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...     

一种改进的图像拼接技术及其在无人机病虫害检测中的应用

为解决ORB(oriented FAST and rotated BRIEF)算法提取的特征点分布不均匀且可能重叠的问题，在ORB算法的基础上引入了四叉树结构实现特征点均匀分配，使用KNN算法进行特征点粗略匹配，通过RANSAC算法去除虚假匹配点以获得完整的病虫害图像.实验结果表明，与ORB算法和SIFT相比，新算法匹配精度分别提高了8%以上和3%以上.     

基于改进ORB的图像特征点匹配

鉴于ORB算法在特征点匹配时基本不具备尺度不变性,结合SIFT算法思想,提出了改进的ORB算法:SIRB(ORB and SIFT)。首先生成图像的多尺度空间,并在多尺度空间里检测稳定的极值点,使得提取出的特征点具有尺度不变信息;然后使用ORB描述子对特征点进行描述,生成旋转不变性的二进制描述子;最后通过Hamming距离完成对特征点的匹配。实验结果表明,SIRB有效地解决了ORB不具备尺度不变性的缺陷,在图像尺度发生变化时,SIRB算法特征点匹配的平均准确度达到约93.3%,相比于ORB提高了约70.7%;同时SIRB和ORB两种算法的匹配速度大致相当,SIRB保留了原ORB算法的快速优越性,平均匹配速度比SIFT快约63.2倍;将提出的SIRB算法应用到视频目标跟踪系统中,取得了良好的实验效果,具有一定的应用价值。     

基于改进ORB算法的特征点匹配

针对传统ORB算法不具有尺度不变性的问题及匹配速率的问题,提出改进ORB算法的特征匹配.将SURF算法与传统ORB算法结合,先利用SURF算法的尺度金字塔得到具有尺度不变性的特征点,解决特征点匹配的尺度性问题,再对用ORB算法生成的高维描述符进行降维处理,提高算法的匹配速率,最后用暴力匹配方式完成图像匹配.实验结果解决...     

基于density-ORB特征的图像特征点匹配算法

针对ORB(Oriented FAST and Rotated BRIEF)算法中的Steer BRIEF描述子只通过比较两个像素点的灰度信息来决定0/1编码,容易产生特征点误匹配现象,本文提出基于像素密度(pixel density)的ORB特征描述子算法,利用两幅图像中相同区域的某一特征点邻域空间内像素密度的相似性原理,通过比较两个像素点的密度信息来决定0/1编码,计算误匹配率,验证了density-ORB算法在图像模糊、压缩、光照变化、视角变化等条件下的鲁棒性.实验结果表明,该算法减少了特征点的误匹配个数,特征点误匹配率比ORB算法降低了2.80%.     

一种基于非线性尺度空间的ORB特征匹配算法研究

ORB(Oriented FAST and rotated BRIEF)特征描述算法具有旋转不变性、匹配速度快的特点,但没有解决尺度不变性、误匹配率高的问题。针对此缺陷,提出一种改进的ORB特征点匹配算法,完成特征点的检测、匹配以及剔除误匹配。改进算法首先借鉴了A-KAZE基于非线性扩散滤波构建尺度空间的方法;其次利用ORB特征检测子在所构建的非线性尺度空间进行特征点的检测;再次对采集到的特征点生成特征描述子;最后在使用Hamming距离匹配的基础上再对其结果采用PROSAC算法剔除噪声点。实验结果表明,改进后的算法相较于原ORB算法,有效地解决了ORB算法不具备尺度不变性的问题,且匹配精度大幅提高,适用于尺度变化较大且实时性高的环境,具有较好的工程意义。     

SIFT辅助角点匹配的快速图像匹配算法

采用Harris角点检测算法进行图像特征检测.使用快速SIFT图像匹配方法进行图像匹配并计算基础矩阵,去除误匹配点后用SIFT图像匹配的结果对Harris角点进行定位,并用ZNCC算法对角点进行增量匹配.该算法有效地弥补了SIFT图像匹配算法的特征点只分布于非边缘区域的问题,相比单纯SIFT算法可获得更多的匹配点,并且算法时间增加较少.     

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.     

一种基于ORB算法的无人机影像匹配

针对无人机影像局部区域特征点探测难度大,导致无人机影像匹配效果不佳等问题,通过引入BEBLID算法构建高效的二值描述符,提升了影像匹配率。该算法首先采用ORB算法检测特征点,其次采用FLANN快速搜索筛选特征点,最后利用BEBLID描述符以及采用RANSAC算法剔除误匹配,从而实现了无人机影像的高精度匹配。试验结果表明:在保证有足够特征点对的前提下,将ORB+BEBLID算法应用于两组无人机影像匹配中,影像匹配率分别为81.97%和89.72%,相比ORB算法分别提高13.60%和9.90%。验证了ORB+BEBLID算法在无人机影像匹配中的有效性,获得的正确特征匹配点对冗余度低、全局性优。