基于改进Harris-SIFT算子的快速图像配准算法

提出了一种基于改进Harris-SIFT算法的快速图像配准方法。首先,对传统Harris算法进行改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是借鉴Forsnter算子思想对提取的角点进行精定位,以提高配准精度。然后,利用SIFT算子的特征描述方法对提取的特征点进行描述,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间几何变换参数,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,能够大大减少标准SIFT所需的配准时间。

基于Harris-Affine和SIFT特征匹配的图像自动配准

针对大失配多传感器图像,提出了一种基于SIFT(scale invariant keypoints)和Harris-Affine(H-A)互补不变特征匹配的自动配准算法.算法应用SIFT和H-A两种具有互补特性的局部不变特征,根据最近邻特征点距离与次近邻特征点距离之比确定初始匹配点对,然后利用马氏距离的仿射不变性删除误匹配特征点对,据此求取2幅源图像间的仿射变换参数.使用估计的变换矩阵把待配准图像上的所有点映射到参考图像,并对其进行重采样,实现图像的配准.实验结果表明:该算法能够快速高精度实现大失配图像的自动配准.

具有SIFT描述的Harris角点多源图像配准

多源传感器成像原理的差异给图像配准带来了很大困难,本文针对红外与可见光图像配准提出了一种具有SIFT描述特征的Harris角点多源图像配准算法。首先建立多尺度空间,以多尺度空间检测尺度不变的Harris角点作为特征点;然后通过改进SIFT对特征点的描述方法,采用圆环结构算子对Harris角点进行类SIFT的特征描述;最后利用双向最近邻方法进行匹配,通过最小二乘法实现图像的配准。实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。

基于Harris-SIFT特征匹配的图像自动配准算法研究

为解决目前大多图像配准算法存在匹配精度低、执行时间长的问题,提出了一种基于图像分块提取特征点的自动配准算法。该算法结合了Harris算子与SIFT(Scale-Invariant Feature Transform)算子的优点,先用Harris算子快速提取角点作为图像原始特征点,然后利用SIFT算子对原始特征点进行特征描述,从而得到在不同尺度下都不变的特征点,最后通过欧氏距离确定匹配点对进行图像配准。实验结果表明,该算法保留了Harris算子和SIFT算子的优点,减少了经典SIF算法提取极值点的时间,并且具有良好的鲁棒性、尺度不变性。针对200幅图像进行测验,当发生平移、旋转或缩放变换时,两幅图像间的匹配正确率高达95%。结果表明该算法能高效、高精度的实现图像配准。

基于改进的Harris和SIFT算法的眼底图像拼合

传统的眼底图像拼合主要采用SIFT算法实现,算法计算量大,效率低,准确率也不高。Harris提取的是图像的角点信息,能较好准确地反应图像的特征信息。作者采用Harris和SIFT算法相结合的方式,采用Harris算法提取的角点信息,并用这些角点提取SIFT特征描述符,且在图像拼合的过程中对算法做出相应的改进,克服了多模式图像中局部梯度信息不一致带来的误差,计算效率高,且拼合效果较好。

一种改进的Harris与SIFT算子结合的图像配准算法

针对SIFT算法提取的特征点过多,运算量大的问题,提出一种Harris和SIFT算子相结合的图像配准算法,首先应用Harris算子提取特征点,然后删除质量较差的特征点;再为其余特征点分配SIFT特征向量并匹配特征点;然后利用投票策略提纯匹配点;最后使用PROSAC改进算法估算变换模型.实验验证了本算法性能.

基于改进SIFT算法的超声图像配准研究

针对SIFT算法对医学超声图像提取关键点数目较少的缺点,本文提出了采用HARRIS角点改进SIFT算法的方法,有效提取更具有结构意义的关键点数目,提高超声图像配准精度。此外,为进一步提高配准精度,增加一步互信息算法对图像进行精配。实验结果表明,本文算法是一种快速、高精度、全自动的医学图像配准算法,并可有效地提高配准精度。

基于Harris算子和方向场的图像配准算法

为解决光照剧烈变化情况下图像难以精确配准的问题,结合Harris角点提取和方向场算法方向提取特征稳定的优势,提出了一种对光照剧烈变化不敏感的图像配准算法。首先使用Harris算子提取特征点,接下来使用方向场算法计算特征点及其邻域像素点的方向特征,以提高特征点的抗光照变化特性,并构建特征点的描述向量。再使用双向最近邻算法匹配特征点,根据相对偏移量计算,剔除误配点,最后使用随机抽样一致(RANSAC)算法提高特征点匹配精度,得到图像间的几何变换参数,完成图像配准。实验表明,该算法可以实现像素级精度的图像配准。相比尺度不变特征变换(SIFT)算法,该算法可以提取更多的特征点,配准成功率提高22%,配准精度提高2.34%,在光照剧烈变化且在SIFT算法无法配准的情况下依然能准确配准图像,具有更好的抗光照变化特性。

基于改进的SAR-SIFT的SAR图像配准

在SAR图像配准中,针对SAR-SIFT算法在SAR图像配准中通过计算整个局部区域的梯度值,然后进行统计分析确定主方向,导致时间复杂度高且易受外界干扰的问题。本文对算法中的主方向分配进行改进。首先,对特征点邻域中的像素方向梯度进行累加,构成区域Harris矩阵,再用区域Harris矩阵代替梯度直方图来计算特征点邻域的主方向。然后对主方向取绝对值,抑制强度反转现象。实验结果表明:与SAR-SIFT算法相比,改进的SAR-SIFT算法匹配性能更好,计算效率更高。

一种改进SIFT算法研究

针对SIFT特征配准算法中的特征点检测算法复现率偏低的问题,该文提出了一种具有尺度不变特征变换描述特征的Harris图像配准算法(S-H算法)。主要介绍了算法的主要思想、详细过程,并且通过实验证实了算法配准的精确性、快速性和稳定性,具有较好的配准效果。

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。

基于卷积神经网络结合改进Harris-SIFT的点云配准方法

针对传统点云配准方法在处理大型点云模型时存在计算量大、效率低和移动扫描配准实时性较差等问题,提出基于卷积神经网络结合改进Harris-SIFT(Scale Invariant Feature Transform)的点云配准方法。首先改进Harris-SIFT算法,使其可以提取三维空间中点云模型的稳定关键点。进而将关键点的加权邻接矩阵作为卷积神经网络的输入特征图,实现源点云和目标点云关键点的预测匹配。然后基于匹配的关键点,采用迭代最近点(ICP)算法实现点云数据的精配准。相较于传统的点对点配准,所提方法不需要生成对应关系的点描述符,解决全局搜索开销大的问题。实验结果表明,相较于ICP算法,所提方法能够较好地完成即时点云配准,且计算量小,耗时短,效率高。

改进多尺度特征提取的图像配准算法研究

利用Harris-Laplace算法对一幅图像进行多尺度特征点检测时,图像的局部结构在一定的尺度范围内被多次检测到,从而产生冗余点。冗余点不但增加了后续配准的计算量,同时由于这些表示同一局部结构的冗余点在位置和尺度上的差异降低特征匹配精度导致误匹配。通过对表示局部结构的特征点进行选择,提出了Harris-Laplace的改进算法。利用改进Harris-Laplace算法结合SIFT描述子,通过设定最小距离与次最小距离的阈值实现了图像的自动匹配,与原来算法作了大量的对比实验。实验结果表明,该算法不仅具有更好的旋转、光照和尺度不变性还具有获得稳定数量的匹配点的特性。同时,由于该算法相对于原算法在特征检测阶段减少了大量的冗余点,所以提高了图像配准的速度并降低了误匹配。

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。

药用玻璃瓶印刷字缺陷检测的算法研究

药用玻璃瓶在传送的过程中可能会发生平移、旋转或者受到噪声的影响,目前药瓶印刷字还没有有效的方法来检测;为了准确的检测出印刷字的缺陷,比较了两种检测的方法:Harris与归一化互相关(NCC)相结合的匹配方法、SIFT(scale invariant feature transform)与欧氏距离相结合的匹配方法;将这两种方法应用到药瓶印刷字检测系统中,选出最有效的方法。实验结果表明:与Harris相比,SIFT方法能够更准确地提取图像的特征点,且与欧氏距离相匹配的正确匹配率高,可达到理想的实验效果。

改进SIFT小型无人机视频序列图像自动拼接方法

针对小型无人机视频序列图像视点离散、视角变化有一定运动规律的特点,本文结合Harris特征点和SIFT特征向量的优势,研究实现图像的自动配准;并采用光度对准的方法和加权平均的方法消除光度差异,较好地实现了视频序列图像的无缝拼接。实验证明该方法在图像拼接的准确性、效率等方面较经典的SIFT算法有较大提高。

基于点特征的多源遥感影像高精度自动配准方法

提出了一种基于点特征的多源遥感影像高精度自动配准方法。该方法采用了由粗到精的配准策略。首先利用SIFT算子和一次多项式实现影像的粗配准,粗配准后的影像和参考影像将处于同一尺度(像素采样间隔)和参考坐标系下。其次在粗配准后的影像上提取分布均匀的特征点,根据前一步得到的影像间的坐标关系,在参考影像上确定一个较小的搜索范围,使用相关系数匹配出同名点,同时用Baarda数据探测法剔除粗差。最后根据同名点构建三角网对影像进行精配准。实验结果表明:该方法能够实现多源遥感影像的高精度配准。