基于预测区域匹配的无人机航拍图像快速拼接

利用无人机侦查拍摄的图像,拼接成整个战场的全景图,方便指挥人员了解战场动态,做出战略决策. 根据无人机航拍图片序列的特点,提出了一种快速精确的拼接方法,即在无人机航拍图片拼接过程中,使用一种创新的匹配对齐策略,根据图片间的重叠率构造估计范围矩形,仅对矩形区域内的特征点进行匹配计算,然后使用图像融合等方法优化拼接效果. 此算法提高了鲁棒性,可在短时间内获得较好的拼接效果. 分别对谷歌地球卫星图片和无人机航拍真实数据进行实验,验证了算法的有效性.      

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.     

基于快速鲁棒互相关算法的图像拼接系统

本文介绍了一种全新、快速、顽健(鲁棒)、遍历的图像拼接算法——快速鲁棒互相关算法.该方法利用图像间的互相关性进行鲁棒配准.它利用快速傅里叶变换在频域范围内分析处理速度、时间耗费量等指标,因此具有运算迅捷的特点.特别是在匹配大尺寸图片时,快速鲁棒互相关算法的运算速度与传统互相关算法相比具有明显的优势,是直接鲁棒匹配算法运算速度的几千倍.     

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%。     

面向DSP的无人机航拍图像清晰化系统的设计与实现

影响无人机航拍成像清晰化的原因有两点:一是无人机在飞行拍摄过程中因存在多种运动模式,导致航拍成像存在运动模糊问题;二是航拍观测由于成像光路长,即使在无雾天气下空气粒子对光线的衰减也较大.此外,现有图像清晰化处理的各类主流算法大都基于PC机设计实现,未考虑底层硬件资源配置问题,难以应用到资源有限的嵌入式设备当中.该文针对...     

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。     

一种基于轮廓特征的图像拼接算法设计与实现

提出了一种新的基于轮廓特征的图像拼接算法。在特征提取阶段 ,对卷积图进行增强 ,并用区域增长方法进行辅助校正 ,能改善轮廓提取效果 ;在特征表示方面 ,用形状签名代替链码来描述轮廓 ,从而提高了计算速度 ,降低了由噪声干扰和镜头形变造成的影响。实验结果表明 ,该算法在速度上优于基于链码的配准算法 ,准确率高 ,并且可以适用于未经过几何形变校正的图像的配准与拼接。     

基于MATLAB的傅里叶梅林变换算法图像拼接的实现

快速傅立叶变换(FFT)改进了离散傅立叶变换(DFT)的计算过程,被广泛应用于数字图像的实时处理中.在相位相关技术的基础上,提出了一种新的图像配准算法,即在需要配准的两幅图像中心选取相同区域大小,进行傅里叶梅林变换,变换后是一个二维脉冲信号,由此而得到图像配准参数.实验结果表明了该算法的有效性和可靠性.     

一种基于轮廓特征的图像拼接算法设计与实现

提出了一种新的基于轮廓特征的图像拼接算法。在特征提取阶段，对卷积图进行增强，并用区域增长方法进行辅助校正，能改善轮廓提取效果；在特征表示方面，用形状签名代替链码来描述轮廓，从而提高了计算速度，降低了由噪声干扰和镜头形变造成的影响。实验结果表明，该算法在速度上优于基于链码的配推算法，推确串高，并且可以适用于未经过几何形变校正的图像的配推与拼接。     

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。     

一种用于航拍图像的目标检测算法

提出了一种用于航拍图像的目标检测算法DSB-YOLO(depthwise separable convolutional backbone and YOLO)。在YOLOv5s的基础上,首先从主干网提取特征图感受野的角度出发,通过改变卷积核的间隔采样,降低特征图的感受野以便更好地提取小目标的信息;其次,改进了网络Neck部分的特征金字塔模型(feature pyramid network, FPN)和路径聚合网络(path aggregation network, PAN)的特征融合路径,从而使网络浅层采样的特征图中大量位置信息能够与网络深层提取的特征图较好地结合在一起,有效地提高了小目标的准确检出率;接着将C3Transformer模块加入到主干网络中,用来整合全图信息;然后,对网络进行了轻量化处理,把网络主干的部分卷积改为深度可分离卷积并集成了SE注意力机制,其目的是聚焦并选择对目标检测任务有用的信息,从而提升了模型的检测效率。利用VisDrone数据集进行的对比实验结果表明,在输入图像分辨率为1 280×1 280像素时,本文提出的DSB-YOLO算法测试平均精度指标mAP50、...     

基于傅里叶变换的植物根系图像拼接方法

提出一种基于傅里叶变换的植物根系图像拼接方法.采用快速傅里叶变换方法提高图像处理质量,缩短图像处理时间,实现图像实时处理,便于图像处理和数据统计.算例应用该方法将微根管采集到的植物根系图像拼接成一个完整的根系图像.结果表明该方法可以为生长在固坡中植物的作用机理研究提供全面的根系生长信息,进一步为植物根系的研究提供可靠的数据源.     

无人机可见光图像拼接算法的研究

无人机图像具有旋转,缩放,平移,遮挡,噪声等特点,使用SIFT(尺度不变特征变换)算法对其进行图像拼接,针对SIFT算法极值点搜索过程耗时多的问题,提出一种单维搜索极值点的改进策略;针对无人机图像拼接过程中因误差累积而导致全景图像扭曲的问题,采用改进的捆绑调整策略调整单应性矩阵,削弱误差累积的影响,保证图像较为平整的拼接.     

一种有效的全景图像自动拼接算法

图像拼接是基于图像绘制技术中的一种常用方法。该文用特征提取算子得到2幅图像的特征点,根据特征点邻域灰度的归一化相关性得到初始的匹配点集,利用特征点与其周边特征点之间的关系来获得更加精确匹配;利用随机采样一致性方法对匹配点集进行优化,以具有最多内点数的模型作为投影矩阵的系数。     

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。     

一种图像拼接的点特征匹配算法

为了解决旋转图像间的点特征匹配问题,提出了一种以空间位置分布关系为搜索依据的新的匹配算法.首先将已检测到的特征点生成三角形,随后利用相似三角形配对获取图像间的仿射变换关系,并根据这种空间位置分布关系进行进一步的对应点搜索,最后利用MLESAC算法进行对应点筛选,得到内点以及外点.用活动摄像机采集图像进行实验,首先验证了对于旋转图像点特征搜索的有效性,接下来又验证了图像间是平移关系但存在重影的点特征搜索,结果表明该方法能有效地对旋转和平移图像进行点特征匹配.     

基于分块Harris特征的航拍视频拼接方法

针对现有航拍视频拼接算法处理速度慢、准确性不高等问题, 提出一种基于分块Harris特征的航拍视频拼接方法, 改进了传统基于SIFT特征提取算法的不足, 缩短了匹配时间, 提高了匹配准确性。首先采用分块Harris角点提取的方法均匀提取图像中的角点, 然后采用金字塔光流算法进行角点匹配, 最后通过改进的RANSAC方法求出仿射变换参数。实验表明, 该方法能够实时对航拍视频进行拼接, 具有更高的准确性。     

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。     

一种基于快速傅里叶变换的分区域图像配准方法

为提高图像配准的速度,提出了一种基于快速傅里叶变换的分区域图像配准方法.在图像中选取一块小区域代替整体区域,根据对数-极坐标变换、傅里叶变换的特性确定图像间的比例和旋转变化,利用傅里叶的相位相关技术确定图像间的平移关系,从而求出图像的配准参数,最后利用这个配准参数对待配准图像进行全局配准.此方法改进了利用全图求取配准参数的过程,利用小区域变换得到配准参数,减少了运算量,提高了运算速度.     

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。