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.     

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。     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

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 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SIFT特征矢量图的快速图像拼接方法

为了减少图像拼接方法的计算复杂度,提出一种基于尺度不变特征变换(SIFT)特征矢量图的快速图像拼接方法.该方法首先结合相位相关算法,确定待拼接图像的重叠区域,限定SIFT特征点检测范围;然后考虑特征点的空间位置信息,构建SIFT特征矢量图像,以便在特征匹配时限制匹配点的搜索范围,快速获得匹配点对.实验结果表明,该方法减少了大量的不必要搜索,提高了图像拼接速度.     

基于轮廓特征区域的图像拼接改进比值算法

阐述了图像拼接技术的应用领域和各种匹配算法,研究了比值匹配算法的基本原理和优缺点,本文针对该算法易出现误匹配的问题,设计了基于轮廓特征区域的图像拼接改进比值算法,传统算法相比,该算法能够更快更准确地找到图像最佳匹配位置,解决了传统算法中误匹配的问题。实验结果证明该算法具有速度快,准确性高等特点。     

基于轮廓特征区域的图像拼接改进比值算法

阐述了图像拼接技术的应用领域和各种匹配算法,研究了比值匹配算法的基本原理和优缺点,本文针对该算法易出现误匹配的问题,设计了基于轮廓特征区域的图像拼接改进比值算法,传统算法相比,该算法能够更快更准确地找到图像最佳匹配位置,解决了传统算法中误匹配的问题。实验结果证明该算法具有速度快,准确性高等特点。     

面向自适应计算的局部四面体网格重划分

为有效满足h自适应的网格重划分要求, 提出通过前沿推进法和Delaunay算法对四面体网格进行局部重划分. 首先, 在重划分过程中, 采用由线到面、 由面到体的顺序保证整体网格的协调性; 其次, 通过局部尺寸函数保证网格尺寸平滑过渡; 最后, 用投影法使网格满足几何保形. 仿真实验结果表明, 该算法适用于包含多部件的复杂计算机辅助设计(CAD)模型, 在h自适应加密过程中网格更贴近真实几何形态, 且重划分后可保证网格单元的质量.     

基于尺度不变特征变换的快速图像特征区域检测

针对快速图像特征区域检测受噪声干扰和尺度空间影响, 导致图像特征区域检测精度较低、 延时较长, 检测结果不可靠的问题, 提出一种基于尺度不变特征变换的快速图像特征区域检测方法. 先通过加权核函数, 加权平滑处理图像中各像素点, 实现图像去噪; 再在此基础上通过构建图像高斯尺度空间确定图像特征点区域, 删除低对比度像素点和边缘像素点, 快速提取图像特征点, 检测特征点所在区域即为图像特征区域. 仿真实验结果表明, 该方法能高效率、高精度地实现快速图像特征区域检测的全面检测.     

基于预测区域匹配的无人机航拍图像快速拼接

利用无人机侦查拍摄的图像,拼接成整个战场的全景图,方便指挥人员了解战场动态,做出战略决策. 根据无人机航拍图片序列的特点,提出了一种快速精确的拼接方法,即在无人机航拍图片拼接过程中,使用一种创新的匹配对齐策略,根据图片间的重叠率构造估计范围矩形,仅对矩形区域内的特征点进行匹配计算,然后使用图像融合等方法优化拼接效果. 此算法提高了鲁棒性,可在短时间内获得较好的拼接效果. 分别对谷歌地球卫星图片和无人机航拍真实数据进行实验,验证了算法的有效性.      

基于稀疏转稠密机制的仿射不变特征匹配算法

提出一种基于稀疏、稠密特征转换的仿射不变特征匹配算法,其中稀疏特征包括坐标,尺度,仿射模拟参数等,稠密特征指基于图像局部区域内光学属性的局部描述符.本文算法在Affine-SIFT算法基础之上,针对在特征提取阶段仅使用稀疏特征提取的缺陷做出了改进.由于稠密信息只有在稀疏参数满一定足检测条件时才能提取到特征,导致本可以匹配到的特征(包括稀疏、稠密参数)无法提取,将通过使用稀疏特征构造新的模拟图像,通过将稀疏特征重新稠密化,并在模拟图像基础上进一步提取稀疏特征,同时可检测到原始图像中检测不到的可匹配特征,最终达到增大特征建立匹配的概率,提升正确匹配数量的目标.经实验验证,本文提出的稀密特征转换算法相比于ASIFT算法能大量增加特征匹配的数量.除针对ASIFT方法提供扩展外,该方法也可用于扩展具有充分稀疏特征参数的其它特征提取和匹配方法,并适用于目标识别、目标分类和三维重建等问题.     

基于角点检测的图像匹配算法及其在图像拼接中的应用

研究了图像匹配与图像角点匹配之间的关系．并在此基础上提出一种基于角点检测的图像匹配算法，成功地应用于图像拼接中．该算法将角点作为图像的特征点，并通过角点值、邻域角点数、角点间距及参数一致性等4个指标对角点集进行逐级筛选，有效地剔除了不匹配的角点，保证了匹配精度，同时避免了传统算法中进行模板匹配的繁重计算，大大提高了匹配速度．图像拼接实验验证了本文算法的快速、准确和稳定的特性．     

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.     

纹织CAD中图像的自动拼接算法

针对织物扫描获得的各个分块图像需要进行拼接的问题,结合扫描图像的数据特点,首先采用一种改进的SIFT(Scale Invariant Feature Transform)算法进行特征点的获取与匹配,并且用RANSAC(Random Sampling Consensus)算法精选匹配点对以求得转换矩阵,然后将待拼接的织物扫描图像通过转换矩阵映射到参考空间上,最后用线性过渡法来实现图像间的无缝拼接.实验结果表明:该方法不仅有效快速,而且对于织物扫描图像之间存在的平移、旋转、亮度差异以及一定程度上的形变都保持了很好的稳定性,能很好地适应纹织CAD中图像的自动拼接.