基于局部结构的图像拼接算法研究

针对传统图像拼接仅考虑特征相似性的现状,提出了一种基于改进的SURF(Speeded Up Robust Features)特征匹配的图像拼接算法。首先提取尺度不变性特征点,并利用SURF算子的描述方法对特征点进行描述;然后用RANSAC(Random Sample Consensus)去除误匹配对,得到初始的转换参数;最后将描述子相似性与局部结构特征相结合,进而求得匹配矩阵,利用得到的最终转换参数进行图像融合。研究结果证明,本文算法提高了图像拼接的精准度,细节处理效果更好。

基于迭代最邻近的多视角目标识别算法研究

针对传统图像识别视角单一问题,提出了一种改进的多视角目标识别算法,结合空间结构连续性,利用迭代最邻近算法ICP(Iterative Closest Points)进行多视角目标识别。首先,构建高斯尺度空间来提取具有尺度不变性的SURF(Speed-up Robust Features)特征点,得到特征描述子,且根据描述子的相似性得到初始转换参数;然后,将描述子相似性与空间结构连续性相结合,利用ICP求得匹配对,并进行配准;最后,在各个角度的图像中对目标图像进行识别,取得了较好的效果。实验结果表明,所提出算法识别效果显著,准确率高,具有很好的鲁棒性。