基于SURF算法的无人机航空图像自动配准研究

针对实时性要求中SIFT特征配准算法耗时长的缺点,本文将SURF(Speeded Up Robust Feature,即加速鲁棒特征)算法应用于无人机航空图像的自动配准问题中。首先利用Hessian检测子检测特征点,再通过粗匹配和细匹配得到匹配点对,最后执行几何变换完成对图像的配准。通过与SIFT(Scale Invariant Feature Transform,即尺度不变特征变换)配准方法进行对比,结果表明SURF算法在满足精度的前提下具有比SIFT算法计算量小、速度快的优点,有一定的理论和应用价值。

基于关注区域分割和SURF算子的医学图像配准

医学图像配准在术前模拟、术中导航、病理检测和疗效跟踪方面应用广泛。然而,受拍摄环境和拍摄区域的限制,直接获取的待配准医学图像不仅包含患病部位的身体组织密度信息,还包含了诸如CT扫描仪的部件、患者的衣服、一些特殊的传感器等无关干扰信息,这些非关注区域对医学图像配准造成了一定的干扰。针对上述问题,文中提出了一种基于关注区域分割的医学图像配准算法。首先对待配准的医学图像进行关注区域分割,去除无关干扰信息,突出显示病患诊断必须的、医生重点关注病患部位;然后基于特征匹配的思想,利用SURF(speeded up robust features)检测特征描述子,采用双重匹配策略实现特征点的配对,最后基于RANSAC(random sample consensus)算法去除误匹点,实现医学图像自动准确的配准。实验结果表明,提出的关注区域预分割思路能够有效提升特征检测与定位的准确性,医学图像特征点的匹配正确率在90%以上。

影响特征检测子鲁棒性与速度方法的对比分析

特征检测子是近年来计算机视觉领域的研究热点。在宽基线匹配、特定目标识别、图像及视频检索、机器人导航和数据挖掘等多个领域均得到了广泛应用。为总结特征检测子目前存在问题及指出可能的发展方向,对比分析了当前普遍使用的特征检测子的鲁棒性与速度。首先综述了尺度不变特征检测子(SIFT)、快速稳健特征检测子(SURF)、二进制稳健尺度不变性特征检测子(BRISK)、定向的基于加速段检测子(ORB)、风式特征检测子(KAZE)以及快速风式特征检测子(Accelerated-KAZE),然后按照特征检测步骤深入分析了各种影响检测子性能与速度的方法,最后利用Mikolajczyk 05标准测试图集测定并分析了检测子的复现率与耗时实验。实验结果表明,快速非线性尺度空间、基于加速段的特征检测子(FAST)与长距离对迭代法的综合性能较好。

基于自适应分块的移动设备上特征点提取方法

当前，移动设备的计算能力越来越强，但类似增强现实对实时性要求较高的应用，其性能还无法完全满足需求。在增强现实应用中，提取特征点和特征点的匹配是关键。主要关注特征点的提取，以SURF算法为例，针对移动设备较小的高速缓存容量不适应原算法图像数据访问方式的问题，提出了依据图像内容的自适应分块方法。实验结果表明，改进后的算法在没有牺牲精确度的情况下，速度提高了1．5～1．7倍。

基于多尺度FAST-9的图像快速匹配算法

FAST-9检测子不具备尺度不变性,为此,提出一种基于多尺度FAST-9的图像快速匹配算法。对图像建立高斯尺度空间,在各图层上应用FAST-9检测子分别提取特征点,在其周围建立圆形区域并分配主方向,同时建立方形区域构造SURF描述子,利用基于最近邻匹配方法进行匹配。实验结果表明,与SURF、SIFT算法相比,该算法具有较高的匹配速度。

基于SURF特征区域的鲁棒水印算法

针对遥感影像的安全保护,提出了一种基于SURF特征区域的鲁棒水印算法。首先在影像中检测SURF特征点,选取鲁棒性强的点构造互不重叠的特征区域并进行归一化处理,进而对归一化的区域实施整数小波变换,根据生成的模板选取相应位置的系数,最后通过量化的方式将水印信息重复嵌入到每个特征区域内。水印的检测可直接在攻击后的影像中进行,无需校正恢复,实现了盲提取。采用边缘像素替换的策略来保证影像的数据精度,不影响遥感影像的使用。实验表明,该算法具有良好的不可见性,且对常规攻击和几何攻击均具有较强的鲁棒性,可有效保护遥感影像的安全。