基于仿射不变约束与快速EKF滤波的航拍图像稳像

考虑到航拍机载成像平台抖动严重、视频稳像匹配环节精度不一致的特点以及航拍图像稳像技术快速、准确的要求,提出了一种结合仿射不变约束与快速扩展卡尔曼(Extend Kalman Filter,EKF)滤波的图像稳像算法。该算法首先以视频参考帧中的角点量作为特征点,通过Harris检测器选择出稳定角点;然后对待配准点构建Delaunay三角网进行初始匹配,提出利用仿射不变约束方法筛选出精确匹配点;最后利用快速EKF运动滤波方法实时估计和修正噪声的统计特性,从而解决摄像机扫描运动中存在的抖动问题。在对大量分辨率为640×480pixel的航拍图像的仿真实验中,可通过仿射不变约束实现精确的模型估计,采用的快速运动补偿方法在补偿过程中耗时为5.054ms,比传统的运动补偿方法节约了69.5%的时间。实验结果表明,该算法能够实时稳定航拍视频帧间的抖动现象,并能有效跟随场景的真实扫描。

基于三角网下的仿射不变几何约束的图像匹配算法研究

针对当前图像匹配方法的鲁棒性差、误配率较高及效率较低等不足,提出了基于三角网下的仿射不变几何约束的图像匹配算法。在尺度空间上通过Hessian矩阵对特征点进行检测,利用子块的三角特征与对角特征SURF(speeded up robust features)机制进行改进,用于生成新的特征描述子,并通过定义阈值评估策略对图像特征点进行匹配,从而生成了初始匹配点;然后,引入Delaunay三角网,对初始匹配点进行聚类,以获取匹配三角形,将三角形以外的无效特征点剔除;最后,引入仿射不变几何约束,对匹配三角形进行细化,通过细化的匹配三角形获取最终的匹配特征点,有效剔除误配点,进一步提高配准精度。仿真结果表明,与当前图像匹配算法相比,所提算法具有更好的鲁棒性,且其具有更佳的匹配精度与效率,有效剔除了误配点。

改进ORB算法在图像匹配中的应用

在计算机视觉领域,图像匹配是一个核心问题。为了提高图像特征点匹配算法的准确度,增强算法的抗干扰能力,针对ORB(oriented FAST and rotated BRIEF)算法的不足,提出一种改进的图像特征点匹配算法。该算法通过设置自适应阈值来进行特征点检测,并在算法粗匹配结果的基础上剔除不符合图像几何特性的部分外点。最后,利用仿射不变性约束筛选出精确匹配点。实验表明,该方法可有效提高算法匹配质量且执行时间短,对于不同模糊度和曝光度的图像匹配均具有很好的鲁棒性。

图像特征匹配中一种高效的鲁棒估计算法

在图像特征匹配过程中,误匹配不可避免。提出一种新的基于拓扑约束(顺序约束和仿射不变约束)的外点去除算法,用于快速地去除图像粗匹配结果中的误配点。该算法对随机采样集进行拓扑过滤,只对满足拓扑约束的采样集进行计算。实验表明,该算法相比于传统的鲁棒估计算法RANSAC和改进的PROSAC算法,大大提高了计算效率并保持很高的计算精度,有助于提升图像匹配性能及3维重建的精度和鲁棒性。