基于改进SURF算法的无人机遥感影像快速拼接

为了及时、准确地反映测区情况，需要在拍摄现场将获得的无人机遥感影像进行实时拼接。基于SURF的无人机遥感影像拼接算法具有尺度和旋转不变性，拼接效果较好，但该算法稳定性较差，拼接过程中大量误特征点被提取出来，导致计算量大、匹配效率低，无法满足实时拼接的要求。该文首先利用SURF算法粗提取特征点，然后利用RANSAC算法剔除被误提取的特征点，实现特征点的快速匹配和图像实时拼接。实验结果表明该文的算法不但可以得到很好的图像拼接效果，而且极大地提高了拼接效率。

基于边缘与SURF算子的SAR与可见光图像配准方法

鉴于SAR(synthetic aperture radar)与可见光图像的成像机理存在很大差别,使得其同名特征的提取和配准十分困难,但在某些情况下,这两类图像的边缘存在一定的相关性。提出一种基于边缘与SURF(speed-up robust feature)算子的图像配准方法。通过适当预处理增强图像间的共性,采用综合性能比较好的Canny算子提取两幅图像共有的边缘特征,在边缘图像的基础上提取SURF特征;通过比值提纯法进行特征点粗匹配,RANSAC(random sample consensus)算法剔除误匹配点,计算仿射变换模型从而实现SAR与可见光图像的自动配准。实验结果表明:该算法的正确匹配率为100%,均方根误差为0.852个像素,配准精度达到亚像素水平。

基于可见光匹配矩阵的电气部件故障红外自动识别算法

基于红外图像差分比对法可以高效地检测并发现电气部件老化、接线松动、绝缘失效等问题,但由于红外热图像分辨率低、对比度差,直接特征匹配误点率高、匹配成功率低,提出一种基于可见光匹配矩阵的电气部件故障红外自动识别算法。首先通过固定区域截取法或手动提取特征点配准法处理可见光图像,使处理后的可见光图像与红外图像完全匹配;然后使用SURF及RANSAC算法将匹配好的待测及标准电气部件的可见光图像进行配准,并使用最小二乘法获得最优仿射变换矩阵。最后使用该匹配矩阵将待测及标准电气部件的红外热像图进行配准,进而进行差分故障判断。实验结果表明:该检测算法相较于直接差分比对法,匹配效果好、鲁棒性高,且能够实现异常区域的准确定位。

基于灰度冗余和SURF算法的电气设备红外和可见光图像配准

为了对电力设备故障进行更为有效和直观的诊断,提出了一种基于灰度冗余和SURF算法的红外和可见光图像的配准方法。该算法对红外图像和可见光图像进行基于灰度冗余的处理,利用SURF方法分别找到两幅图像的特征点并求出其描述子,通过RANSAC(随机采样一致性)对这些特征点进行精确配对,通过最小二乘法求得仿射变换参数并实现两幅图像的配准。实验表明,该方法与其他配准方法相比,具有速度快,鲁棒性高等优点,具有较高的实用价值。

基于改进SURF算法的单目视觉里程计

针对传统单目视觉里程计在特征提取过程中误匹配点过多,匹配精度低、运算量大、提出了一种基于改进SURF算法的单目视觉里程计模型,首先使用SURF算法对单目摄像头采集的图像的相邻两帧进行特征点的检测与匹配,然后用RANSAC算法对误匹配点进行剔除,提高匹配的精度,减少运算量,最终求出相邻两帧图像特征点匹配的旋转矩阵R和平移向量T,完成运动估计。实验结果表明,该模型在预估曲线运动和直线运动时的运算速度分别提高了11.2%和10.38%。

SURF与RANSAC算法结合的图像跟踪方法

针对实时跟踪过程中提高特征点匹配的准确性和稳定性问题,提出一种将SURF算法与RANSAC算法相结合实现图像的实时匹配与跟踪的方法。基于SURF算法进行特征点检测;利用欧氏距离进行特征点粗匹配;基于RANSAC算法剔除误匹配点,并进一步根据匹配特征点分布的几何特性进行优化筛选;利用获取的正确的匹配点对求解单应性矩阵,得到两幅待配准图像之间的映射关系,从而实现图像的实时匹配与跟踪。实验结果表明,在不同实验条件下,包括旋转、缩放、局部遮挡和局部光照增强或减弱等,改进算法均能够在目标区域内寻找到基准图像,并进行实时跟踪,且具有很好的准确性和稳定性。

室内移动机器人视觉里程计研究

研究了一种精度较高的视觉里程计实现方法。首先采用计算量小、精度高的SURF算法提取特征点,并采用最近邻向量匹配法进行特征点匹配;采用RANSAC算法求得帧间摄像机坐标系的转换矩阵;提出了一种视觉里程计标定方法,并通过该方法得到机器人起始点坐标系下的位移信息,保证了机器人有自身姿态变化时的定位的准确性;圆轨迹实验验证了视觉里程计算法的可行性。

改进SURF快速图像匹配

首先用Hessian矩阵对图像进行特征点提取,然后通过缩小特征点周围子区域的范围将SURF特征点描述符由64维降到36维,最后用RANSAC算法剔除不稳定匹配点,完成图像的快速匹配。

SURF算法和RANSAC算法相结合的遥感图像匹配方法

综合利用了SURF(speeded up robust features)算法和RANSAC(random sample consensus)算法各自的优势,提出了一种SURF算法和RANSAC算法相结合的遥感图像匹配方法。首先利用SURF算法提取特征点并进行预匹配,然后用RANSAC算法剔除误匹配点对,解决了SURF算法中存在的误差匹配和错误匹配问题。通过实验验证了所提算法的有效性,并且该算法在实际应用中也取得了良好的效果。

基于特征点的图像配准与拼接技术研究

图像配准与拼接成功的关键在于特征点提取和匹配。针对传统的sift算法提取特征点计算量大、耗时长的问题,文章采用改进后的surf算法先对两幅图像的重叠部分提取特征点,使用bbf(best-bin-first)查找初始匹配对后采用ransac算法剔除误匹配并计算两幅图的变换关系,最后采用无缝拼接技术实现了图像的平滑镶嵌。

低空无人机影像的快速拼接技术研究

对低空无人机影像的快速拼接技术进行研究,采用SIFT算法和SURF算法对尺度不变特征进行提取,根据特征描述符间的欧氏距离进行特征匹配,并使用RANSAC算法对匹配中产生的误匹配点对进行剔除,然后利用单应性矩阵实现无人机的影像拼接。实验结果表明,SIFT算法和SURF算法均能较好地对影像特征进行提取,SURF算法在效率上更优,RANSAC算法的剔除效果较好,能够得到良好的拼接影像。

基于改进SURF算法的双目视觉定位

随着机器人技术的发展,机器人视觉也逐渐受到研究人员的重视。在机器人视觉系统的分类中,双目立体视觉系统应用最为广泛。在利用双目立体视觉对物体进行定位时,采用了各方面性能都较突出的SURF算法对摄取的图像特征点进行提取与匹配。由于SURF算法自身的缺陷,在进行特征点匹配时容易产生误匹配现象,为了消除误匹配,文中对SURF算法做了改进,加入了剔除误匹配点的RANSAC算法。实验结果表明,改进后的SURF算法,能够有效提高双目视觉定位的精准度。

近色背景果实识别的多源图像配准

为提高近色背景果实识别的准确性,减少非结构化因素对识别的影响,提出基于近红外像机和可见光像机组合捕获多源图像进行配准的方法。对采集的多源图像使用基于中值滤波和小波变换相结合的方法进行去噪,针对特征点分布不均匀的情况,采用图像分块策略进行改善。在用改进的SURF提取特征点后,使用特征偏移一致性原则进行提纯,结合RANSAC (随机抽样一致)和最小二乘法求出图像间的仿射关系并完成配准。实验结果表明,所提方法在图像配准的实时性和鲁棒性方面高于原SURF算法。

结合FAST-SURF和改进k-d树最近邻查找的图像配准

针对两图像之间存在平移和旋转变化的图像匹配,提出了一种结合FAST-SURF和改进k-d树最近邻查找的图像配准算法。该算法首先用FAST(加速分割检测特征)检测器进行特征点提取,然后根据特征点周围邻域的信息生成SURF(快速鲁棒特征)描述子,采用一种改进的k-d树最近邻查找算法BBF(最优节点优先)寻找特征点的最近邻点及次近邻点,接着进行双向匹配得到初匹配点对,最后利用RANSAC(随机抽样一致性)算法消除误匹配点,findHomography函数寻找单应性变化矩阵,从而计算出图像间的相对平移量和旋转量。实验结果表明,该算法平移参数的最大误差为0.022个像素,旋转参数的最大误差为0.045度,优于传统的SURF图像匹配算法,实现了图像的快速、高精度配准。

基于空间约束的快速鲁棒特征匹配优化

该文提出一种基于空间约束的快速鲁棒特征(SURF)匹配优化算法,称为SC-SURF。首先通过SURF算法检测和匹配图像的特征点。然后根据最近邻比例越低其匹配精度越高的特点,得到按最近邻比率排序的匹配点。并以最优匹配点作为参考点生成新的坐标系,利用空间位置关系地图对每对匹配点进行编码。同时为了简化随机抽样一致性(RANSAC)算法,选择尽量少的最优匹配点对作为RANSAC的代表测试数据集,并由该测试数据集拟合目标投影变换矩阵。最后结合匹配点间的空间位置关系和简化的RANSAC算法对匹配点进行几何校验。实验表明该方法在达到良好匹配精度的同时,具有鲁棒性强,匹配速度快的优点。

SURF和RANSAC在图像拼接中的应用

图像特征检测在计算机视觉带动下得到了快速发展。SURF特征描述能够非常稳定快速地对图像特征进行检测和描述。RANSAC能够在inliers大于50%的条件下很好地估计出模型参数,在特征点匹配上起到了关键作用。本文利用SURF特征描述子对图像特征点进行检测和描述,然后运用交叉匹配的策略有效地消除一些错误匹配点对,然后运用RANSAC算法进行模型估计,最后使用线性加权的方式对图像进行融合。该方法利用了SURF快速检测和稳定性的特点和RANSAC算法时间复杂度小的特点进行特征点快速准确匹配,最终能够实现快速的图像拼接。

火星探测器着陆过程中图像匹配的性能研究

以火星探测器着陆过程中通过图像匹配估计位置参数为背景,针对探测器拍摄的实时图旋转以及尺度变化等对图像匹配算法的影响做一系列研究,寻找适当的旋转角度以及尺度大小来获得较高的匹配精度.以SURF算法为研究对象,结合RANSAC算法对误匹配点进行剔除,提纯匹配点,综合定义了正确率的概念,方便对匹配结果进行判断.实验结果表明,实时图旋转角度以及尺度大小和匹配的正确率呈一定的规律在变化,在应用到火星探测器着陆过程中实时图的选取时,相对于参考图选取适当旋转角度和尺度的实时图能在一定程度上提高图像匹配的准确率.

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法(RANSAC)提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。

基于SURF和伪Zernike矩的图像拼接算法研究

基于特征点匹配的图像拼接方法对图像旋转、噪声等比较敏感,提出了基于SURF和伪Zernike矩的图像拼接方法,并利用改进的SURF算子获取图像中的特征点,计算以特征点为中心邻域窗口的伪Zernike矩,获得各个特征点邻域伪Zernike矩的Bray-Curtis相似性度量的初始匹配点对,利用RANSAC算法剔除伪特征点对,之后对输入图像作几何变换进行配准,融合重叠区域,获得良好的拼接图像.实验表明,改进的SURF特征检测算法提取的特征点均匀、准确、迅速,而且图像配准算法对平移、旋转以及噪声均具有鲁棒性.

基于SURF和改进RANSAC算法的图像自适应匹配

移动机器人在环境中精确定位依赖于快速准确的图像匹配,传统的SURF匹配算法存在大量的错误匹配,不能满足实际要求。从匹配时间和匹配正确率2个方面对其改进,在特征匹配过程中,通过双向FLANN搜索算法和预匹配筛选出大量的误匹配点,然后与S-RANSAC算法结合,优化匹配结果,得到正确的匹配结果。