基于MIC-SURF的快速图像匹配算法

在序列图像匹配应用中,最小亮度变化(MIC)算法存在角点漏检、对噪声敏感、不具有旋转不变性等缺点,降低了特征点检测的精确性和快速性。针对该问题,对MIC算法进行改进,并与加速稳健特征(SURF)算法相结合,提出一种快速的图像匹配算法。对图像进行自适应平滑滤波,在图像的非平坦区域运用8邻域像素相似法检测需要的几何角点,并采用SURF算法对检测到的特征点进行描述和匹配。实验结果表明,与SURF算法、最小核值相似区-加速稳健特征算法相比,该算法在图像发生旋转变化、噪声变化、亮度变化和仿射变化时都可以提高图像匹配的速度和准确率。

一种改进的MIC的角点提取方法

针对基于多格算法的MIC角点检测方法易混淆边缘点和角点、遗漏角点及角点定位不够精确等缺点,在采用高分辨率的图像后,对低分辨率图像中的候选角点周围的2×2的像素点进行进一步计算,明显地减少了原算法由低分辨率到高分辨率的变化过程中角点的漏检和虚报的概率,同时用梯度的概念进行自适应插值,通过它对角点的候选点作进一步的筛选。测试结果表明提出的方法比改进前的MIC多格算法具有更好的效果。

一种改进的快速角点检测方法研究

传统的Harris角点检测算法检测率和可重复率高,但无法满足实时性要求,而Trajkovic等提出的角点检测器虽然计算量小,但是易对边缘产生伪响应,针对这些问题,提出一种新的基于Harris的快速角点检测算法。该算法使用多格算法,并使用四个基础方向上最小强度变化作为预处理结果,再使用自相关矩阵得到角点的响应函数。实验结果表明,新算法改进了Harris算法和MIC算法,能够有效地抑制边缘响应及纹理角点,并且能够满足实时性要求。

改进的航拍图像序列背景运动补偿技术

针对航拍图像序列提出用于提取图像特征点的最小亮度变化算法。利用特征点进行运动矢量估计,使用自适应十字模板搜索算法找到各个特征点的匹配点,结合随机样本一致算法估计背景运动模型的仿射变换参数,实现一种改进的背景运动补偿技术。该技术保障了航拍图像中运动目标检测的有效性。

基于图像局部加权熵和自适应阈值的角点检测算法

针对Harris角点检测算法在应用中实时性较差和运算量较大,同时抗噪能力较差等问题,提出一种基于Harris算法的改进算法,利用图像局部加权熵与最小亮度变化(MIC)算法相结合的方法进行角点检测。首先,运用图像局部加权熵算法思想,初步得出候选角点集;然后计算Harris算法的角点响应函数(CRF)值,将候选角点按CRF值大小差分为三类;最后使用自适应模板和阈值的MIC算法进行角点检测,得出最佳匹配点。实验结果表明,该方法提高了原算法的实时性,增加了角点提取数量和准确性,并且能够有效去除大多数伪角点。