首页 | 本学科首页   官方微博 | 高级检索  
相似文献
 共查询到20条相似文献,搜索用时 468 毫秒
1.
为实现两幅或多幅图像的拼接需要提取两幅图像中的特征点,并对所提取的特征点进行精确匹配。本文在应用SIFT方法提取待匹配图像中的特征点并对提取的特征点进行粗匹配基础上,对基于距离约束的特征点的精确匹配方法进行了研究。消除误匹配点对共分两个步骤:1)在一幅图像中取一个特征点计算与该特征点欧式距离最小的两个特征点,并取欧式距离最小值;利用粗匹配点,在待拼接的另一幅图像中同样求相应点间欧式距离并取最小值;若两值中的较小值与较大值之比大于设定阈值,则初步得到精确匹配点对。2)在一幅图像中顺序取初步判定位误匹配的特征点,计算该特征点与精确匹配特征点间欧氏距离,并取距离最小的两个特征点;在待拼接的另一幅图像中同样求相应匹配点间欧式距离并取最小值,两值中的较小值与较大值之比与设定的阈值比较可得到精确匹配点对。实验证明了该方法的有效性。  相似文献   

2.
为了克服传统灰度图像配准方法计算量大、适应能力差等问题,研究了一种基于SIFT角点的图像配准方法。比较了常用的两种特征点提取算子——Harris角点算子和SIFT特征点提取算子,通过性能对比选择SIFT角点作为特征点。SIFT算子提取的特征点可能集中在某一个小区域,采用最大统计滤波对图像进行非最大抑制的方法来进行角点分布的控制。实验证明该方法可以获得的角点分布比较均匀;针对特征点的匹配,首先采用LTS Hausdorff距离进行特征点的初匹配,然后采用基于Sampson距离的随机抽样一致性算法去除伪匹配的特征点对。实验证明,该方法可以实现图像的精确配准。  相似文献   

3.
针对三维重建技术的需要,提出一种基于SUSAN角点匹配的技术,实现了对多视角二维图像的精确匹配定位.该技术首先利用了相关匹配技术,对多幅图像中的相似区域进行粗略定位,再在该粗略区域内,分别提取SUSAN角点的位置,各视角图像中的角点均对应于空间的同一点.实验证明,该技术可以有效地计算出空间特征点的位置.  相似文献   

4.
以图像特征提取为重点,基于图像特征提取,相似性度量,以及图像质量评估算法,实现了一个相似图像检索的工具。本系统使用MATLAB编程语言,从图像预处理着手,进而用不变矩方法中的Hu矩的方法对图片形状特征进行提取,接着用相似性度量算法中的曼哈顿距离法对特征进行相似性匹配并进行图像分类,再用PSNR图像质量评估算法计算出每类图像中最好的一张并将其显示出来,最后再利用MATLAB的GUI实现一个简洁明了的用户界面,提供了方便人机交互的接口。系统界面清晰,操作简单,对相似图像的检测具有较好的效果。  相似文献   

5.
为改进随机采样一致性算法模型参数估计可能不是最优导致图像特征点配准率不高的问题,缩短特征点提取时间,提出一种结合Delaunay三角网格约束的自适应多尺度图像重叠域配准方法。采用自适应通用加速分割检测算法,快速检测出均匀稳定的特征点,并且用二进制特征描述子解决尺度不变性和旋转不变性问题。因传统随机采样一致性算法阈值选取和迭代次数的局限性,会掺杂部分难筛的误配点,在此前提下借助Delaunay算法剖分粗匹配点集,遍历计算网格间对应三角形相似度并储存在相似性度量矩阵中。依据Delaunay三角网特性,剔除相似度差异大的三角形,重构网格保存余下的匹配点集。实验结果表明,该方法特征点提取速率比FAST快15%~20%,特征点正确配准率比随机采样一致性算法提高约4.9%,不仅可自适应多尺度快速提取特征点,而且在保证特征点正确配准率基础上尽量多地保留有效特征点数量。  相似文献   

6.
处理无人机影像数据时,Harris角点检测算法具有较强的鲁棒性和稳定性。使用Harris角点检测算法时,影像边界处由于影像畸变影响,生成的特征点存在角点聚簇和伪角点的概率非常大,在处理该类问题时,通常是删除影像边界生成的角点。针对影像边缘特征点删除量的合理性进行了实验:先对影像生成特征点面积进行限制,用Harris算法提取特征点。然后用非极大抑制算法选取特征点,去除伪角点和聚簇的角点,生成最佳缝合线进行影像匹配融合。最后对比影像生成特征点面积和最后影像匹配效果,论证影像边缘删除Harris角点的合理量。实验结果表明,相对于传统的直接删除边界Harris角点方法,该方法更可靠更精确。  相似文献   

7.
一种遥感图像高精度自动拼接算法   总被引:1,自引:0,他引:1  
图像的自动拼接在地理信息系统和全景视频系统中应用广泛,但是传统的自动拼接算法在拼接含有大片相似区域的图片时精度不高,效果不理想.本文在传统算法的基础上,提出一种高精度的自动拼接算法,利用基于特征的算法提取特征点,利用基于像素的算法寻找匹配块,然后根据RANSAC原理精确计算图片的匹配关系.实验证实,该算法在图片包含大量相似区域及重叠部分相对较小的情况下,有比传统算法更高的拼接精度,而计算量并未增加.  相似文献   

8.
为避免相邻图像非重叠区域特征点被检测和提取,加速图像配准,提出一种基于相位相关法与改进SURF算法的快速图像拼接方法。该方法采用相位相关算法确定待拼接图像的重叠区域,限定SURF特征点检测、提取范围,用改进的SURF算法进行特征点匹配|然后根据MSAC算法剔除误配后的特征点匹配对,求取单应性矩阵,实现图像之间的快速配准|最后采用多波段融合算法对配准后的图像进行处理以消除拼接缝。实验结果表明,与传统算法相比,该方法可提高特征点匹配正确率,加速图像配准过程,完成拼接图像间的平滑过渡。  相似文献   

9.
提出了基于模糊不变矩和区域生长的篡改盲检测算法。该算法根据图像模糊原理,分析复制-粘贴篡改区域的特点,采用24个模糊不变矩表示图像子块特征;通过子块特征的相似度确定篡改区域的侯选种子,再根据侯选种子的邻域块对的相似度找出篡改区域的真种子,并通过中心连接区域生长法从真种子中生长出经过模糊的篡改区域。本算法对粘贴区域被模糊使之融入到背景之中的篡改图有较好的检测性能。  相似文献   

10.
介绍了双目立体视觉系统的软硬件构成,用改进的Tsai两步法对摄像机进行标定.利用Harris角点检测法提取工件的特征点,然后基于极线约束准则和灰度相似性计算,对左右图像中的特征点进行匹配,并计算出工件特征点的三维坐标.  相似文献   

11.
给出了一种利用数学形态学来提取数字图像中的角点且能够区分凸角中角点和凹角中角点的方法.此方法与Harris点方法通过实验比较,形态学角点算法不会依赖于要找角点数量的给定值,并且可以分别找出凹角上的点、凸角上的点这两类不同的角点,深化了对图像的描述和理解.  相似文献   

12.
Harris角点检测算法是一种非常有效的图像角点提取算法,提取的角点稳定可靠、均匀而且合理。用C#语言实现了Harris角点检测算法实现程序,并结合图例分析了该算法各种参数的设置。  相似文献   

13.
全景图能够提升旅游体验,是智慧旅游中重要的内容之一.文章改进了Harris算法中的梯度算子和角点响应函数,以减缓角点提取时的聚簇现象,降低角点冗余;改进了RANSAC算法匹配特征点的选取方式,降低了算法的运行时间.结合这两种改进算法,生成了长江黄金邮轮重要部位的全景图,提升了旅游服务智慧,满足了智慧旅游的应用要求.实验表明:两种改进算法具有特征点提取均匀、配准速度快的优点.  相似文献   

14.
基于特征的图像配准方法作为一种重要的图像配准方法,是近年来图像配准技术的研究热点。本文对BRISK算法进行了详细的描述。详细介绍了FAST角点特征提取算法、尺度空间构造以及尺度空间关键点检测方法、关键点描述方法和特征点匹配算法,给出了算法实现基本流程图。  相似文献   

15.
提出一种基于显著区域纹理谱特征的图像检索方法.首先计算像素点显著度,生成显著图;然后对图像的各个分割区域,按照显著图确定显著区域;再提取各个显著区域的纹理谱直方图特征;最后给出显著区域纹理谱特征的加权函数.实验结果表明,该方法能将视觉敏感度与纹理特征有效地结合起来,在不增加太多计算时间的条件下,提高检索质量.  相似文献   

16.
INTRODUCTIONMotioncaptureplaysanimportantroleinthecreationofspecialeffectsinmanyfields.Asidefromuseinfilmsandanimations,motioncapturehascomprehensiveapplicationsintheanalysisofathleteperformance ,medicaldiagnostics,surveillance ,videoretrieval,etc.Conven…  相似文献   

17.
冒伟 《教育技术导刊》2020,19(3):248-251
为解决传统谱聚类算法在图像分割时计算量大、使用单一特征分割的局限性问题,设计一种融合谱聚类和多特征的图像分割算法。首先进行超像素分割以减少计算量,分别提取每个超像素的颜色特征和纹理特征,构建超像素相似度矩阵|然后采用特征加权方法线性融合颜色和纹理特征的超像素相似度矩阵|最后采用谱聚类算法进行聚类分割。在UCMerced_LandUse和Berkeley数据集上进行实验测试,并与现有方法进行比较。实验结果表明,大多数实验图像IOU指标均在90%以上,相比于传统方法有了显著提高。  相似文献   

18.
Computer vision has very wide application in human motion capture research. This paper proposes a new approach to do motion capture in video. It is composed of image sequence based tracking of human feature points and the reconstruction of the three-dimension(3D) motion skeleton. First, every part of the human body from top to bottom is tracked on the basis of a human model. The image difference and a morph-block similarity algorithm based on subpixels are used. Then camera calibration is done using the line correspondences between the 3D model and the image. Finally the 3D motion skeleton is established by use of the model knowledge. This approach does not aim at a given mode of human motion. Rather, it analyzes large scale motion from frame to frame in complex, variational background, and sets up a 3D motion skeleton in the perspective projection. The experiment results are presented at the end of the paper. Project (69803009) supported by Natural Science Foundation of China (NSFC) and Key Project of National Development Planning Committee.  相似文献   

19.
提出了一种基于小波分解和混合环形投影特征的具有旋转不变性的图像匹配算法。首先在小波变换后的低频图上利用混合环形特征相似性算法得到一系列候选匹配点,然后对候选点在原图像对应的区域内作精确相关匹配得出准确匹配位置。混合环形投影特征值结合了均值投影和方差投影的优点,能有效反映图像的旋转不变性特征。实验证明该算法保持匹配精度的同时减少了匹配计算量,而且对图像的旋转不敏感。  相似文献   

20.
Image feature optimization based on nonlinear dimensionality reduction   总被引:1,自引:0,他引:1  
Image feature optimization is an important means to deal with high-dimensional image data in image semantic un- derstanding and its applications. We formulate image feature optimization as the establishment of a mapping between high- and low-dimensional space via a five-tuple model. Nonlinear dimensionality reduction based on manifold learning provides a feasible way for solving such a problem. We propose a novel globular neighborhood based locally linear embedding (GNLLE) algorithm using neighborhood update and an incremental neighbor search scheme, which not only can handle sparse datasets but also has strong anti-noise capability and good topological stability. Given that the distance measure adopted in nonlinear dimensionality reduction is usually based on pairwise similarity calculation, we also present a globular neighborhood and path clustering based locally linear embedding (GNPCLLE) algorithm based on path-based clustering. Due to its full consideration of correlations between image data, GNPCLLE can eliminate the distortion of the overall topological structure within the dataset on the manifold. Experimental results on two image sets show the effectiveness and efficiency of the proposed algorithms.  相似文献   

设为首页 | 免责声明 | 关于勤云 | 加入收藏

Copyright©北京勤云科技发展有限公司  京ICP备09084417号