图像匹配技术综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配技术的要素,对匹配算法的分类以及匹配性能评价指标,并且将各方法进行了分析与比较,指出其各自的优势与不足。同时,进一步探讨了图像匹配算法中有待研究的方向。     

基于SIFT算法改进的图像匹配算法研究与设计

图像匹配是指将2个不同场景的目标或者背景进行匹配的一个过程,是实现复杂的智能图像处理的基础,图像匹配算法的准确性及效率直接关系到整个图像处理系统的性能.特征点提取作为图像匹配的一个关键,是实现图像精准快速匹配的前提,本文以目前应用最为广泛的,鲁棒性最好的SIFT特征点提取算法为基础,对其进行了改进,结合Harris算法有效地降低了图像匹配过程中的特征点提取时间,通过实验验证,该方法可以有效地提升图像匹配的准确性和效率.     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题,提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理,从而消除SAR图像的旋转;然后利用相关匹配方法初步提取同名点;最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配,提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

基于FPGA的图像匹配算法实现的研究

图像匹配的主要特点是数据运算量极大,并且图像匹配运算消耗的时间相对较长。由于FPGA本身并行的工作机制,使得FPGA能在进行图像匹配的时候可以快速处理这些大量的数字图像数据。本文首先介绍了图像匹配的基本原理,包括图像匹配的概念,图像匹配的方法,其匹配流程,然后重点介绍了两种图像匹配算法在FPGA中的实现过程,编写出了verilogHDL的核心代码,最后通过Quartus II软件进行综合编译,仿真出了其RTL级视图。     

基于一致性敏感哈希的高精确度图像匹配算法

针对基于特征点的图像匹配方式在复杂纹理场景中匹配效果不理想的问题,提出一种将加速稳健特征算法(SURF)与一致性敏感哈希匹配结合的图像匹配算法(CSH)。使用SURF算法对图像进行特征点提取,再以特征点为圆心构建特征区域,最后对特征区域使用CSH进行匹配,从而实现高精确匹配。为了进一步加快算法运行速度,对现有的SURF算法进行修改,在提取SURF特征点时去除了对于特征点方向的计算。仿真实验证明,算法较一般的特征算法在复杂纹理图像匹配中效果更佳,且较CSH算法效率提升了10%~15%。     

改进的SURF算法在图像匹配中的应用

针对加速稳健特征(Speeded Up Robust Features,SURF)算法在三维重建中匹配准确率低的问题,提出基于SURF算法的改进算法。首先利用SURF算法提取特征点,通过近邻搜索(Best Bin Fast,BBF)算法实现Kd-Tree快速查找最近邻特征点,结合双向唯一性匹配的方法完成图像匹配,然后在视差约束下,利用视差梯度约束对初始特征匹配对进行预处理,筛选掉一些偏差较大的匹配对,最后采用随机抽样一致(Random Sample Consensus,RANSAC)算法对特征点二次优化和去噪处理。将其他改进算法和提出的改进算法分别进行图像匹配处理比较,分析算法的性能,得到提出的改进算法匹配成功率达96.3%。实验结果证明提出的改进算法简单快速,匹配精度高。     

基于改进SIFT算法的图像匹配方法研究

SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。     

基于掩模搜索的快速尺度不变特征变换图像匹配算法

尺度不变特征变换(SIFT)算法在图像匹配领域得到广泛应用,为降低其计算复杂度,提出了一种基于掩模(Mask)搜索的SIFT快速图像匹配算法.首先,分析图像的纹理信息,使用Harris算法的角点响应函数(CRF)对图像进行分区,将纹理复杂度较高的区域作为Mask并生成Mask金字塔,以减小特征点的搜索空间;其次,在极坐...     

一种改进的ORB图像匹配算法

针对ORB特征匹配算法特征提取稳定性差,匹配精度低的问题,提出一种改进的ORB图像匹配方法。通过小波变换对图像预处理,利用自适应频谱抑制方法提取候选特征点集,再建立多尺度空间模型,筛选具有尺度不变性的精确特征点,并通过BRIEF算子生成特征描述子,最后使用Hamming距离进行特征匹配,完成配准。通过3组图像匹配实验对改进算法的有效性进行验证,实验结果表明,改进算法在兼顾ORB实时性的同时,提高了匹配精度,改善了图像尺度变化较大时特征提取的稳定性。     

结合区域分割的SIFT图像匹配方法

针对待配准图在参考图上存在多个相似的区域,传统的SIFT算法导致匹配点数量较少,影响对模型变换参数估计的情况,提出了结合区域分割的SIFT方法。与原始算法相比,该算法可以得到更多正确的匹配点对,时效性上更优。实验结果表明,该算法比原算法的正确匹配点对提高了近30倍,结合区域分割的特征匹配,剔除了90%以上的误匹配点对,改进后的算法时间性能上也更优。     

图像特征匹配算法的FPGA实现

图像特征匹配算法是对同一场景不同条件下所获取的两幅图像进行特征提取的过程,目前被广泛应用于多个领域.针对传统匹配算法存在的实时性差、准确度不高、环境适应能力弱等问题,本设计提出了基于FPGA开发平台实现的SIFT算法.匹配结果表明:该算法对于图像的旋转、光照、仿射、尺度等具有良好的不变性,能满足特征匹配的需求,存在一定...     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

基于可见光图像模板匹配的目标识别算法

结合相关匹配算法特点提出了一种改进的基于可见光图像制备的参考模板进行二值匹配的目标检测识别算法,算法包括实时图像分辨率、同质变换、OTSU聚类、结构匹配定位等一系列处理过程.所提出的算法结构简单、计算量小、易于并行实现,在基于TMS320C6713的多DSP系统上处理一帧实时图像仅耗时14ms,可以应用于工程实际之中.     

机器视觉中图像匹配问题研究

随着计算机视觉技术的发展,机器视觉尤其是双目视觉被广泛应用于物体识别、虚拟现实、工业检测、机器人导航和航空航天等领域。图像匹配是机器视觉中的关键技术之一,能否有效地解决该问题严重影响着机器视觉的发展。对现有的匹配算法进行了研究的基础上,针对算法的实时性和精确度提出了改进算法。实验结果表明：误匹配像素百分比与目前常用的基于区域的匹配算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性匹配算法。     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

月球CCD影像的快速匹配算法

影像匹配是基于CCD数据获得月球高程数据的基础和关键。研究了月球CCD影像的小波金字塔分层匹配算法。利用小波分析的多分辨率特性,对CCD影像进行小波分解,构造了金字塔顶层影像误匹配剔除策略及金字塔底层影像匹配点的快速搜索策略,实现了自粗尺度到细尺度的匹配算法。该算法通过减少非同名像点的匹配时间和搜索时间,大大降低了运算量,从而提高了匹配效率和配准精度。实验结果表明,该算法在匹配正确率和匹配效率方面都获得了很好的效果。     

基于相关系数的相关匹配算法的研究

本文分别从减少相关系数计算运算量和减少搜索点数量这两个方面对以相关系数作为相似性度量准则的相关匹配算法进行改进。实验结果表明:改进后的算法,在不失其匹配精度条件下,克服了其运算量大的缺点,从而满足图像匹配系统的实时性要求。     

改进RANSAC算法在多光谱图像匹配中的应用

为了提高多光谱图像匹配的速度和精度,提出一种改进的随机抽样一致性(RANSAC)算法。针对传统RANSAC算法迭代次数多、运行效率低、单应性矩阵模型精度低等问题,在采用SIFT算法完成初始特征匹配的基础上,从合理减少样本集中元素个数以提高局内点在样本中所占的比例以及采用预检验快速舍弃不合理的初始参数模型等方面对RANSAC算法进行改进,从而极大地减少了算法的迭代次数,提高了算法的运行效率和估计精度。实验结果表明,所提改进算法不仅提高了图像匹配的精度,而且在处理相同数据的前提下,其所用时间不足传统RANSAC算法的60%,有效减少了算法的运行时间,提高了算法效率。