一种基于显著性区域分割的SAR图像配准算法

针对传统SIFT算法的配准精度和配准效率易受斑点噪声和图像灰度差异影响的问题,提出一种基于显著性区域分割的SAR图像配准算法.首先基于改进的马尔可夫(MRF)算法对SAR图像进行分割,结合区域特征和边缘特征筛选出稳定的显著性区域;然后在显著性区域的边缘附近进行SIFT特征点的提取;最后通过SIFT特征点的匹配实现图像配准.实验结果表明,该方法在保证较高的配准精度的同时,提升了算法效率.     

一种改进的SIFT-PCA算法在图像检索中的应用

针对SIFT算法(尺度不变特征)提取出的图像特征点向量维数较多造成计算量较大、检索效率低等问题,提出一种SIFT和改进的主成分分析(Principal Component Analysis,PCA)相结合的SIFT-PCA算法。该算法首先采用SIFT算法提取图像特征点向量,然后利用改进的PCA算法把特征点向量变换到另一个空间,得到最具有代表性的特征参数,实现对特征点向量的降维。此算法在保证原SIFT算法鲁棒性的同时减少了计算量,增强了实时性。实验结果说明了该算法具有尺度、平移、旋转、光照不变性,在图像检索中应用切实可行且效果良好。     

面向单视频超分辨率重建的改进的SIFT配准算法

针对单视频超分辨率重建传统的基于SIFT特征点检测的配准,在特征匹配上占用时间很大,难于满足实时性的要求,而用于计算128维特征描述子的时间最长这一缺点,提出了一种改进的SIFT配准算法,该算法的原理为通过放弃对128维特征描述子的计算,采用特征点之间的灰度相关系数来进行初始匹配,以期大大减少计算时间,提高特征匹配速度。实验结果证明,该算法在配准结果、时间消耗上明显优于传统配置算法。     

采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于改进SIFT的视频超分辨率重建快速配准算法研究

通过改进硬件的方式来提高成像质量,在技术上实现困难且成本高昂,因此采用数字图像处理的方法来提高图像的分辨率.提出了一种改进的视频超分辨率重建的快速SIFT图像配准算法,该算法放弃对128维特征描述子的计算,而采用特征点之间的灰度相关系数来进行初始匹配,并用平面坐标欧氏距离配合匹配关联度算法来取代特征描述子进行误匹配的剔除,大大降低了计算开销.实验证明,改进算法取得了良好的配准效果,在保证配准质量的前提下,其时间开销只有基于传统SIFT特征点检测方法的1/3.     

一种适用于图像拼接的DSIFT算法研究

针对SIFT算法在分辨率很低的模糊边缘平滑图像中提取的特征点数量过少,而且没有考虑特征点的分布情况、计算开销较大的问题,提出了一种离散尺度不变特征提取DSIFT(Discrete SIFT)算法。该算法在空间极值检测阶段引入一个滑动窗口,在窗口内对极值点的检测进行非极大值抑制,使得特征点的分布相对均匀,运算速度更快,并且保持了尺度、旋转、仿射等不变性。在特征提取前添加了降采样操作,在计算单应矩阵前添加位置信息还原的步骤,在查找匹配点的过程中引入K-D树,以及在特征点的筛选和单应矩阵的估计上采用RANSAC算法,都降低了图像配准各个阶段的时间开销。最后,通过实验验证,DSFIT算法相对SIFT算法具有更加均匀的特征点分布,保持了较高的鲁棒性,同时,在保证一定图像拼接质量的前提下极大地降低了图像配准各个阶段的时间开销。     

输电线红外图像超分辨率复原方法

针对因相机抖动而影响输电线红外图像超分辨率复原效果的问题,提出结合SIFT(Scale Invariant Feature Transform)特征配准信息对低分辨率的输电线红外图像进行超分辨率复原.以4个相邻图像帧为例,首先选定一帧作为参考帧,将其他3帧与该帧图像进行SIFT特征配准,配准过程为特征点检测与初配准、RANSAC (Random Sample Consensus)去除误配准点和图像重采样.然后,对参考帧与图像重采样后的3帧图像进行超分辨率复原.实验结果表明,该算法与传统的超分辨率复原算法相比,重影率下降41％,具有更好的超分辨率复原效果.     

基于改进SIFT和SURF算法的沙丘图像配准

单个沙丘的图像配准受到沙丘图像颜色相近、纹理相似和轮廓模糊等问题困扰,常用的特征提取和特征点配准方法易产生较多的错误匹配点.为了实现有效的单个沙丘跟踪,该文提出了适用于沙丘图像的基于相似三角形原理的尺度不变特征变换(SIFT)和快速鲁棒特征(SURF)的特征点筛选算法.该算法利用暴力匹配法匹配SIFT与SURF特征点,...     

面向极化SAR图像配准的极化特征

不同波段的极化合成孔径雷达(SAR)图像间的配准,是多波段极化SAR数据融合中的一个重要问题。该文从地物的极化散射机理出发,提出了一种适用于尺度不变特征变换(SIFT)配准算法的极化特征。该特征包含了地物目标主要散射成分的信息,并反映了其他弱散射成分的强度分布,可在不同波段极化SAR图像中保持稳定。实验结果表明:与使用散射总功率(Span)实现多波段极化SAR图像配准的方法相比,该特征在不同波段下的差异较小;使用SIFT算法配准后,该特征图像可得到更多的关键点和正确配准点,且配准点的分布较分散,从而有效地提高了多波段极化SAR图像的配准性能。     

基于Harris-Affine和SIFT特征匹配的图像自动配准

针对大失配多传感器图像,提出了一种基于SIFT(scale invariant keypoints)和Harris-Affine(H-A)互补不变特征匹配的自动配准算法.算法应用SIFT和H-A两种具有互补特性的局部不变特征,根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,然后利用马氏距离的仿射不变性删除误匹配特征点对,据此求取2幅源图像间的仿射变换参数.使用估计的变换矩阵把待配准图像上的所有点映射到参考图像,并对其进行重采样,实现图像的配准.实验结果表明:该算法能够快速高精度实现大失配图像的自动配准.     

基于SIFT特征点检测的低复杂度图像配准算法

针对大尺寸图像在图像配准过程中运算量大的问题,提出一种基于SIFT(scale-invariant feature transform)特征点检测的图像配准算法,检测前通过对待配准原图的下采样预处理,降低运算的复杂度,减少构建图像金字塔过程中高斯核卷积的运算量.采用BBF(best bin first)算法实现k-d树中k近邻点搜索,快速得到对应特征点的初始匹配对,再运用RANSAC(random sample consensus)算法在对误匹配对进行迭代剔除,得出能拟合所有内点变换模型参数的最优解,通过坐标变换和插值实现图像配准,并以峰值信噪比为指标衡量配准后的图像与参考图像之间的相似程度.实验结果表明,与传统的直接配准相比,在保证较好的配准效果条件下,本文方法能大幅缩短运行时间.     

基于高能量偏移点特征的低分辨图像配准算法

当分辨率很低时,用于图像配准的常用点特征(如角点、SIFT特征等)不明显,对应的图像配准难以正常进行。针对这一问题,本文探讨一种多尺度高能量偏移点特征配准算法,该算法以图像中偏移局部能量均值较大的点作为特征,并采用经典SIFT特征的描述方式,完成低分辨图像配准。实验结果表明,该特征稳定性好,能够有效应用于低分辨率图超分辨重建领域。     

基于小波域改进SURF的遥感图像配准算法

为了进一步加快遥感图像配准速度,同时使其配准精度有所提高,提出了一种基于小波域改进加速鲁棒特征(speeded up robust features,SURF)的遥感图像配准算法.首先采用小波变换将基准图像和待配准图像分别分解获得其低频和高频分量;然后对低频分量提出改进SURF以得到粗配准点对:采用主成分分析(principal component analysis,PCA)对描述子降维,依据双向配准准则实现特征点的粗配准;接着利用两次距离阈值不同的随机抽样一致(random sample consensus,RANSAC)算法分级筛选出精配准点对;最后运用最小二乘法拟合几何变换参数完成配准.实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、多尺度配准小波域SURF算法、基于NSCT(non-subsampled contourlet transform)和SURF的算法相比,本文算法不仅配准速度大大加快,同时配准精度也得到提高.     

基于SIFT和三角网格的VHR建筑物检测技术

传统尺度不变特征变换(scale-invariant feature transform,SIFT)算法的误配准问题导致基于该算法的建筑物检测率较低,因此提出一种改进的高分辨率(very high resolution,VHR)遥感卫星图像中建筑物的检测方法。首先通过改进传统的SIFT配准方法,使其能够更加准确地描述VHR遥感卫星图像中的建筑物信息,之后通过欧氏距离获得2幅图像的初始匹配点集,然后将配准后的一幅图像中所得到的配准点作为Delaunay三角剖分的初始点集,根据Delaunay三角剖分特性,剔除SIFT算法中误匹配的特征点,得到最终的结果。实验结果表明,研究所提出的算法可以有效地检测出一幅VHR遥感卫星图像中的建筑物信息,在时间效率、配准精度、建筑物的检测普遍性上,都能得到很好的预期效果。     

基于SIFT算法的可见光图像与红外图像配准

为实现可见光图像与红外图像的有效配准,结合两类图像的特点,提出基于特征的SIFT算法,并进行道路和人脸的可见光图像与红外图像配准实验。结果表明,SIFT算法对纹理结构简单、光滑图像提取的特征点较少;随着阈值提高,可见光图像与红外图像的匹配点数目增加,匹配稳定性降低。该算法可用于可见光图像与红外图像配准。     

一种迭代有序k最邻近距离实现数字图像特征点匹配的算法

待配准图像和源图像之间具有自相似性或镜像关系时,SIFT特征匹配算法不能实现两幅图像特征点的正确匹配,针对这一问题,提出了一种通过dpk实现特征点正确匹配的迭代算法,在Matlab仿真实验中表明该算法能较好解决上述问题.     

基于NSST和FAST的图像配准方法

为了进一步提高图像的配准速度,提出一种基于非下采样Shearlet变换(nonsubsampled Shearlet transform,NSST)和加速分割检测特征(features from accelerated segment test,FAST)的图像配准方法.首先将参考图像和待配准图像分别通过非下采样Shearlet变换分解成高频和低频子带,对低频子带构建高斯金字塔并采用FAST算子检测图像特征点,利用加速鲁棒特征(speeded up robust features,SURF)向量描述子描述所检测的特征点并依据夹角余弦准则实现特征点的匹配.然后利用随机抽样一致(random sample consensus,RANSAC)算法剔除误匹配点对,实现图像配准.大量实验结果表明,与尺度不变特征变换(scale invariant feature transform,SIFT)算法、SURF算法、结合Shearlet和SURF的算法、改进的SURF算法相比,所提出的方法在保证一定配准精度的前提下,配准的速度大大加快.     

一种改进的SIFT算法及其在医学图像配准中的应用

图像特征点的提取是医学图像配准的基础,其精确性直接影响匹配的结果.目前在实际应用中常使用手工提取特征点的方法,精确性差且工作量大.SIFT算子具有良好的尺度、旋转、光照等不变特性,被广泛应用于图像配准中.由于SIFT匹配算法对特征点匹配的条件较为严格,特征点的数量常常无法满足医学图像配准的实际需要,并且存在一定的误匹配.为增加特征点的数量,提高匹配准确率,采用SIFT算法自动提取特征点,并使用特征点之间的Euclid距离作为相似性判定度量,根据医学图像的特点保留低对比度点,以实现医学图像的配准.实验结果表明该方法是有效的.     

基于不变特征的红外图像快速配准系统设计

为了方便电路板卡故障诊断,实现红外图像快速、有效地配准,设计了基于不变特征的红外图像快速配准系统。首先介绍了系统的硬件组成和基本原理,然后采用SIFT(Scale Invariant Features Transform)算法提取特征点并生成特征点描述子,最后利用图像匹配策略去除误配准的特征点对,求解仿射变换模型参数,从而实现图像配准。实验结果表明：系统工作稳定、效率高,配准后的图像质量较好,且达到了实时性的要求,具有很强的应用价值。     

弹性的二维医学图像配准算法

提出了一个弹性二维医学图像配准算法,该算法将基于像素浓度值配准算法和基于特征点的配准算法相结合,采用自动的特征点定位算法,使用薄板样条算法来提高配准的精度,从而可以对二维医学图像进行自动、准确的配准。首先,用基于像素浓度值的全局仿射配准实现对鲁棒配准的初始估计;然后,通过使用基于特征点的迭代配准算法,使得全局仿射配准结果在第2步配准算法中得到进一步的细化而使其配准结果具有更高的准确性。对二维PHANTOM图像的实验结果表明,该算法具有鲁棒性。