图像拼接的预处理算法研究

在基于图像的虚拟现实中，为了加快相邻图像的拼接速度，提出了对图像进行灰度化，然后将灰度图投影，进行粗略匹配的预处理算法。实例表明，该算法可以有效地实现图像预定位，缩小图像拼接时的搜索范围，提高拼接速度。     

基于LoFTR算法的图像拼接算法研究与实现

针对传统算法图像匹配准方法提取特征点不精确、鲁棒性低、低纹理下很难识别到特征点等问题。本文提出一种新的局部图像特征匹配方法,替代传统的顺序执行图像特征检测,描述和匹配的步骤。首先在原图像提取分辨率为1/8的粗略特征,然后平铺为一维向量,并为其添加位置编码,将组合结果输入到Transformers模块中的自注意力层和交叉注意力层,最后输入可微分匹配层后得到置信矩阵,为该矩阵设置阈值和相互最近标准,从而得到粗略的匹配预测。其次是在精细层次上细化良好的匹配,在建立精匹配之后,通过变换矩阵到统一的坐标下,实现图像重叠区域对齐,最后通过加权平局融合算法对图像进行融合,实现对图像的无缝拼接。本文使用Transformers中的自注意力层和交叉注意力层来获取图像的特征描述符。实验结果表明,在特征点提取方面,LoFTR算法比传统的SIFT算法,无论在低纹理区域还是纹理比较丰富的区域提取的都更精确,同时使用此方法得到的拼接效果比传统经典算法拼接的效果更好。     

基于灰度相关改进算法的图像拼接

针对基于灰度相关的匹配算法进行改进,提出了基于灰度差极小值的匹配算法,采用渐入渐出的融合算法,使图像达到平滑、无缝的拼接.     

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OpenCV的图像碎片拼接

针对二维不规则图像碎片,提出了一种基于OpenCV和图像角点的图像碎片拼接算法.该算法实现了碎片轮廓检测、角点提取、角点序列匹配、图像拼接及缺失修复的功能.通过实例测试,可以得到很好的拼接效果.     

遥感图像拼接算法的研究

针对高分辨率遥感图像的特点，在充分考虑图像的空间几何特征和图像像元间相关性的基础上，提出了一种融合的图像拼接处理算法。经该算法处理后的拼接图像很好地保留了地物的几何特征和波谱信息，且重叠区域过渡自然，更有利于遥感图像的后期处理、分析和应用。     

一种基于角点匹配的图像拼接算法研究

提出了一种基于角点匹配的图像拼接算法。研究了基于角点匹配的图像拼接方法中,Harris角点的检测,角点的匹配及图像的融合等关键算法。并且给出了图像拼接的MATLAB仿真结果。实验表明,该算法能够获得较为满意的拼接效果。     

基于AOI检测系统的图像拼接技术

针对自动光学检测(AOI)在电路板元器件检测中对图像拼接的实时性要求比较高的特点,提出了简化的仿射变换模型的快速图像拼接算法.该算法利用图像特征在尺度空间具有平移、旋转和仿射不变性,借助AOI系统高精度步进电机的控制快速找到最佳匹配点,建立图像的匹配关系.实验证明,该算法简单、快速、精度高,具有场景无关性、噪音容忍度高等优点,在AOI检测中具有很强的实用性.     

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。     

基于拉格朗日插值与牛顿算法的亚象素图像拼接

在以往的图像拼接中主要在拼接精度上主要以象素级为准，在某些情况下图像拼接的质量并不是很理想，特别是待拼接图像的内容不是整像数级，或拼接图像的内容很接近的情况下，往往产生误匹配。本文基于拉格朗日插值与牛顿法算法的亚象素相结合方法进行图像拼接，该方法能够保证较好拼接精度的同时有效地减少亚象素匹配中耗时的相关计算。     

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。     

真彩色图像快速镶嵌的算法实现

对多幅具有重叠区域的图像按照特征匹配原理，通过选取图像配准区域，极大地缩短了图像匹配的时间，并很好的兼顾了图像的几何精度来实现图像镶嵌。镶嵌过程中，对相邻图像色调差异也做了详细分析。     

基于尺度聚类仿射过滤的图像拼接算法

利用图像的SIFT特征点的位置和尺度组合成数据向量,通过对不同尺度特征点进行聚类分析得到具有较好稳定性的全局仿射变换.通过该变换对匹配特征点进行一致性过滤,并对图像拼接过程中出现的问题,构建了一种基于网格覆盖的拼接算法提高拼接效果和稳定性.通过实验对算法进行测试,在实验过程中,为度量过滤结果稳定性和边缘拼接效果,构建了相应的视觉和定量评价指标来对比算法性能.实验结果表明,提出的算法在图像拼接过程中具有较好的稳定性和拼接效果,具有较好的实用价值.     

多相机图像拼接算法的改进

为了加快图像拼接中特征检测的速率,避免图像中非重合区域对特征检测点与匹配的干扰,通过重合区域预估计算和图像的掩模处理的方法,研究了只针对重合区域的改进检测算法。为了降低由于多图拼接造成的累积误差,通过使用中间图像为基准的多图拼接的思路,研究了改进多图拼接算法并定义了平移矩阵并给出了平移量的计算公式。为了使融合效果更好,通过传统的加权线性融合算法,研究了分区域加权线性融合。结果表明:加快了特征检测速率,降低了特征点之间的误匹配率,优化了由于多图拼接带来的累积误差,提高了图像融合品质。可见上述提到的对多相机图像拼接的系列算法的改进在效果、速率上都有所改进。     

基于边缘扩展相位相关的图像拼接算法

针对图像拼接算法中计算量大的问题,提出了一种基于边缘扩展相位相关的图像拼接算法。该算法采用迭代阈值分割法对图像进行边缘检测,并对检测出的边缘进行扩展相位相关计算,得出图像间的平移、旋转和尺度变化。利用这些参数拼接图像,用渐进渐出的方法实现拼接图像的融合。实验证明,该算法能够简化计算,并有效地实现图像的拼接。     

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。