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...     

具有几何约束的SURF算法图像拼接

利用SURF算法提取出两幅待拼接图像重合部分的特征点,然后根据特征点对两幅图像进行拼接.但两幅图像的重合部分匹配的特征点对所在直线的斜率、及特征点对之间的距离相等或近似相等.所以利用上述关系提出具有几何约束的SURF图像拼接算法,以消除误匹配点,为后续的RASAC算法提高效率,且提高算法的拼接正确率.最后对拼接的图像使...     

基于改进SURF算法的图像拼接研究

快速鲁棒特征(Speeded-up robust feature,SURF)算法在图像匹配、模式识别、图像拼接等众多领域有着广泛的应用.随着摄像机的更新换代,照片分辨率逐渐提升,传统的SURF算法已经无法满足图像拼接的效率要求;针对以上问题,该文提出了一种具有动态阈值的改进SURF算法,该算法依据图像位置的相关性,生成...     

一种改进的基于SURF特征匹配的图像拼接算法

针对快速鲁棒特征(SURF)算法的拼接结果图像,会出现明显的拼接线与过渡带的问题,提出一种改进的基于SURF特征匹配的图像拼接算法。在剔除误配点时,采用改进的随机抽样一致(RANSAC)算法调整采样概率,以更少的时间获取正确模型,提高算法效率。在图像融合时,先对输入图像进行亮度均衡预处理,然后再使用加权平滑算法进行融合,从而消除结果图的拼接线和过渡带,提高图像拼接质量。实验表明,改进算法能保持SURF算法的优良特性,进一步提高SURF算法匹配效率,并能有效消除拼接线和过渡带,使图像拼接质量得到显著提高。     

基于SURF的图像拼接过程中配准算法的改进

用SURF算法检测特征点进行图像拼接过程中,仅仅利用特征描述符进行图像配准时误匹配的概率很高.通常对视频图像进行拼接时,待拼接图像间的变化不会太大,所以图像中对应点主方向角和尺度因子相差不大,用这2种特征信息对待匹配特征点进行初筛,然后再取特征描述符之间的欧氏距离最小的点为正确匹配点,实现了多特征融合匹配,增加了匹配的正确率,提高了图像拼接的成功率.     

全景图像拼接算法

提出了一种新的柱面图像拼接算法,即利用相邻2幅图像中的2组特征点,确定2幅图像的位置关系.该算法可自动对照相机水平环拍的1组图像进行无缝拼接,得到1幅360°的柱面全景图像.实验结果验证了算法的有效性.     

常用图像拼接算法综述

作为图像拼接的核心部分，进行拼接的算法选取显得格特重要，其中原因在于图像在采集过程中，采集信号受环境影响特别大．并且在不同应用中，对图像拼接的实时性要求也有所不同，所在要根据不同的应用领域来选取适合的拼接算法。本文的主要工作就是对当前的各种图像拼接算法进行总结，归纳，并指出各自的优点及缺点及适用范围。     

SURF算法和改进的RANSAC算法用于移动应用测试界面检测的研究

提出1种自动化的移动应用界面测试方法,利用SURF(Speeded Up Robust Features)图像匹配算法和改进的RANSAC(Random Sample Consensus)算法匹配待测移动应用界面与标准界面,通过匹配程度判断待测界面是否存在图片拉伸、文字乱码、界面遮挡等问题.实验结果表明,通过算法改进将检测的正确率提高到96%,能够满足测试要求.整个测试过程生成大量的图像,因此把Hadoop作为实现平台,采用Map Reduce编程模型实现了图像处理的并行化运算,在数据量较大的情况下,Hadoop分布式系统比单机模式表现出了明显的优势.     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

阵列工业图像快速拼接算法

相机阵列获取的多目图像拼接常依赖特征点的数量和空间分布情况,采用传统Harris角点检测算法提取特征点时,会产生伪角点和角点簇,影响拼接速度和精度。自定义Harris角点检测阈值,保留明显特征点,利用自适应非极大值抑制(ANMS)优化角点簇问题;再生成特征描述子,实现特征点的初步匹配,接着用随机抽样一致算法(RANSAC)去除误匹配;最后采用渐入渐出融合算法,实现了拼接图像的平滑过渡。结果表明,该算法能够快速、精确地实现工业图像拼接,具有优良的工业实用性。     

基于SURF算法的图像复制粘贴篡改检测

由于SIFT算法的特征点检测速度较慢,而SURF算法将Haar小波响应和积分图像相结合,使得能够快速捕捉特征点的纹理特征,有比SIFT快得多的运算速度,所以采用SURF算法提取特征点。为能够有效检测目标被多次粘贴的情况,采用被称为广义2NN测试的特征点匹配算法,对由SURF获得的特征点进行匹配,找出篡改区域。最后对各种篡改情况进行实验,结果表明,SRUF算法对图像复制-粘贴篡改检测是有效性的。     

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。     

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。     

纤维图像拼接算法的研究

针对全景显示长纤维显微图像的需求,提出一种纤维图像的拼接算法.通过不同方向的细长纤维产生用以拼接的多边形对象.由于块状对象适合于最优化计算,因此,线状特征的块状化转换提高了匹配的稳定性和精度.图像的拼接通过多边形的重叠匹配实现,通过迭代匹配实现多边形的逼近计算.试验证明本文算法能实现细长纤维图像的无缝拼接.     

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。     

SURF算法在局域盲人图像导航中的应用

局域盲人图像导航即在建立基准图像信息特征库的基础上,对实时拍摄图像提取特征并与基准图像特征库进行匹配,得到相应地理信息并语音输出给盲人,从而实现导航的一种方法。本文基于SURF算法对图像特征进行匹配,首先提取SURF特征点,然后采用Hessian矩阵迹快速索引匹配以及匹配点距离差平方和的相似性度量方法进行匹配。实验表明SURF匹配算法优于SIFT匹配算法,并可实现快速、鲁棒、准确匹配,为实现盲人局域图像导航奠定理论基础。     

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RANSAC的柱面图像配准算法

提出了一种基于RANSAC的柱面图像配准算法.首先采用NCC算法对检测出来的Harris角点进行粗匹配,然后采用两次改进的RANSAC算法删除误配,提高正确匹配角点的数量,最后对仿射变换模型参数进行Levenberg-Marquardt非线性优化以进一步降低图像的配准误差.实验结果表明:通过一次改进RANSAC去错配后角点有效匹配率达到约99.2%,通过二次改进RANSAC去错配后角点有效匹配率达到约99.6%,与现有算法相比,在同等条件下获得了更高的匹配有效率.     

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.     

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。