基于单应性矩阵剔除SIFT错误匹配点的方法

根据图像几何变换的单应性矩阵将匹配点一一对应的特点,提出一种基于单应性矩阵的剔除方法.该方法首先利用SIFT进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对.通过与RANSAC算法以及结合欧式距离的RANSAC改进算法进行实验比较,该算法具有更高的正确匹配率.     

基于单应性矩阵剔除SURF错误匹配点的研究

根据图像特征点匹配一一对应的特点,提出一种利用单应性矩阵剔除错误错误匹配点的方法。该方法首先利用SURF进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对。通过实验证明,该算法具有很高的正确匹配率。该文提出了一种剔除错误SURF匹配点的方法,首先根据三角形的相似性选取正确基准点,由基准点估计基准单应性矩阵,根据单应矩阵投影后的对应点之间的欧氏距离是否满足阈值来剔除错误匹配点。     

基于全局单应性变换的虚实注册方法

提出了一种基于全局单应性变换的三维注册方法,有效地解决了基于标识的三维注册系统中的误差积累问题.设计了一种新的对仿射变换鲁棒的特征点检测方法--边角点法,确保每个特征点位于多条直线的交点上,最大限度消除特征检测结果的随机性及其对特征匹配所造成的负面影响.采用基于全局单应性矩阵的虚实配准方法,利用前一帧所对应的全局单应性矩阵对初始图像作射影变换,并将变换后的图像与当前图像做特征匹配,直接建立当前帧与初始帧之间的单应性关系,从而解决了传统方法所存在的误差积累问题.实验结果表明本算法有效可行.     

基于动态窗口运动统计信息的特征匹配筛选算法

在图像局部特征匹配的过程中,考虑特征的运动统计信息可以有效地筛除错误匹配,但是目前基于网格的运动统计方法不具备良好的尺度不变性与旋转不变性。针对该问题,文中提出了一种基于动态窗口运动统计的特征匹配筛选算法。该算法首先基于图像特征点位置建立快速近似最近邻索引结构,然后利用该索引结构为匹配建立动态窗口邻域,最后在此邻域上进行运动统计,并依据运动统计得分进行正确匹配的筛选。在多个数据集上进行了文中算法与其他算法综合性能的对比,实验结果显示:在尺度与旋转角度变化较大的情况下测量准确率与召回率时,文中算法相比于基于网格的算法优势明显;在更一般场景下,文中算法的综合匹配效果也要明显优于其他几种经典的匹配筛选算法;与此同时,文中算法具有良好的时间性能,可以应用于实时任务。     

基于局部特征射影变换的组织切片图像非刚性配准

针对组织切片图像配准问题,研究一种以局部特征射影变换配准方法为基础的全局非刚性配准方法以获得更好的匹配效果。首先,采用空域增强与频域增强结合的方法对图像进行预处理,应用匹配滤波突出组织四周的轮廓特征;其次,提取处理后的图像的尺度不变特征转换(scale-invariant feature transform, SIFT)特征并进行初步的匹配,根据匹配的特征点的坐标通过随机抽样一致(random sample consensus, RANSAC)方法计算两幅图像之间的射影变换矩阵参数并进一步剔除离群点,该矩阵可用于全局配准;最后,同样根据RANSAC方法提取出的特征点采用K近邻方法对图像进行区域划分,针对不同局部区域单独求解射影变换矩阵,并与全局配准矩阵进行比较筛选得到组织切片全局非刚性配准模型。实验结果表明对于不同的组织切片图像,局部射影变换配准的方法基本都可以提高配准的准确率,但对于局部变形较小的图像对,局部射影配准对配准精度的提高有限。     

基于网格运动统计的自适应图像特征匹配算法

针对网格运动统计(GMS)算法性能依赖特征点数量且当特征点检测较少时存在误匹配集中的问题,结合一致性约束思想,提出了一种基于网格运动统计的自适应特征匹配算法.首先对待检测图像引入网格划分,依次对每个网格区域设置自适应阈值并进行特征点检测;然后使用旋转特性的二进制描述(rBRIEF)算法对特征点描述并基于汉明距离完成特征点匹配;最后采用GMS算法做初次误匹配点剔除,利用随机抽样一致算法筛选出精确匹配点.实验结果表明:该算法能有效剔除误匹配点,提升匹配质量且实时性高,对于低纹理结构的图像匹配也具有很好的鲁棒性.     

结合Retinex增强的井下图像拼接方法

为在矿井环境下尽量多的提取图像特征点数量,从而监控矿井下生产情况.采用局部双边滤波算法对图像进行增强,再利用近似的Hessian矩阵和框状滤波确定特征点的位置;计算特征点的描述子向量,采用最近距离比次近距离的匹配算法将特征点配对,使用RANSAC算法消除误匹配错误;利用特征点计算出变换矩阵,采用线性渐变融合方法进行图像融合.研究结果表明:图像增强后特征点数量明显增多,SURF算法的拼接效率显著上升,有利于提高匹配的准确性和拼接的快速性.     

一种基于SURF和扩展哈希的空间约束图像匹配算法

图像匹配是计算机视觉中一个重要的研究方向,是图像拼接、图像检索等相关应用的基础工作。如何实现快速、高效的图像匹配技术是本文的主要研究内容。提出一种基于SURF和扩展哈希的空间约束图像匹配算法,为了提高特征检测的速度,首先提取SURF特征描述图像局部特征,然后在局部敏感性哈希算法基础上,提出一种改进的高维数据搜索算法,该改进算法变换局部敏感性哈希的投影空间,使变换后的每一维特征数据都比原算法具有更好的局部敏感性。最后采用空间约束RANSAC算法剔除误匹配点,进一步增加算法的鲁棒性。实验结果表明,本文提出的算法与传统算法如BBF、LSH以及iDistance等算法相比具有更优的搜索效率,在一定程度上提高了图像匹配的性能。     

一种改进的SIFT图像检测与特征匹配算法

提出了一种改进的SIFT图像特征检测与匹配算法.以包含像素信息的深度图为基础,通过相应的映射关系,将深度图变成二维图像,再依据深度图每个网格顶点处的局部微分性质确定二维图像上的灰度值,得到二维灰度特征图像;利用SIFT算法对特征图像进行特征点的检测;然后将K近邻算法和双向特征匹配算法相结合,使得匹配得到的结果更加准确,误匹配对更少,并把匹配结果还原到深度图上;最后采用随机抽样一致性RANSAC算法对误匹配点对进行剔除,实现2幅图像的配准.实验结果验证了这种改进算法的鲁棒性和有效性.     

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。     

一种基于PCB板图像配准优化算法

为了提高PCB缺陷检测中的图像配准精度,文章提出一种结合梯度下降算法与随机抽样一致性(random sample consensus, RANSAC)算法的改进图像配准优化方法。对得到的灰度图像使用中值滤波去除噪声,通过拉普拉斯算子提取图像边缘来突出图像细节;使用尺度不变特征变换(scale invariant feature transform, SIFT)检测算法获取图像特征点并进行特征点匹配,通过匹配的特征点对之间的距离阈值来粗选出较强匹配点,使用改进的算法精选出强匹配点,同时算出基础图像变换矩阵;最后使用梯度下降法对基础图像变换矩阵进行拟合优化。实验结果表明,该算法在PCB板图像匹配过程中可以有效减少误匹配,并能得到准确的图像变换矩阵,且图像配准速度较快,能够满足实际工业现场检测要求。     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配,导致最终匹配精度较低、匹配时间较长等问题,提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法.首先,利用深度强化学习网络结构中的策略网络和价值网络,共同指导浮动图像按正确方向移至参考图像;其次,在粗匹配过程中通过设计奖赏函数,实现颜色特征粗匹配;最后,在粗匹配基础上,利用改进尺度不变特征变换算法提取待匹配的图像局部特征,按相似度进行移动机器人视觉图像分级匹配.实验结果表明,该算法可有效实现图像的粗匹配与精匹配,在不同视角与尺度情况下特征检测的稳定性均较高,匹配精度高、时间短,匹配后的图像质量较好,提高了移动机器人的实际应用效果.     

SIFT特征匹配的显微全景图拼接

针对细胞图像序列模糊、传统的特征提取方法鲁棒性不强、伪匹配点对较多、图像匹配耗时过长、融合效果不佳等问题,提出了一种强鲁棒性、快速和精确的图像拼接算法.该算法首先用基于尺度不变(SIFT)算法提取细胞图像特征点,接着采用改进的BBF(Best-Bin-First)算法对特征集进行初始的双向匹配,然后采用随机抽样一致性(RANSAC)算法对匹配点对进行进一步提纯并估算出单应性矩阵,最后根据细胞图像序列之间的单应性矩阵关系将其投影到统一标准的平面坐标系下,用具有塔型结构的多分辨率融合算法对图像进行无缝融合完成全景图拼接.实验结果证明:该算法提取到的特征点分布均匀且数量适中,误配情况明显减少,能够有效地实现显微全景图的无缝拼接.     

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。     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

一种稳健的低照度岩心样本图像拼接算法的实现

以往的基于SIFT BBF RANSAC算法对岩心图像进行拼接的过程在白光岩心扫描工程应用中取得较好的效果, 但当面对低照度、特征不明显的岩心荧光图像、以及受消光性和干涉色影响的岩石薄片正交偏光图像时, 传统的BBF算法无法很好地粗剔除误匹配特征点对, RANSAC算法就无法实现图像的正确拼接.本文提出了一种改进算法, 首先根据实际应用中待匹配岩心荧光、岩石薄片正交偏光图像的特点对图像进行模糊增强, 然后对图像利用SIFT算法提取特征点, 最后基于改进的BBF RANSAC剔除误匹配算法, 实现了低照度、重合量很小的岩心荧光图像以及岩石薄片正交偏光图像拼接. 〖HTH〗关键词: 〖HTK〗岩心样本图像拼接; 图像增强; 剔除误匹配     

基于灰度编码位平面匹配的视频图像稳定技术

介绍了灰度编码的位平面匹配算法的原理，该算法对图像序列灰度值信息编码形成位平面，对局部区域的运动参数进行位平面匹配估计，再根据局部运动参数和统计规律估计全局运动参数，并给出了应用该原理进行视频图像稳定处理的应用例子。     

基于计算机视觉的无人机位姿估计

本文给出了无人机着陆过程中利用帧间图像提取的特征点进行无人机运动估计的算法。采用Shi-Tomasi-Kanade特征提取算法进行特征点的提取与匹配,然后建立视觉信息与无人机位姿的关系,通过对帧间图像单应性矩阵的求解,对无人机进行相对位置和姿态的估计。仿真结果表明,该算法能够有效地提高匹配速度,降低误匹配率,较好的估计无人机的相对位置和姿态信息。