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ORB的无人机图像快速拼接算法

为了更好满足无人机航拍图像拼接对实时性和稳定性的要求,提出一种四叉树局部熵自适应阈值的ORB(Oriented FAST and Rotated BRIEF)算法,首先对图像划分网格,通过计算每个网格内局部熵的最佳阈值提取FAST特征点,然后采用四叉树对提取的特征点进行最优筛选,最后采用KNN算法对特征点进行粗匹配,使...     

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。     

基于改进SIFT算法的无人机图像拼接研究

图像拼接是图像处理中的一项重要技术,近年来发展迅速,图像拼接中算法是该技术的核心部分。为了提高图像拼接的效果和精度,研究了基于无人机图像拼接的改进SIFT算法,介绍了图像拼接的流程,详细叙述了SIFT算法及改进原理,实验证明该算法效果良好。     

一种改进的分形图像的压缩方法及其软件实现

为了提高分形图像压缩方法的效果,采用分割迭代函数系统方法,融合进化算法和四叉树方法,并使用C／C^ 语言,实现了分形图像压缩程序．程序运行结果表明,该方法能够提高图像压缩的质量和速度．     

基于改进RANSAC算法的图像拼接技术

针对传统RANSAC算法在图像拼接中效率低的问题,提出了一种解决该问题的新算法,即M_RANSAC算法.该方法首先通过HARRIS算法提取2幅图像中的特征点,且在特征点匹配排序的基础之上,根据数据错误率得出抽样次数,并采用双阈值法进行数据检验来提高算法效率.结果表明,M_RANSAC算法能有效地减少抽样时间和数据检验时...     

基于改进SIFT的无人机航拍图像快速匹配

针对无人机航拍图像快速匹配问题,传统的SIFT算法复杂度高,处理时间长,为了满足实时性的要求,提出一种改进的SIFT算法.首先将特征点的矩形区域改为圆形区域,对描述子进行降维,然后借助绝对距离和余弦相似度进行双重匹配,最后再通过RANSAC算法剔除误匹配点.实验证明,改进的SIFT算法在尺度缩放、旋转、光照等情况下均有良好的匹配效果,与原算法相比,在保证匹配精度的同时很好的提高了匹配速率,验证了算法的实时性、有效性.     

基于图像拼接的可信图像修补方法

为了尽可能地恢复被损坏图像的原始场景,获得最真实的复原效果,针对大区域破损图像的修复,提出了一个基于移位参考图像的可信图像修补与基于图像本身的自修复算法相结合的图像修复方法。首先,受启于图像拼接技术,若存在可以利用的参考图像,便利用SIFT(scale invariant feature transform)算法和RANSAC(random sample consensus)算法将参考图像与目标图像进行配准并投影拼接至目标图像,完成目标图像的可信修补。然后对仍未修复的破损区域进行图像自修复,其中自修复部分采用Criminisi算法。所得到的图像修复结果真实性与可信度较高,与实际景象偏差较小,说明该方法合理可行。     

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...     

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。     

基于改进SIFT算法的无人机遥感影像快速拼接

近几十年来,无人机遥感在地球观测领域发展十分迅速,然而,无人机影像快速拼接是阻碍其应用的难题.针对无人机遥感影像的特点与SIFT(scale invariant feature transform)拼接算法的缺点,该文提出了一种基于随机抽样一致性算法RANSAC(random sample consensus)和最小二乘匹配改进的SIFT影像拼接算法.首先采用随机采样法RANSAC进行粗略匹配数据的提纯,剔除伪特征点对,以减少特征点数量,降低时耗;然后再以最小二乘匹配进行更加精确的匹配,最终实现了无人机影像的自动拼接.实验结果表明：基于RANSAC和最小二乘匹配改进的SIFT拼接算法的平均正确匹配率为92.8%,拼接精度由1个像元提高到0.1个像元,同时拼接运算效率也得到了较大的提升.经改进的SIFT拼接算法在海量特征数据库中可以进行快速、准确的匹配、甚至可以达到实时的要求,具有更强的鲁棒性,可以满足低空遥感影像的相对定向高度自动化的需要,应用前景广阔.     

一种改进的区域四叉树空间搜索简易算法

对区域四叉树算法进行改进,增强了系统对空间对象检索的兼容性,增加了空间对象检索的效率．并在应用系统中完全实现,取得了良好的效果．     

一种基于局部灰度匹配的无人机图像拼接算法

结合无人机图像的特点,开发了一种基于局部灰度匹配的图像拼接算法.根据无人机的飞行数据,对无人机图像进行预处理,缩小了特征点的搜索范围.然后利用图像的局部灰度算法,对提取的角特征点进行快速匹配.最后在运行速度以及特征点的匹配准确率等方面对算法进行了评价.试验结果表明,该算法较大幅度地提高了程序的运行速度,能够达到无人机图像处理的实时性的要求.该算法对无人机图像的工业化处理有帮助.     

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%。     

新型无人机检测技术在桥梁检测工程中的应用

智能化监测技术的快速发展也在促进无人机技术的快速发展,目前在各个行业无人机检测技术都得到广泛应用,但是随着各个行业融合发展的趋势,也有着限制无人机发展的问题.目前我国桥梁建设中,结合各项桥梁项目的增多,检测效果和检测方式也需不断变化和提升.因此本论述基于此背景,对传统桥梁检测方式进行分析和研究,随后分析传统与现代新型无...     

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。     

一种优化的图像拼接方法

针对目前图像拼接过程中特征点提取速度慢和特征点匹配精度不高的问题,提出了一种图像拼接的优化算法,即首先对待拼接图像进行降采样处理、然后根据半图像区域提取特征点并采用SSDA(Sequential Similarity Detection Algorithm)算法进行特征点提纯,最后进行图像拼接;拼接结果表明:与传统的图像拼接方法相比,新的优化算法大大地降低了计算数据量,在图像拼接时间方面具有明显的优势.     

无人机图像拼接技术的应用研究

图像拼接技术的目的是解决单幅相机拍摄视角不够问题,它给人们的日常生活以及科学研究都带来了很大的帮助,无人机低空遥感数据具有分辨率高、灵活性高,效率高和成本低等优势而被广泛应用于道路交通、自然灾害等领域。为了扩大视野更好地统一处理,分析和研究无人机图像信息,往往需要把相邻的俩幅或多幅图像拼接接为一幅全景图像。主要分为俩大部分,图像配准和图像融合,介绍了无人机智能遥测在道路交通中领域的应用。     

一种图像细化算法及其在医学图像中的应用

提出一种具有较高准确度的细化算法。通过基本细化和优化等步骤,该算法抽取的骨架相当接近理想的骨架。还讨论这种细化算法在人类染色体图像处理中的应用。     

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。