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.     

基于灰度相关图像拼接的改进算法

结合灰度相关与区域特征,文章提出了一种基于灰度相关图像拼接的改进算法.为减少匹配块的计算量,首先在选取的特征块上计算灰度平均值和每个像素与平均值的差值,然后选取一定的阈值来减小图像的搜索范围,最后利用灰度相关法匹配待拼接两幅图像.实验表明,该方法具有原理简单、速度增快和鲁棒性好的特点.     

数字图像相关的多尺度图像子区匹配算法

数字图像相关(DIC)是一种测量固体表面位移和应变的非接触式光学实验方法,其关键步骤是基于图像子区的图像匹配算法,但是图像子区的选择仍然是一个难题,过大或过小的图像子区都会对测量精度不利,为此,本文提出一种基于多尺度图像子区匹配的算法,利用权重函数族调整图像子区内各个像素点对图像子区相关性的贡献,使图像子区的边界完全变得模糊,实现动态调整图像子区大小,更加合适大形变或不连续形变的表面.实验结果表明,本文方法能够得到令人满意的测量效果,模拟实验中测量位移的相对误差仅为1.6%和2.8%;真实实验进一步验证了本文方法在材料表面发生不连续形变时能够有效监测到位移和应变的变化.     

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.     

改进SIFT算法实现图像的快速匹配

为解决图像匹配耗时的问题,提出一种改进的图像匹配方案.在尺度不变特性变换(SIFT)算法的基础上,以特征点邻域灰度值的差熵大小来筛选稳定特征点,减少所需描述及匹配的不稳定特征点的数量,提高算法匹配效率.同时,改进误匹配去除算法,以大幅提高误匹配去除效率.实验结果表明,与SIFT及RANSAC相结合的图像匹配方案,或相关的改进方案相比,本方案可最大程度地保存最终匹配的特征点数量,并提高特征点匹配的实时性、匹配率及正确匹配率.     

基于掌纹图像相关匹配的重复定位技术

基于每次测量时所采集掌纹图像之间同时存在平移和旋转变化,先对图像进行空域旋转校正,然后利用相位相关方法进行相关匹配,并通过二次曲面拟合方法使平移变化的检测精度达到亚像元级,从而达到精确定位.该方法已成功应用于掌纹图像匹配定位中,对于无噪声干扰的掌纹图像,平移检测精度达到0.01像元,旋转检测精度达到0.1°.     

一种基于互相关的图像定位匹配算法研究及应用

提出了一种基于互相关的图像定位匹配算法.该算法利用互相关实现图像定位匹配,同时采用了金字塔分层来弥补互相关匹配带来的大运算量的不足,克服了以往图像匹配中精度低的缺点,匹配精度可以达到亚像素甚至1/100像素级;通过在印刷质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性.     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于图像特征改进的正交匹配追踪算法

将压缩传感理论应用于成像是光场成像理论的热门研究方向,由此可以设计出更简单、便宜、小巧的光学系统.正交匹配追踪算法是压缩传感理论的重要重构算法,它在重建图像时隐含着整幅图像权重相同的思想,没有体现出图像的固有特征,例如行列突变的剧烈程度,以及经过快速傅里叶变换基、离散余弦变换基、离散小波变换基作用得到的小稀疏系数代表图像的细节、大稀疏系数代表图像的轮廓的特点.使用上述3种变换基作用图像时,可以针对正交匹配追踪算法的固有缺点,提出合理选择逐行或者逐列重构图像和使用自适应迭代次数重构图像两种改进方法.仿真结果表明,改进算法明显提高了图像的质量,能够得到更好的图像视觉效果.     

机器人单目导航系统中改进的灰度相关匹配法的研究

给出了移动机器人单目导航系统的功能模块组成,介绍了匹配的基本概念及其在单目视觉导航系统地图创建中的应用.在讨论了几种典型的图像匹配技术的基础上,重点对基于像素灰度相关匹配进行了研究,提出了一种改进的灰度相关匹配法,经实验证明能有效解决原有归一化积相关灰度匹配速率低和序贯相似性检测法阈值难确定的不足.     

基于相关系数的快速图像匹配研究

针对传统图像相关匹配算法计算量较大的问题,研究图像库中相关图像搜索方法.提出一种改进的相关匹配算法,该方法通过对相关系数公式进行简化和迭代运算,减少了重复运算.通过设定参考图像与目标图像的相关系数阈值,只需计算方差相差较小的点的相关系数,提高了运算速度,计算时间减少到原来的14%,甚至更短.在文件夹的图像搜索中实现了图像的快速匹配.     

一种镜像立体匹配改进算法

基于图像视差的三维扫描技术中,计算样本外形需要从存在干扰的图像中寻找匹配对应点,提出一种镜像立体匹配改进算法,处理场景存在镜面的情况下物体和镜像的点点对应问题.新算法通过计算像素点与其邻域的灰度值之差,结合变权构建多维判别向量,通过判断物体空间和像空间中对应点的多维向量夹角的大小,来确定两个像素是否匹配.实验结果表明,相比传统的SAD,NSAD,SSD,NSSD立体匹配方法,新算法能够更好地处理有衰减模糊和色差的图像匹配问题,提高重现物体的几何外形精度.     

一种改进的快速归一化互相关算法

根据模板和全局最优子图的特点及其相互关系给出2个判据,对归一化互相关算法进行了改进.首先计算模板自相关值,再利用快速傅里叶变换方法计算互相关矩阵,利用第1个判据大幅缩小可能解的范围,减少匹配时间,然后利用第2个判据生成一个规模更小的候选最优解集合,最后确定全局最优解.实验结果说明,改进的归一化互相关算法能加快匹配速度,且能有效地提高图像匹配的准确率.     

基于相关系数的快速分形图像压缩方法

分形图像压缩的缺点在于编码时间过长.该文提出了一种基于相关系数的匹配判别式,可大量排除不相关的Domain(区域)块,从而可降低匹配的计算量,提高编码的速度.判别式中阈值由全局的相关系数ρ和各Range(排列)块的标准差σr所确定.本方法在大幅提高编码速度的同时,能保证良好的图像质量,这得到了实验结果的验证.     

基于SIFT算子的图像匹配算法研究

针对目前基于SIFT(scale invariant feature transform)的图像匹配算法在匹配相似区域较多的可见光图像时,匹配约束条件单一,没有有效剔除误匹配点,误匹配率高的问题,提出一种匹配改进算法,针对128维SIFT特征向量,采用距离匹配和余弦相似度匹配相结合的测度方法,利用特征点方向一致性进一步降低误匹配率. 实验结果表明:改进算法对图像的缩放、旋转、光照、噪声和小尺度的视角变换均有较好的匹配效果. 与原算法相比,在保证匹配点数和匹配时间的基础上,改进算法对旋转、缩放、噪声模糊和光照变换的误匹配率平均降低10%~20%,对于小尺度的视角变换,误匹配率平均降低5%.      

基于形状匹配的快速图像配准

为了发挥基于特征的图像配准方法和基于像素的配准方法的优点,提出了一种将特征匹配和最大互信息法相结合的配准方案：先提取参考图像和浮动图像中的目标形状进行匹配,利用匹配结果求出互信息搜索算法的初始值再进行搜索．实验表明,该方法计算量小、速度快且精度高,可避免参数搜索陷于局部极值,有效地提高了配准的速度和精度．     

基于空间相关预测的快速块匹配运动估计算法

为了提高自适应十字搜索(adaptiveroodpatternsearch,ARPS)算法中运动估计的速度和准确性,提出一种基于空间相关预测的快速块匹配运动估计算法.根据块匹配度量准则,将邻域块中与当前块相似度最高和次高的两个运动向量(motionvector,MV)的均值作为当前块的预测MV,改进了传统ARPS算法的固定单块预测模式,增强了起始搜索中心位置的预测,减小了由于运动变化而引起的预测误差.实验结果表明所提算法与ARPS和其他标准快速块匹配运动估计方法相比,有效地减少了计算复杂度,提高了配准精度.     

改进的SIFT特征匹配算法

针对SIFT特征匹配算法在特征空间中进行历遍搜索,匹配速度慢的问题,提出一种金字塔层间匹配算法。首先,根据特征点所处金字塔层不同将特征点划分为不同的集合,其次,选择待配准图像金字塔中某一层集合,在基准图像金字塔中寻找相似层,并确定待配准图像金字塔与基准图像金字塔层之间的相似关系,最后,在相似层之间寻找匹配点。待配准图像中的选择层集合由金字塔底层到顶层,寻找相似层所用时间依次缩短。与原算法相比,该算法具有相同的旋转稳定性。将该算法与原算法分别应用实际图像配准中,结果表明:可见光图像配准中,匹配速度提高了3.2倍,正确匹配率提高了10.3％,红外图像配准中,匹配速度提高1.4倍,正确匹配率达到100％。     

A New Algorithm of Sub-pixels Image Matching

This paper discusses a new algorithm of sub-pixels image matching and analyzes the characteristics of resampling and surface fitting methods. In order to meet the matching demands and to alleviate the computation workload, the following improvement algorithms are used. First, resample the model n-times,putt out (2n - 1) sub-models, and calculate the NCs between each sub-model and image. Then choose the maximum between the sub-model and the displacement corresponding to this sub-model which requires the sub-pixel displacement. Finally, put forward a new algorithm that combines the resampling with surface fitting methods. Experimental results show the validity of the algorithm.