改进SIFT快速图像拼接和重影优化

针对图像匹配实时性受限的问题以及在图像投影拼接中出现的重影的问题,提出了一种改进尺度不变特征变换(SIFT)快速图像拼接和重影优化算法。该算法通过图像之间共享信息量的相似性进行特征点的区域划分,利用SIFT算法对相似重合区域进行特征点的检测以及提取,减少无用区域的算法运算时间;在图像拼接的阶段,通过特征点计算投影矩阵,并进行粗投影,再根据特征点所在区域密集程度,通过最佳拟合变换对特征点密集区域进行二次投影拼接,减少拼接图像出现重影的问题。实验结果表明,该算法与传统的SIFT算法相比,在特征点提取效率提高了大约58%。在图像拼接结果上,通过客观评价指标进行比较提高大约10%。

基于局部投影的视差图像拼接平滑优化

针对视差图像拼接之后存在对齐不准和扭曲的问题,提出一种基于局部投影的视差图像拼接的平滑优化方法.将输入图像进行特征点检测,通过局部保留结构进行图像匹配并计算投影矩阵,利用重合边界投影模型与投影矩阵进行归一化距离判定,距离小于阈值则保留,大于阈值则舍弃并继续矩阵计算.在图像非重合部分,利用图像的变形函数得到最小弯曲能量函数,使非重合区域向全局变换上过渡.实验结果表明:所提算法提高了图像匹配精度,对图像的扭曲具有优化作用,增强了图像的整体性并获得了更好的视觉体验.

基于SIFT的视差图像投影优化

针对图像视差较大使得图像拼接出现对齐不准以及重影的问题,提出了一种基于尺度不变特征(scale-invariant feature transform,SIFT)的视差图像投影优化算法。首先通过SIFT对图像进行特征点的获取,之后通过随机抽样一致性(random sample consensus,RANSAC)算法对图像进行误匹配点的剔除并对剔除后的特征点进行投影矩阵计算,最后通过渐入渐出算法对图像进行拼接缝消除操作。为了提高图像拼接的准确率,在对图像进行误匹配点剔除之后,本文算法通过计算图像之间的重合区域,对该区域的边界点进行投影后的距离计算,求出最优投影矩阵。实验结果表明,该算法能够有效的减少视差图像的重影以及对齐精度的提高,提高图像拼接的质量。