基于SIFT算法的图像拼接优化

文章提出一种基于SIFT改进的图像拼接算法。通过小波变换对图像进行预处理,提取图像的SIFT特征点生成描述符并进行匹配,使用RANSAC算法去除图像匹配中错误的匹配点对并进行图像融合完成图像拼接。实验结果表明,利用文章提出的算法对图像进行提取特征平均耗时短,拼接效果好,没有明显裂痕。

融入双注意力模块的U-Net肺结节图像分割方法

对肺部医学图像进行分析可以用来肺癌诊断,为了解决肺结节分割的任务中特征提取复杂和分割困难等问题,本文提出了一种融入双注意力模块的U-Net肺结节图像分割方法。该方法在U-Net网络的基础上融入空间注意力模块和通道注意力模块,改善分割网络对复杂环境的感知能力,克服复杂环境对分割结果的干扰从而提高分割效果。在肺结节公开数据集(LUNA16)上进行实验结果表明,本文提出的分割方法能够准确地分割出肺结节区域,能够较为有效地实现肺结节图像分割。

基于导向快速与旋转简短和随机抽样一致组合的图像拼接算法优化

针对在图像拼接过程中存在图像间的特征点匹配精度低、图像拼接处存在裂缝以及图像拼接时间久的问题,提出一种基于导向快速与旋转简短(oriented fast and rotated brief, ORB)和随机抽样一致(random sample consensus, RANSAC)组合的图像拼接算法。首先,利用小波变换得到表示图像的近似、水平、垂直和对角特性的子图像分量,选取图像的近似、水平和垂直特性的子图像分量进行叠加,得到下一步进行特征提取的图像;其次,提取图像的ORB特征点并生成二进制特征描述符;再次,通过正反双向匹配对图像中的特征点进行粗匹配并使用RANSAC算法进行精度匹配;最后,利用拉普拉斯金字塔算法进行图像融合。实验结果表明:利用基于ORB和RANSAC组合的图像拼接算法对选取的图像进行提取特征平均耗时约为传统尺度不变特征转换(scale invariant feature transform, SIFT)算法的84.7%、加速鲁棒特征(speed-up robust features, SURF)算法的36.4%、ORB算法的64.9%,图像特征匹配精度提高,图像特征匹配时间缩短,图像拼接处不存在明显裂痕。基于ORB和RANSAC组合的图像拼接算法是一种优质的图像拼接算法。