本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段...本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段用曼哈顿距离代替欧式距离,并引入最近邻和次近邻的概念,提取出模板图像中特征点与待匹配图像中特征点曼哈顿距离最近的前两个点,如果最近的距离除以次近的距离得到的比值小于设定的阈值T,则接受这一对匹配对,以此减少错误匹配.实验结果表明该算法优于传统算法,精度和速度均有一定程度的提高.展开更多
文摘针对油田遥感图像在灰度有明显差异的情况下,联合位置、尺度和方向的尺度不变特征变换(PSO-SIFT)算法很难为其找到足够多的正确对应关系,且花费时间较长的问题,提出一种基于改进PSO-SIFT算法的图像匹配算法.首先采用“回”字型分块思想构建特征描述符,降低特征描述子的维度;然后使用基于全局运动建模的双边函数(BF)算法与快速样本共识(FSC)算法相结合的匹配策略,对所得的匹配对进行误匹配剔除,以增加正确匹配的数量;最后将该算法与4种同类算法及原PSO-SIFT算法进行对比.实验结果表明,该算法比同类算法精度更高,与原算法相比不仅保证了图像匹配的精度,正确匹配对数量也增加了约3倍,且匹配时间约缩短20 s.
文摘本文针对传统SURF(Speeded Up Robust Features)算法精度和速度较低的问题,提出一种优化的图像匹配算法.在特征点提取阶段引入局部二维熵来刻画特征点的独特性,通过计算特征点的局部二维熵并设置合适的阈值来剔除一部分误点;在匹配阶段用曼哈顿距离代替欧式距离,并引入最近邻和次近邻的概念,提取出模板图像中特征点与待匹配图像中特征点曼哈顿距离最近的前两个点,如果最近的距离除以次近的距离得到的比值小于设定的阈值T,则接受这一对匹配对,以此减少错误匹配.实验结果表明该算法优于传统算法,精度和速度均有一定程度的提高.
文摘在众多图像配准算法中,尺度不变特征转换(Scale-invariant feature transform)由于其对旋转、尺度缩放、亮度变化保持不变性,且对仿射变换和噪声也有一定程度的鲁棒性,从而得到了大范围的应用。但该算法的缺点是运行时间过长。论文旨在减少不必要的检测区域,减少特征点检测和描述符构建所花费的时间。主要分为两部分:1)对待检测图像循环分块,计算各个子块信息熵(Entropy of information),当所有子块信息熵标准差达到固定阈值时停止分块,去掉子块集合中子块信息熵满足条件的部分。2)将图像二值化,计算二值图像连通区域,在第一步的基础上去掉所有连通区域的部分,得到最终待检测的图像区域。最后进行SIFT算法特征检测并生成PCA-SIFT描述子,使用最近邻与次近邻之比的算法完成图像配准。实验结果表明:论文算法在保证匹配精度达到90%以上的情况下,减少算法运行时间20%~30%,提高了图像配准的速度。