍摄模型来实现图像的自动拼接.通过对不同场景的序列图像进行拼接实验,结果表明本文算法有效的提高了图像拼接的效率和准确性,能够大大提升图像拼接的自动化水平.