基于纹理分类的多阈值SIFT图像拼接算法

针对传统SIFT算法的单一阈值导致的特征点空间分布不均匀的问题,提出了一种纹理分类的多阈值SIFT图像拼接算法。算法对图像的纹理复杂度进行了分析和分类,并增加纹理分类后的弱纹理区和一般纹理区的候选特征点,减少强纹理区域的候选特征点。通过信息熵设置弱纹理区和一般纹理区的阈值,以均衡特征点的数量。在以上基础上进行特征点匹配和图像融合完成图像拼接。相比传统的方法,实验结果表明,纹理分类的多阈值方法检测的特征点在空间分布上更加均匀,更有利于拼接。基于纹理分类的多阈值SIFT图像拼接算法可有效地提高拼接质量,在对图像质量有较高要求的场景中有潜在的运用价值。

基于动态阈值和全局信息的SIFT量子图像拼接

针对量子图像拼接使用传统尺度不变特征变换(SIFT)算法易造成特征点数量不合理和误匹配率高的问题,提岀基于动态阈值和全局信息的SIFT量子图像拼接算法.针对特征点数量问题,利用特征点数量与量子点或量子环数量呈正比例关系这一特性,通过量子点或环的密度对SIFT算法的对比度阈值进行设置,以得到合适的特征点数量.针对误匹配率问题,通过构建全局信息描述子,并与SIFT局部描述子相结合,以降低误匹配率.实验结果表明:改进的算法有效地完成了量子环、量子线和量子点图像的拼接;将量子图像的特征点有效地控制在一个合理的范围内,并将误匹配率从17.34%〜33.02%降低至10.84%〜20%,使量子图像的拼接具有更好的可靠性.

基于机器视觉的麻核桃分类算法设计

麻核桃的分类有助于产品销售,传统分类方式仅限于人工操作。为实现麻核桃的自动化分类,设计一种麻核桃分类算法,该算法通过构建核桃像素概率分布模型实现。根据核桃不同视图,利用同类核桃构建像素概率分布模型以及惩戒模型。利用矩阵乘积方式将待测核桃样本与两个模型分别进行对比,并将计算结果作为测试样本种类归属的判据,并以此对核桃进行分类。利用3000个核桃样本,建立一个包含9000张图片的数据集,对算法的性能进行评估。经过测试,在3次交叉测试实验中,该算法取得了97.36%的识别率。实验结果表明,在麻核桃分类识别中,该方法具有较好的应用前景。

基于相位相关和纹理分类的SIFT图像拼接算法

针对传统尺度不变特征变换(SIFT)算法在图像拼接过程中计算量较大的问题,提出了一种基于相位相关和纹理分类的快速SIFT拼接算法。首先,使用相位相关法粗略地获取待拼接图像的重叠区域;其次,对图像进行纹理分类,并选取其中纹理复杂度较高区域进行SIFT检测,为了提升纹理分类阶段的速度,提出了跳跃归类的方法;最后,对于不同复杂度的纹理区域,仅在相同纹理区域内进行特征点的匹配。实验结果表明,所提出改进算法在维持较好拼接质量的基础上,与传统SIFT算法以及已有的两种改进型SIFT算法相比,平均拼接速度分别提升了68.46%、20.45%、41.83%。因此该算法在对拼接效率有较高要求的领域具有潜在的应用价值。

基于改进的Harris和二次归一化互相关的量子图像拼接算法

针对量子图像拼接时,Harris算法需要人为设置阈值,以及图像局部相似度大导致误匹配率高的问题,提出了基于改进的Harris和二次归一化互相关(NCC)的量子图像拼接算法。在阈值设置方面,基于图像重复度高的事实,通过二值化和阈值下降统计图像子区域的量子点或环的数量以确定Harris阈值,并将其作为全图阈值。在误匹配方面,首先以小窗口进行NCC的匹配,初步筛选角点;然后在此结果上用大窗口进行第二次NCC,以降低误匹配率。实验结果表明:在量子点或环计数方面,该算法具有较好的精度和速度;在阈值设置方面,该算法将角点数量控制在合理的范围内;在匹配阶段,二次NCC的方法将误匹配率降低至4.82%~27.27%。因此,本文算法改善了量子图像拼接的可靠性和时间开销,在量子图像拼接中具有潜在的应用价值。

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,在极坐标系下建立7区域的圆形描述子,并降低其维度;最后,根据特征点极值类别进行同类匹配,以降低匹配复杂度。实验结果表明,采用Mask的特征搜索方法以损失较小匹配质量为代价,能够有效提升算法的整体速度,结合改进的描述子和极值分类算法可以进一步提升算法速度。采用Mask的特征搜索方法在对匹配效率有较高要求的领域具有潜在的应用价值。