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ASIFT的低空遥感影像拼接技术

对ASIFT算法原理进行了深入的分析,并在此基础上提出了基于ASIFT的低空遥感影像拼接的新算法.新算法首先利用ASIFT提取图像对应的特征点,通过最小二乘法计算仿射变换矩阵,最后根据仿射矩阵实现图像的变换与拼接.实验结果表明,由于ASIFT算法具有仿射不变性,相比SIFT算法更加符合低空遥感影像的特点,能很好地解决平移、旋转、仿射变换情况下的图像拼接问题.     

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SIFT的自适应旋转图像无缝拼接算法

针对旋转图像拼接融合过程中产生缝合线的问题,提出了基于尺度不变特征转换(SIFT)的自适应旋转图像无缝拼接算法。该方法在SIFT特征匹配的基础上,使用了最小距离加权算法融合图像。为减少算法计算加权因子的耗时,提出了加速融合策略,最终快速完成了无缝拼接。实验结果表明,该算法的融合效果好,速度快,稳定性好。     

基于多核学习的GIST全局和SIFT局部特征融合遥感图像检索方法

针对遥感图像快速准确的检索问题,利用多核学习(Multiple Kernel Learning,MKL)算法融合全局GIST(Generalized Search Tree)特征和局部SIFT(Scale-invariant feature transform)特征开展遥感影像的检索方法研究。首先提取图像的全局GIST特征,然后通过SIFT特征的改进方法提取局部SIFT特征,利用特征融合的方法得到单一的特征向量,再通过多核学习的算法得到最优解,返回最终的检索结果。在遥感图像数据集上的检索实验表明,对比单一特征的图像检索算法,该方法能够提高检索准确率。     

基于SIFT的软骨切片电镜图像拼接算法

软骨组织断层的电镜图像拼接是人工软骨组织培养过程中的关键技术之一.对二维断层电镜图像的拼接方法进行了深入研究,利用SIFT算法对图片进行关键点检测,利用kd-tree建立数据索引,进行关键点的快速匹配,确定图像位移,实现了局部断层图像的无缝拼接,有效解决了电镜图像视角小的问题.在VS2010环境下利用C语言进行仿真,实验表明,该方法具有鲁棒性强、实时性好的特点.证明该方法可以为人工软骨组织的培养提供客观的科学支持.     

基于导向快速与旋转简短和随机抽样一致组合的图像拼接算法优化

针对在图像拼接过程中存在图像间的特征点匹配精度低、图像拼接处存在裂缝以及图像拼接时间久的问题,提出一种基于导向快速与旋转简短(oriented fast and rotated brief, ORB)和随机抽样一致(random sample consensus, RANSAC)组合的图像拼接算法。首先,利用小波变换得到表示图像的近似、水平、垂直和对角特性的子图像分量,选取图像的近似、水平和垂直特性的子图像分量进行叠加,得到下一步进行特征提取的图像;其次,提取图像的ORB特征点并生成二进制特征描述符;再次,通过正反双向匹配对图像中的特征点进行粗匹配并使用RANSAC算法进行精度匹配;最后,利用拉普拉斯金字塔算法进行图像融合。实验结果表明：利用基于ORB和RANSAC组合的图像拼接算法对选取的图像进行提取特征平均耗时约为传统尺度不变特征转换(scale invariant feature transform, SIFT)算法的84.7%、加速鲁棒特征(speed-up robust features, SURF)算法的36.4%、ORB算法的64.9%,图像特征匹配精度提高,图像特征匹配...     

多摄像头侧视钻孔全景图像拼接

目前,地质勘测主要采用数字式全景钻孔摄像获取具有真实感的孔壁全景图以进行地质分析,但是已有的全景图获取方法存在设备成本高或图像拼接过程复杂等不足,基此提出了一种水平环状均匀分布多个CCD摄像头的摄像模型,对钻孔孔壁四周360°进行拍摄获取图像,并对获取的图像进行畸变矫正。对钻孔孔壁的曲率造成的图像信息缺失,采用非均匀插值对其进行展开。通过提取图像SIFT特征点,利用基于(k-d)树的BBF算法确定图像的匹配点对,采用RANSAC算法二次消除错配求得变换矩阵。加权平均法在图像融合阶段的应用使得拼接图像光滑无缝,得到具有真实感的钻孔孔壁全景图。     

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。     

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。     

基于高分影像和ASIFT算法的滑坡位移场监测方法

针对利用高分遥感影像和SIFT算法进行大变形滑坡位移场监测时存在的不足,引入了一种具备完全仿射不变性的图像特征匹配算法(ASIFT),对不同时相高分遥感影像进行特征点提取与匹配,并在抚顺西露天矿特大型滑坡的位移场监测中进行了应用.结果表明,与SIFT算法相比,ASIFT算法弥补了特征提取算法在仿射不变性上的不足,增加了特征匹配点,提高了滑坡空间位移矢量场标定精度,且自动化程度高、成本低,非常适合于特大型滑坡的大变形位移场监测.     

基于NSCT与形状特征的遥感影像道路提取

提出一种基于非抽样Contourlet变换（NSCT）与形状特征的遥感影像道路提取算法.首先对图像进行非抽样Contourlet变换,得到不同尺度、不同方向上的变换系数,对变换系数进行增强处理并通过反变换得到增强图像;然后对增强图像进行分割处理,利用道路形状特征对分割结果进行道路提取;最后利用光谱特征对提取的道路进行判断,并利用形态学方法对道路网进行规整.对比实验结果表明：该算法取得了较好的高分辨率遥感影像道路提取效果.     

基于遥感图像梯度特征的运动模糊检测方法

为了精确描述由于高分辨率卫星在轨动力学环境不确定干扰造成的光学传感器拍摄遥感图像退化的过程,在自然图像的运动模糊点扩散函数检测方法的基础上,提出一种基于遥感图像梯度特征的运动模糊检测方法. 该方法利用图像分割和梯度特征选择处理区域,对遥感图像进行预处理,使图像的梯度特征更加符合检测方法的先验知识,采用基于概率分布的点扩散函数估计方法获得图像的退化模型. 结果表明该方法提高了图像模糊的检测精度,获得了更准确的遥感图像运动模糊点扩散函数的检测结果.      

采用改进YOLOv3的高分辨率遥感图像目标检测

由于高分辨率遥感图像存在目标排列密集、尺寸差别大等情况,传统算法难以准确地对其进行目标检测。在YOLOv3算法的基础上,提出一种改进的高分辨率遥感图像目标检测算法(remote sensing-YOLO,RS-YOLO)。利用K-means聚类算法对数据集进行聚类,重新设计适合遥感图像的先验框; 引入高斯模型计算预测框的不确定度,以提高网络对预测框坐标的准确度; 使用弱化的非极大值抑制算法(soft non-aximum suppression,Soft-NMS)对预测框进行处理,增强算法对密集排列目标的检测能力。实验结果表明,改进后的算法能够对高分辨率遥感图像进行有效的目标检测,以NWPU VHR-10数据集为例,RS-YOLO的平均检测精度达到了87.97%。     

改进的SIFT特征人脸识别方法ADSIFT

针对光照、表情、噪声等因素容易造成误识别的问题,提出一种改进的SIFT特征人脸识别方法.对每个训练图像,先提取得到SIFT特征向量集合,利用每个SIFT特征向量,并选择阈值构造一个弱分类器.利用一种基于Adaboost的算法从每个训练图像的弱分类器集合中选出一部分,确定其对应的阈值和权重,然后构造出该训练图像的相似度函数.根据相似度函数可计算出目标图像与每个训练图像的相似度,从而求出目标图像与每个类的训练图像的平均相似度,则目标图像属于平均相似度最高的类.实验表明在ORL人脸数据库上则可达到98%识别率,优于现有的方法.     

采用图像增强的图像特征点匹配算法

首先,利用直方图均衡化、基于照明-反射模型的同态滤波和基于Retinex理论的3种图像增强方法,对收集到的图像进行预处理;然后,对预处理后的图像应用SIFT,SURF和ASIFT算法进行图像特征提取和匹配.研究结果表明:经直方图均衡化处理的图像,用SURF提取的图像特征点匹配率较高;同态滤波预处理图像的方法,经SIFT算法提取图像特征点的匹配率较高.     

一种基于小波变换的快速SIFT图像拼接算法

SIFT特征匹配算法是当前图像拼接研究领域的热点。为改进SIFT算法在图像拼接过程中特征点提取环节计算量大、耗时较长的缺点。本文在研究SIFT算法的基础上,提出一种改进的图像拼接算法。此算法先通过小波变换对图像进行预处理,减少在SIFT尺度不变特征提取过程中的数据计算量,以提高图像拼接速度。对两幅待拼接图像,分别采用经典SIFT算法和本文提出的改进算法做仿真实验,当匹配点控制系数a=0．5,经典SIFT算法在确定特征点耗时1．192891S,改进后的算法仅用了0．856712s。仿真对比试验的结果验证了该算法的有效性,同时表明该算法能够在保持图像拼接效果的基础上,提高图像拼接算法的速度和准确性。     

基于深度残差卷积神经网络的高光谱图像超分辨方法

卷积神经网络由于其强大的非线性表达能力在自然图像的处理问题中已经获得了非常大的成功。传统的稀疏表示方法利用精确配准的高分辨率多光谱图像,从而限制了实际应用。针对传统方法的不足,本文提出了一种基于深度残差卷积神经网络的单高光谱图像超分辨率方法,无需对应的多光谱图像。我们构建深度残差卷积神经网络挖掘低分辨率遥感图像和高分辨率遥感图像之间的非线性关系。构建的深度学习网络串联多个残差块,并去除一些不必要的模块,如批标准化层,每个残差块只包含两个卷积层,这样在保证模型效果的同时又加快模型的效率。此外,因为遥感图像训练数据缺乏,我们充分挖掘自然图像和高光谱图像之间的相似性,利用自然图像样本训练卷积神经网络,进一步利用迁移学习将训练好的网络模型引入到高分辨率遥感图像超分辨问题上,解决了训练样本缺乏问题。最后,基于实际的遥感数据超分辨实验结果表明,本文所提出的方法具有良好的性能,能得到较好的超分辨效果。     

基于改进自适应阈值局部三值模式的遥感图像分类

遥感图像背景复杂,存在光照变化和噪声干扰,导致图像分类准确率不高。针对该问题,在计算邻域像素离散度的基础上,通过对其施加不同权重以细化阈值范围,提出一种改进的自适应阈值局部三值模式(ATLTP)纹理特征提取算法,以提高遥感图像分类精度。首先,对原始遥感图像进行灰度拉伸预处理以增强图像对比度;然后,采用改进自适应阈值局部三值模式提取遥感图像的纹理特征;最后,利用支持向量机对遥感图像进行分类。在标准遥感图像数据集中稀疏建筑物和密集建筑物分类的实验结果表明:采用改进后的局部三值模式纹理特征对遥感图像进行分类的性能要优于传统的局部三值模式,验证了改进算法的有效性。