Registration and integration algorithm in structured light three-dimensional scanning based on scale-invariant feature matching of multi-source images

Based on the homography between a multi-source image and three-dimensional (3D) measurement points, this letter proposes a novel 3D registration and integration method based on scale-invariant feature matching. The matching relationships of two-dimensional (2D) texture gray images and two-and-a-half- dimensional (2.5D) range images are constructed using the scale-invariant feature transform algorithms. Then, at least three non-collinear 3D measurement points corresponding to image feature points are used to achieve a registration relationship accurately. According to the index of overlapping images and the local 3D border search method, multi-view registration data are rapidly and accurately integrated. Experimental results on real models demonstrate that the algorithm is robust and effective.     

AKAZE结合自适应局部仿射匹配的视差图像特征匹配算法

针对常用的图像特征匹配算法对具有视差的图像在图像特征匹配阶段会产生大量误匹配点的问题,提出了一种AKAZE（accelerated-KAZE）算法结合自适应局部仿射匹配的特征匹配算法。首先,采用AKAZE算法提取特征点;接着,采用二进制描述符M-LDB(modified-local difference binary)进行描述并进行暴力匹配产生粗匹配点对;最后,基于图像的仿射变换可以提供较强的几何约束这一特性,采用自适应局部仿射匹配完成精匹配。实验结果表明,该算法针对具有旋转变化、尺度变化、视角变化的图像匹配,具有提取特征点均匀、匹配准确等效果,提取的正确特征点数量分别平均相对于SIFT算法提升了1.66倍、SURF算法提升了1.08倍、ORB算法提升了6.92倍、GMS算法提升了1.23倍,能够满足具有较大视差图像匹配的需求。     

基于特征点及优化理论的图像自动拼接方法

提出了一种新的图像拼接方法,首先利用相位一致性(phase congruency)算法进行特征点检测,利用本文提出的匹配点优选策略进行特征点对自动选取,然后用LM(Levenberg-Marquardt)算法进一步优化变换矩阵,最后对拼接结果进行融合处理,获得无缝拼接的图像.该方法把基于特征点和基于优化理论的拼接方法有效相结合,且能充分利用图像重叠部分的信息,在一定程度上克服了噪声及光照不均的影响,较传统方法具有更强的鲁棒性和更高的拼接精确度.试验结果证明了该方法的有效性.     

基于极线局部校正的特征匹配方法

针对利用多视图像进行目标三维测量、结构重建时在极线约束下对直接区域灰度相关进行同名特征匹配常常失效的问题,提出了一种基于极线局部校正的特征匹配算法。介绍了极线约束匹配的原理,分析了相关方法在极线约束匹配中的缺陷以及在多种像机位姿配置下的图像特征间的约束关系,在此基础上提出了一种极线局部区域校正的方法,对待匹配区域进行校正使自动相关匹配能有效执行,结合最小二乘匹配得到了高精度的匹配结果。实验结果证明了新算法的有效性,大大提高了自动匹配的可靠性、速度和精度。     

基于线性不变矩的特征图象配准算法研究

针对图象差异较大的光学图象与合成孔径雷达图象(SAR)的特点,设计了一种基于特征的图象配准的算法,包括特征提取、匹配、控制点选取、变换系数计算和误差计算等步骤.在特征提取中,对于雷达图象需要进行预处理并采用LOG提取图象轮廓.在匹配算法中,以线性不变矩作为特征量,对现有基于图象轮廓特征的匹配算法进行了改进.采用上海浦东地区的Radarsat-1S2模式图象与LandsatTM-5波段图象作为待配准图象.实验结果表明,该方法可以较好地完成光学图象与SAR图象的配准,有着较高的应用价值.     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

双目视觉用于鱼苗尺寸测量

为了有效地提高鱼苗尺寸测量的效率及精度,搭建了平行式双目立体视觉系统。根据双目视觉原理,首先基于改进后的由多组同心圆构成的标定板对双目视觉测量系统进行定标;然后利用Harris角点提取算法获取鱼苗图像的关键特征点,并基于归一化互相关(Normalized Cross Correlation,NCC)立体匹配算法对关键特征点进行匹配,提取坐标数据;最后根据坐标数据进行计算,得到鱼苗的空间坐标,实现对鱼苗尺寸的精确测量。结果表明,由所搭建的平行式双目立体视觉系统测量的相对误差在8%以内,为双目视觉应用于鱼类养殖业的可行性提供了依据。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

基于特征点的对数极坐标变换图像配准算法

介绍了一种新的图像配准算法,可以很好地解决图像配准中的平移、旋转和缩放问题。算法的实现是首先使用SUSAN算子提取两幅图像的特征角点,剔除虚假的特征点(噪声点),然后使用改进对数极坐标变换和投影相关匹配算法实现特征点匹配;结合亚像素定位技术,可以进一步提高算法的精度。     

高分辨率遥感图像SIFT和SURF算法匹配性能研究

遥感图像匹配是图像校正、拼接的基础。由于遥感图像特征相似度大,重叠区域小,遥感图像对匹配算法的要求更高。本文首先从特征检测、特征描述和特征匹配三个方面,比较了SIFT算法和SURF算法在计算速度和准确度方面性能,然后研究了算法对遥感图像重叠度、度量距离的要求,并针对SURF算法对特征方向误差敏感的特点,提出一种oSURF算法;最后利用卫星1A级条带遥感图像分析各个算法优劣性。测试结果表明,相比于SIFT算法,SURF算法计算速度为SIFT的3倍,需要的图像重叠宽度仅为1.25倍描述向量尺寸,而在保证同样匹配率的情况下,SIFT算法则需要图像重叠宽度为1.5倍描述向量尺寸。本文提出的oSURF算法在保证计算速度的同时,准确度相对于SURF算法提升5%~10%,因此,oSURF算法更适合1A级条带遥感图像的拼接。     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

集成SIFT算法与检测模型优化的UAV影像匹配方法

低空无人机（UAV）测量凭借着低成本、高效率、高精度的数据采集模式,可快速获取高空间分辨率的影像数据,已经成为遥感领域的一种重要技术手段。其中,影像匹配技术是UAV影像数据处理的重要步骤,图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂,植被覆被率高及地物分布不规则等问题存在,致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制,大场景影像需要借助多幅影像匹配拼接得到。目前,基于特征点的影像匹配是一种图像配准技术,不仅适用于低重叠度影像之间的匹配,还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术,提出一种面向高原山地复杂地形的集成尺度不变特征变换（SIFT）算法与最近邻次近邻距离比（NNDR）、随机抽样一致算法（RANSAC）模型约束改进的UAV影像匹配方法。主要技术流程为：首先,基于SIFT算法,进行尺度空间的极值检测,构建高斯金字塔函数,通过高斯差分运算来实现特征点定位,并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析,据此生成适合UAV影像特征的描述符;其次,集成“马式距离”和NNDR模型的综合运用,进行特征点对的第一次约束优化提取及相似度检测,在此基础上,利用RANSAC算法,引入匹配点对的均方根误差值（RMSE）进行第二次约束,以实现匹配错误点对的剔除,保证了影像匹配精确优化。此外,为了证实所提出优化算法的有效性,选择了1组高原山地典型地貌UAV影像数据进行匹配试验,结果表明：面向高原山地复杂地形进行无人机影像匹配中,所提出的改进算法不仅可以提取大量的特征点对,同时还可以提高同名特征点的检测正确率,并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。     

基于局部哈希学习的大面阵CCD航拍图像匹配方法

为实现大面阵CCD航拍图像准确快速匹配,提出一种局部多特征哈希学习LMFH(local multi-feature hashing)方法。依据航向重叠率构建预测区域,在预测区域内检测特征点并进行多特征描述,以现有上万幅航拍图像为训练样本,通过哈希函数将高维的特征描述向量映射为紧凑的二进制哈希编码,在汉明空间通过汉明距离实现特征点的快速匹配。实验结果表明,相对于SURF算子,LMFH算法在准确度上提高了10%,匹配时间上减少了0.2 s。LMFH算法可更快更准确地实现CCD航拍图像的匹配。     

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。     

基于改进SIFT特征点匹配的图像拼接算法

基于传统SIFT方法和图像像素加权平滑融合的思想,提出了一种改进SIFT特征点的图像拼接方法。该方法首先利用Canny边缘检测算法获得图像的边缘点坐标,通过和SIFT算法关键点坐标进行对比,去除不稳定响应点;其次通过K-L变换降低算法复杂度,对得到的匹配点对,使用RANSAC算法进行提纯,计算投影变换模型参数;最后使用渐入渐出的加权融合算法平滑图像,消除图像之间的拼接缝隙。该算法的可行性和有效性通过实验结果可以得到证明。     

结合Levenberg-Marquardt算法的垂直视差消减方法

垂直视差的存在是影响立体视频观视舒适度的主要因素。为了在不影响水平视差的条件下实现对垂直视差的消减,本文引入Levenberg-Marquardt(L-M)非线性算法实现变换矩阵的精确求解。首先用抗缩放、旋转及仿射变换的SIFT(Scale-invariant feature transform)特征匹配算法检测出双目图像对的特征匹配点,然后根据匹配点的坐标位置运用L-M算法计算可消减垂直视差的变换矩阵,将变换矩阵作用于目标图像,计算出该视图每个像素点的新坐标位置。实验结果表明:与利用线性算法求解二维射影变换矩阵的垂直视差消减方法相比,本文提出的求解方法在垂直视差消减上比该算法提高了约0.029 1~0.323 2个像素,对水平视差的影响比该算法降低了约0.118 7~1.139 1个像素。因此本文提出的方法对垂直视差的消减起到了优化作用。     

基于非采样Contourlet变换高分辨率遥感图像配准

为了提高高分辨率遥感图像配准的精确度,将非采样Contourlet变换应用于高分辨率遥感图像配准算法中.首先对高分辨率遥感图像进行非采样Contourlet变换.利用非采样Contourlet变换的平移不变性在变换域提取图像的边缘并选择合适的阈值准确地得到图像的边缘特征点.然后利用归一化互相关匹配法和概率支撑法对特征点进行匹配.最后通过三角形局部变换映射甬数实现图像配准.实验结果表明,该方法更能准确地提取高分辨率遥感图像的特征点,大大提高了正确匹配的概率,与基于小波方法的图像配准效果相比有更高的准确性和稳健性.