1 光电控制技术重点实验室,河南 洛阳 471000
2 中国航空工业集团公司洛阳电光设备研究所,河南 洛阳 471000
随机抽样一致性(RANSAC)算法广泛应用于图像匹配领域,帮助图像匹配算法筛选并剔除误匹配点对,提高图像匹配的精度。经典的RANSAC算法存在计算数据量大、运算速度慢、样本适应性差等问题,无法满足图像匹配实时性和样本多变性的需求。针对以上问题,提出了一种基于自适应预检验和迭代阈值自适应相结合的改进RANSAC算法,并给出了具体的设计思路和工作原理。通过实验验证发现,该算法相比于经典的RANSAC算法,运算速度和样本适应性方面都有大幅提升。
图像匹配 预检验 迭代次数 自适应 image matching RANSAC RANSAC pre-test number of iteration adaptability
安徽工程大学电气工程学院, 安徽 芜湖 241000
总变分修复算法在去除图像划痕和文本时需要较多迭代,对边缘细节信息的保持性不理想,并且存在阶梯效应,修复后的图像峰值信噪比较低。针对这些缺陷,提出了改进的算法,在原算法正则项中加入对数运算以及附加方向梯度算子,从而避免了阶梯效应,减少了迭代次数,降低了图像在边缘细节处的平滑力度。仿真结果证明,改进的算法减少了迭代次数,并且可以很好地保留图像的细节信息,所修复的图像具有很好的视觉效果。
图像处理 总变分修复算法 迭代次数 对数运算 附加方向梯度算子 激光与光电子学进展
2019, 56(1): 011005
