基于FREAK圖像配準(zhǔn)算法
快速視網(wǎng)膜特征( FREAK)描述子通過計算模式方向?qū)崿F(xiàn)了旋轉(zhuǎn)不變性,但對于旋轉(zhuǎn)尺度變化較大的情況匹配性能并不理想,誤匹配率較高,為此提出了一種改進(jìn)的基于FREAK描述子的精確圖像配準(zhǔn)算法。首先,對原有FREAK算法添加長距離點(diǎn)對,設(shè)定距離閾值,只利用關(guān)鍵點(diǎn)采樣模式中距離較遠(yuǎn)的點(diǎn)來生成角度信息。其次,對Hamming距離進(jìn)行加權(quán)。對每一個關(guān)鍵點(diǎn),在為了生成描述子選擇點(diǎn)對時,對訓(xùn)練數(shù)據(jù)描述子的每一列計算均值,越接近0.5的列權(quán)值越大,改進(jìn)了原來Hamming距離計算粗略的狀態(tài),使距離計算更精確。最后,使用最近鄰匹配結(jié)合最近鄰和次近鄰的比值以及隨機(jī)抽樣一致( RANSAC)方法進(jìn)行快速匹配和優(yōu)化。實(shí)驗(yàn)結(jié)果表明,改進(jìn)算法更適用于旋轉(zhuǎn)尺度變化較大的環(huán)境及匹配性能要求較高的場合。
目標(biāo)匹配、圖像拼接、3D重建、目標(biāo)識別等計算機(jī)視覺應(yīng)用都依賴于圖像配準(zhǔn)。圖像配準(zhǔn)的通用方法是提取圖像中的關(guān)鍵點(diǎn)進(jìn)行比對處理。尋找有效的關(guān)鍵點(diǎn)描述子,使其對尺變變換、旋轉(zhuǎn)變換、仿射變換和噪音等都具有較高的魯棒性,成為近十幾年的研究熱點(diǎn)。隨著大數(shù)據(jù)的發(fā)展和視覺算法在智能手機(jī)及嵌入式設(shè)備上的應(yīng)用,使描述子同時具備簡潔的描述方式、良好的表征能力和快速的比對計算過程,成為新的研究趨勢。
非常好我支持^.^
(0) 0%
不好我反對
(0) 0%
下載地址
基于FREAK圖像配準(zhǔn)算法下載
相關(guān)電子資料下載
- 機(jī)器視覺:圖像配準(zhǔn)方法分類 1057
- 預(yù)訓(xùn)練擴(kuò)散大模型取得點(diǎn)云-圖像配準(zhǔn)SoTA! 452
- 機(jī)器視學(xué)習(xí)筆記:圖像配準(zhǔn) 566
- RGBD相機(jī)的標(biāo)定和圖像配準(zhǔn) 2023
- 圖像處理如何解析圖像配準(zhǔn)經(jīng)典難題 450
- 淺談醫(yī)學(xué)成像技術(shù)及醫(yī)學(xué)圖像配準(zhǔn)的評價 2941
- 針對視覺SLAM的VO穩(wěn)定的圖像配準(zhǔn)算法解析 769
- 一篇關(guān)于CVPR‘21使用RL做點(diǎn)云圖像配準(zhǔn) 3009