SURF与RANSAC组合图像拼接算法

针对目前基于尺度不变特征变换匹配算法(scale invariant feature transform,SIFT)的图像拼接算法存在的算法复杂度高、算法的特征点匹配精度不准的问题,提出了一种SURF和RANSAC组合的拼接算法。算法从特征点提取匹配出发,基于筛选过滤的提纯思想对初步筛选的特征点进行优化从而达到提高融合质量的目的。筛选过程使得算法具有一定的鲁棒性,同时算法降低了时间上面的消耗。基于SURF和RANSAC的组合图像拼接算法可实现高质量的图像拼接,是一种加速图像拼接速度兼具鲁棒性的图像拼接算法。     

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.     

具有几何约束的SURF算法图像拼接

利用SURF算法提取出两幅待拼接图像重合部分的特征点,然后根据特征点对两幅图像进行拼接.但两幅图像的重合部分匹配的特征点对所在直线的斜率、及特征点对之间的距离相等或近似相等.所以利用上述关系提出具有几何约束的SURF图像拼接算法,以消除误匹配点,为后续的RASAC算法提高效率,且提高算法的拼接正确率.最后对拼接的图像使...     

基于改进SURF-BRISK算法的航拍图像拼接方法

针对无人机航拍过程中由于像抖和倾斜透视形变等因素会影响后续的图像拼接效果的问题,结合有一定规则形状的航拍对象,提出一种基于改进SURF-BRISK算法的航拍图像拼接方法。首先通过改进的SURF算法进行特征检测,然后通过BRISK算法进行特征描述,接着使用Hamming距离进行特征匹配,使用RANSAC算法对匹配点进行提纯并计算单应性矩阵,以及使用双线性插值法对图像进行插值,最后通过加权融合法进行融合,进而实现大视场航拍图像的快速准确拼接。以光伏电场航拍图像为例进行实验测试,结果表明,相较于经典的SURF算法以及现有的SIFT等图像拼接算法,改进SURF-BRISK算法的特征检测时间平均缩短了43.14%,并且检测到的特征点分布较均匀,在存在各种变换的图像之间保持79.44%的重复率,稳定性强;在特征描述中,BRISK算法所用时间是SURF的三分之一,且特征匹配正确率高达91.56%。研究结果为有规则形状的航拍图像拼接提供了新的参考方法。     

基于SURF-球面模型的岩心图像拼接

提出一种基于SURF-球面模型的岩心图像拼接算法。通过特征点匹配,建立球面模型,将待拼接岩心图像投影到同一球面,合并成完整的岩心图像;根据拍摄模式及岩心图像本身的特点,在特征点匹配过程中,使用SURF算法并指定图像特征检测区域,快速提取和匹配特征点;最后进行多分辨率融合,消除拼接缝,完成岩心图像的无缝拼接。实验表明本文的方法在岩心图像拼接中能达到较好的拼接效果。     

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.     

一种面向无人机航拍图像的快速拼接算法

针对现有图像拼接方法对分辨率高、影像信息复杂的无人机航拍图像处理速度慢、匹配精度差的问题,提出一种面向无人机航拍图像的快速拼接算法。首先,利用FM(Fourier-Mellin)算法求出图像的重叠区域,并获取图像重叠区域内的感兴趣区域,结合区域分块以及图像信息熵得到最终的特征提取区域,设置为图像掩膜;接着,在特征提取区域提取特征点,并且对特征点匹配对进行两轮筛选,减少RANSAC算法迭代次数;最后用改进的RANSAC算法进行误匹配点对的剔除以筛选出准确度较高的匹配点对。比较该算法与其他算法的运行效率以及图像的拼接质量等相关指标。实验结果显示该算法较SURF、SIFT、区域分块算法,航拍图像拼接时间分别降低35%、56%、57%,满足航拍图像对拼接精度以及实时性的要求。     

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。     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

一种改进的SURF快速匹配算法

经典的SURF(speeded up robust features)算法在匹配的过程中,对一幅图像上每一个选定的特征点都要与另一幅图像上所有的特征点一一进行匹配,耗时较高,并且由于误匹配导致匹配的准确率下降.基于此,结合特征点的分类思想对SURF算法进行改进.根据特征点邻域内像素之间的差值形成一个4维的特征向量,与SURF的特征描述子相结合形成68维的特征向量,以达到提高匹配速度和准确率的目的.在哥伦比亚大学Coil-100图像库中对改进SURF算法进行试验.结果表明,相对于经典SURF算法,改进SURF算法在速度上有很大的提高.     

基于改进SURF算法的图像拼接研究

快速鲁棒特征(Speeded-up robust feature,SURF)算法在图像匹配、模式识别、图像拼接等众多领域有着广泛的应用.随着摄像机的更新换代,照片分辨率逐渐提升,传统的SURF算法已经无法满足图像拼接的效率要求;针对以上问题,该文提出了一种具有动态阈值的改进SURF算法,该算法依据图像位置的相关性,生成...     

基于伪高动态范围的图像拼接预处理方法

在恶劣照明场景下,要提高基于特征的图像拼接过程中特征匹配准确度,图像增强是关键,为此,提出一种基于伪高动态范围(pseudo high dynamic range,P-HDR)的图像增强算法作为图像拼接的预处理方法。首先,通过单幅图像生成多重虚拟亮度图像,并进行色调映射生成伪高动态范围图像;然后,采用加速鲁棒特征(speeded up robust features,SURF)算法检测预处理后待拼接图像的特征点并执行近似最近邻搜索(fast library for approximate nearest neighbors,FLANN)算法和随机抽样一致性(random sample consensus,RANSAC)算法对其特征点分别进行粗匹配和精匹配。研究结果表明,在恶劣照明环境下,所提预处理方法可以提高特征匹配准确度。     

基于亮度统一的加权融合图像拼接算法

针对智能车安检系统图像快速拼接容易出现鬼影现象,本文提出一种新的图像拼接算法。首先使用SURF算法提取特征点,然后对特征点匹配并变换图像,最后使用非线性加权融合算法融合重合区域,对重合区域边界部分设置的权重变化小,而中心部分的权重变化大,达到图像间快速平滑过渡的效果。另外,针对图像亮度不同导致的拼接结果的整体亮度不够平滑,引入亮度统一过程,将图像进行空间转换,在lαβ颜色空间完成亮度变换操作。该算法能够有效地消除拼缝及鬼影现象,并保证了图像亮度的一致性,仿真实验验证了算法的有效性。     

基于机器视觉的轴承外圈表面图像拼接方法

尽管基于机器视觉的缺陷检测技术已较为成熟,但应用在轴承外圈表面缺陷检测的理论研究还相对较少。应用图像拼接方法,将拍摄到的含有不完整缺陷区域的轴承外圈表面图像拼接为一幅缺陷信息完整的图像,以便后续进行缺陷的识别。在图像拼接过程中,同时采用SURF算法和图像柱面投影原理,还原了图像边缘缺陷区域的真实空间信息。建立Hessian矩阵(基于SURF算法)提取并匹配特征点,运用加权平均融合算法实现对含有缺陷信息的轴承外圈表面图像无缝拼接。经实验分析,结果表明该方法有效还原了轴承的空间几何特性,保留了边缘特征信息,能为图像拼接的准确性及拼接质量提供有效保障。无论从理论还是实践的角度来说,均有研究和探索的必要性。     

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MATLAB的图像拼接技术及其实现

基于特征点SURF算法的图像配准和加权平均融合算法,将有重叠区域的两张图像拼 接成一张高分辨率的全景图像,并运用MATLAB软件实时仿真拼接图像。首先利用SURF算法匹 配图像,经仿射变换后得到含有拼接缝的合并图像;再分别对比不同分辨率、重复率的三组测试数 据;接着使用两种融合算法融合比对最优图像;最后设计了一个简单的GUI界面实现图像拼接。 实验表明：分辨率越高,图像信息量越大,匹配效果就越清晰,但会耗费更多的运算时间;重复率增 加,有效匹配点占比增大,得出图像重复率在40%及以上时会使匹配更精准。加权融合算法能更 好地实现图像之间的平滑过渡。     

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。     

一种鲁棒的二进制图像特征点描述子

为了提高特征点匹配的速度,采用二进制方法生成特征点描述,并对描述子进行了尺度和旋转适应性改进.使用特征点邻域小块中随机点的强度对比生成描述,描述子的相似度以Ham-ming距离度量,以二进制运算提高算法的时间性能.为了检验算法在视角、旋转及尺度变化时的性能,采用Wall和Graffiti图像集及相应的旋转和尺度变换图像集对算法进行测试,得到该算法在各图像集上的匹配准确率,并与SURF算法得到的结果进行比较.结果表明,在2幅图像间进行特征点匹配时,该算法的特征点描述生成时间和匹配时间分别为1 043.67和4 313.36 ms,而使用SURF算法时的相应时间分别为3 950.34和9 951.03 ms,说明该算法的时间特性明显优于SURF算法.此外,在绝大多数测试集上,该算法的匹配准确率明显高于SURF算法.     

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。     

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。