本文探讨了图像拼接的关键技术，包括自适应NL-means滤波器、基于边缘特征的图像匹配（EBIM）算法以及优化的图像拼接方法。针对SIFT的特征描述符计算量大和错匹配问题，提出了改进的描述符生成算法和分块匹配策略，以提高匹配速度和准确性。同时，文章比较了不同特征点提取方法，如FAST特征点，指出它们在图像拼接中的优势和局限性。最后，讨论了镜头选择对大尺寸零件精密测量的影响以及基于视觉的边缘检测和图像拼接技术。
（1）《异源图像匹配关键技术研究》李壮
图像传感器本身结构、成像原理等方面的不同，导致异源图像上对应区域的灰度、对比度都存在较大的差异。因此，异源图像匹配是一项非常有难度的工作。
自适应 NL-means 滤波器
基于边缘特征的图像匹配（Edge Based Image Matching, EBIM）算法.
当异源图像间存在较大的旋转角度时，传统的基于区域的异源图像匹配方法需要同时在平移空间和旋转空间内进行搜索匹配，计算量较大，通常难以在导航、制导等对实时性要求较高的系统中使用。
（2）一种优化的图像拼接方法*章 盛，韩 超
(3)袁杰基于SIFT的图像配准与拼接技术研究
首先，针对sift生成特征描述符环节计算量大的问题，提出了一种改进的描述符生成算法。该算法用卷积运算来统计特征点子邻域的梯度信息，从而避免了频繁的计算子邻域的梯度直方图，且避免了大量的重复计算，提高了算法的快速性。
其次，在特征点匹配阶段
最低0.47元/天 解锁文章
413
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
