图像局部特征自适应的快速SIFT图像拼接方法

针对目前图像拼接中计算量较大、实时性较差的问题,本文提出了一种图像局部特征自适应的快速尺度不变特征变换(SIFT)拼接方法。首先,对待拼接图像分块,确定图像局部块的特征类型;接着自适应采用不同的简化方法提取各局部块的特征点。然后,通过特征匹配求出变换矩阵,并结合RANSAC算法去除伪匹配对。最后,通过图像融合得到最终的拼接图像。文中使用提出的方法对3组待拼接图像进行实验。从实验结果可以看出:与标准拼接方法相比,本文改进方法的计算速度提升了30%~45%。因此,这种方法能够在保证图像拼接质量的前提下,有效提高图像拼接的效率,克服图像拼接中计算复杂度高的问题,在实际图像拼接中具有一定的应用价值。     

基于SIFT匹配算法的多视点自由立体显示视差图像的生成

提出了一种利用同一场景的两幅视差图像生成用于多视点自由立体显示的多幅视差图像的方法。首先运用SIFT匹配算法从两幅视差图像中寻找匹配点,并运用生长运算得到图像的稠密匹配;然后根据匹配点坐标对视差进行了近似计算并得到左视差图像的深度图像;最后提出一种基于投影原理的多幅视差图像生成方法,由左视差图像和其深度图像生成了应用于多视点自由立体显示的多幅视差图像,其立体显示效果良好。     

局部图像特征提取算法的性能比较

特征检测算法是图像匹配及物体识别的基础,本文介绍了四种局部特征检测技术：Kaze、Sift、Surf、Orb以及通过一些评价指标比较了它们匹配性能。主要从匹配率,正确匹配率,检测特征关键点速度三个方面进行了比较,实验结果表明：Kaze具有较好的鲁棒性,对光照、模糊的不变性最好,Sift也有较好的鲁棒性,对旋转、尺度有很好的不变性。Sift和Kaze各有侧重点,Surf综合性能一般,但是比前两种速度快,Orb对尺度没有不变性,速度最快。     

一种基于局域边缘特征的自适应立体匹配新算法研究

立体匹配,其目的是在对两幅存在一定视差的图像进行匹配后,获得两幅图像精确的视差图,是计算机视觉领域的重点和难点问题。为了快速、高效地获得高精度的稠密视差图,在充分研究了基于边缘特征的立体匹配和基于局部窗口的立体匹配两类算法的基础上,提出了一种基于局域边缘特征的自适应立体匹配算法。首先该算法自适应地选择局部匹配窗口大小,并计算其中相应位置的权值,实现初次匹配,然后再以基于边缘特征匹配获得的高精度稀疏视差图作为约束,修正部分误匹配点,最终获得准确、稠密的视差图。实验表明,该算法具良好的实验结果和较大的实用价值。     

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。     

极值温差红外图像的自适应双局部增强算法

针对目前红外焦平面成像系统在观察目标、特别是极值温差目标时,各温度段灰度描述不均匀和细节不够的问题,提出了一种自适应红外图像双局部增强算法。详细介绍了通过空间分布和灰度统计特性两个方向实现对极值温差图像自适应增强的方法,该方法首先从红外图像的空间分布特性出发,将图像切割成多个局部图像,然后再从直方图灰度分布出发,将局部图像的直方图进行聚类分段,并对分段直方图均衡增强,最后对生成的每个局部图像增强结果进行线性插值拼接完成增强算法。通过在红外焦平面系统中实验证明了极值温差自适应的红外图像双局部增强算法的可行性,并获得了很好的效果,成像质量有明显提高。     

极值温差红外图像的自适应双局部增强算法

针对目前红外焦平面成像系统在观察目标、特别是极值温差目标时,各温度段灰度描述不均匀和细节不够的问题,提出了一种自适应红外图像双局部增强算法。详细介绍了通过空间分布和灰度统计特性两个方向实现对极值温差图像自适应增强的方法,该方法首先从红外图像的空间分布特性出发,将图像切割成多个局部图像,然后再从直方图灰度分布出发,将局部图像的直方图进行聚类分段,并对分段直方图均衡增强,最后对生成的每个局部图像增强结果进行线性插值拼接完成增强算法。通过在红外焦平面系统中实验证明了极值温差自适应的红外图像双局部增强算法的可行性,并获得了很好的效果,成像质量有明显提高。     

三目自适应权值立体匹配和视差校准算法

立体匹配是计算机视觉研究中的关键问题.相比于双目视觉,三目视觉能够获得更多的信息和额外的极线约束消除立体匹配的歧义性.为了提高三目立体匹配的精度,提出一种基于自适应权值和视差校准的三日立体匹配方法.将双目视觉中有效的自适应权值窗选择算法应用到三目视觉中,进行匹配窗的选择;提出一种新的目标图像选择算法,能够合理利用平行基线三目立体视觉系统中不同目标图像提供的信息,有效地消除遮挡,提高匹配的精度;提出一种适用于三目视觉的视差校准算法,利用三目图像像素间的色彩相似性和距离约束将初始匹配的视差结果进行校准,得到最终的视差图.实验结果表明,本文算法结构简单,能够生成浓密、高精度的视差图.     

一种多分辨率高维图像特征匹配算法

通过对图像进行特征提取和变换,图像的相似性匹配可以转换为高维向量空间内的点匹配. 为了解决高维数据的维数灾难问题,提出一种基于多分辨率数据结构的向量近似方法. 从低分辨率开始计算距离下限,如果距离下限大于目前结果集中的最大距离,则不需要在高分辨率上计算其距离而将其排除掉,从而降低了向量近似方法的运算复杂度. 提出应用此方法的近邻搜索算法并运用到图像数据库的特征匹配中,实验证明：新方法搜索效率优于传统的向量近似方法.     

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。     

一种基于仿射不变区域约束的立体匹配算法

针对现有立体匹配算法匹配速度的不足,提出一种基于区域约束的快速立体匹配算法。选取4对稳定的特征点作为初始匹配点对,在左右图像中分别构建四边形,然后将四边形划分成4个三角形,以每个三角形对为待匹配区域,利用仿射不变性进行区域内特征点匹配。获得特征点匹配对后,再以每个特征点为中心进行开窗,利用传统的基于灰度信息的方法进行精度验证。实验表明,该算法在保证一定精度的情况下能获得较高的匹配速度,可满足实时性要求。     

基于特征匹配的快速鲁棒数字稳像

针对手持移动摄像装置拍摄视频序列相邻帧间存在平移、小角度旋转运动,而且易受噪声、光照变化的影响等问题,提出一种基于优化Oriented FAST and rotated BRIEF(ORB)特征匹配的实时鲁棒电子稳像算法。对相邻帧预处理后用Oriented FAST算子检测特征点,再用Rotated BRIEF描述提取的特征点并采用近邻汉明距离匹配特征点对,然后采用级联滤波去除误匹配点对,最后使用迭代最小二乘法(ILSM)拟合模型参量进行运动补偿实现稳像。图像匹配测试和稳像实验结果表明:基于改进的ORB算法的电子稳像方法补偿每一帧的时间均小于0.1 s,定位精度可达亚像素级,能有效补偿帧间平移旋转运动,而且对噪声和光照变化有较强鲁棒性。经稳像处理后,实拍视频质量明显提高,峰值信噪比（PSNR）平均提高了10 db。     

基于特征点匹配的电子稳像技术

为获得高质量视频输出序列,电子稳像技术常被用来去除成像设备所摄取的图像序列中的随机抖动。本文首先介绍了电子稳像的国内外发展现状。然后,从电子稳像技术中的运动估计模块出发,描述了国内外近年来出现的直接求取运动估计算法以及各种基于特征点匹配的运动估计方法,并对运动校正和运动补偿模块的算法进行了评述。最后综合分析了稳像算法的难点以及未来发展趋势,提出基于特征匹配的电子稳像技术的发展方向。     

基于IECM特征匹配的红外弱点目标快速检测算法

提出了一种新的复杂背景下低信噪比红外弱点目标检测算法。根据红外弱点目标在图像中的三维空间特征,从空间认知的角度出发,将三维的灰度分布特征转化为二维的等高线曲线特征,建立红外图像的等高线图(IECM)描述,利用图论中的树结构(等高线树)形式化地表达等高线的空间关系,在此基础上,给出弱点目标检测的等高线树检测准则,同时给出了等高线划分等级的选择方法。理论分析与实验结果表明,该算法具有良好的检测性能,且结构简单,利于硬件实时实现。在信噪比为1.4的情况下,对红外图像序列的检测概率为96.3%。     

Corner detection and matching for infrared image based on double ring mask and adaptive SUSAN algorithm

Infrared (IR) image fusion is designed to fuse several IR images into a comprehensive image to boost imaging quality and reduce redundancy information, and image matching is an indispensable step. However, Conventional matching techniques are susceptible to the noise and fuzzy edges in IR images and it is therefore very desirable to have a matching algorithm that is tolerant to them. This paper presents a method for infrared image matching based on the SUSAN corner detection. To solve the problems of the traditional SUSAN algorithm including the fixed threshold of gray value difference and the failed detection of symmetry corners, an adaptive threshold extraction method is raised in this study. Furthermore, an attached double ring mask is used to improve the complex corner detection capability. A constraint condition and a principle of gravity are adopted to filtrate the candidate corners. The proposed method is qualitatively and quantitatively evaluated on IR images in the experiments. In comparison with other methods, better performance has been achieved.     

基于特征融合的红外图像增强算法

在红外图像处理过程中,提高图像的对比度,抑制噪声以及突出图像细节尤为重要,针对这些问题,提出了基于特征融合的红外图像增强算法.以引导滤波为基础对图像进行平滑分层,得到基本层和细节层,基本层采用CLA-HE算法扩展低频分量的范围,而对于细节层采用Log算子与Laplace算子分别处理,依据梯度因子的权重信息获得融合细节层...     

一种基于自适应权值的立体匹配方法

提出了一种新的自适应权值的立体匹配方法,在匹配中无需逐像素确定其支持窗口的尺寸。首先根据像素间的相似性和邻近性对匹配窗口内每一像素的支持权值进行调整,使与待匹配点位于同一区域的像素权值增大,然后在匹配的代价函数中引入视差平滑性约束项,从而获得最终视差。在Middlebury提供的标准图像上进行了测试。实验结果表明,该方法可以获得良好的视差图。     

基于灰度相关的图像匹配算法的改进

针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点，对基于灰度相关的2类匹配算法——最小误差法和相关系数法进行了改进。最小误差法采用新的ML距离法，提出动态调整阈值的方法，既保证了匹配精度，又避免了局部噪声的影响；相关系数法对相关系数的计算公式进行了简化，并采用三步搜索策略进行匹配，以达到减少计算量和搜索位置的目的。实验证明：改进后的算法，在保证一定匹配精度的条件下，匹配速度大大提高，能够满足实际应用中的实时性要求。     

基于特征点跟踪的数字稳像算法

针对图像平移和旋转的数字电子稳像问题,提出了一种新的稳像算法。采用K-R法(Kitchen-Rosenfeld)提取图像特征,根据Similarity变换模型进行运动估计,将图像平移和旋转模型转化为仅绕中心点旋转的单一旋转模型,降低了模型的复杂度和计算量。实验证明,这种算法具有很好的稳像效果。