基于自适应分数阶微分的SIFT图像配准

针对传统SIFT(Scale Invariant Feature Transform)配准算法中存在的特征点正确匹配率低,配准效果较差的问题,提出了一种新的自适应分数阶SIFT算法用于图像配准。首先根据图像的梯度模值和信息熵构建自适应分数阶的数学模型,自动计算每个像素点的最佳分数阶阶次;其次基于最佳分数阶阶次构造自适应分数阶微分掩模,并将其融入到SIFT算法中,提取到更多精确有效的关键点,从而提高了SIFT算法的精度;在SIFT算法的特征点匹配阶段,进行相似性度量时,增加了余弦相似性约束,解决了欧式距离不能够判定特征向量的空间位置关系的问题,进一步提高特征点匹配的准确率;并使用改进的随机样本一致性算法(Random Sample Consensus,RANSAC)进一步减少误匹配的特征点对;最后根据匹配的特征点对求解空间变换矩阵,从而实现图像配准。验证结果证明:本文算法的匹配精度较高,配准的质量也得到较明显的提升。     

全方位全景图像技术(英文)

论述一种从图像序列中重建出全方位全景图像的技术 ,旨在克服镜头只是纯粹的摇摄时许多成像条件限制。在块匹配算法中 ,如何选取最佳配准基本块对于增强算法的鲁棒性和性能是非常重要的。本文在包含主要视觉特征的高频图像中自动选取最佳配准基本块 ,为了能够减少累积的配准误差 ,采用了基于相位相关的、带旋转校正的全局配准算法 ,从而得到解决了平移和旋转的优化图像块。然后 ,采用了基于 Levenberg-Marquardt非线性递归型最优化算法 ,解决由于镜头的视差和不规则变形带来的局部误差。文中还采用平滑滤波器解决了在两幅图像镶嵌出可能由于累积配准误差而出现明显的条缝     

图像配准算法及其在航空发动机温度场检测中的应用研究

图像配准技术是图像融合的关键技术。对常用的图像配准算法进行了研究，并给出了实验结果，通过实验分析找出较优的图像配准算法，并将该算法用于航空发动机温度场检测中，取得了较好的图像配准效果。     

基于对极几何约束的景象匹配研究

提出了一种图像配准方法来解决实时图与基准图空间不对准问题。它是利用随机采样算法估计基本矩阵，恢复实时图与基准图之间对极几何．然后基于对极几何约束．剔除误匹配点．得到精确匹配控制点，计算出全局仿射变换，从而对实时图进行校正。该方法的特点是精确、稳定和全自动。采用真实图像实验结果表明，该方法是行之有效的。     

基于特征点互信息预配准的医学图像配准技术

基于最大互信息的医学图像配准算法近几年来成为医学图像处理领域的热点。由局部极值导致的寻优困难是困扰该算法的核心问题,混合优化算法成功地解决了互信息函数的寻优问题,但延长了配准时间。文中研究了互信息函数峰值周围的局部极值特征,提出安全区域的概念。利用特征点互信息理论,并结合多灰度级和多分辨率策略,提出一种基于混合优化算法寻优和特征点互信息预配准的改进型算法。经过模拟数据和实际数据配准实验证明,该算法在保证了配准精度的同时,提高了配准的速度,稳健性更强,具有临床推广价值。     

基于2幂子图像的图像拼接算法

图像拼接已成为基于图像绘制(IBR)方法中的一项重要技术,它也是虚拟现实、计算机视觉、计算机图形学、图像处理等领域的重要研究课题。本文提出了2幂子图像的概念,并给出了基于2幂子图像的图像拼接算法。这是一种新的快速有效的图像拼接算法,它对基于快速傅立叶变换(FFT)的相位相关度法的图像对齐方法进行了改进,从而减小了FFT的计算量,使改进后的算法对图像对齐更加快速和减小图像间重叠率。     

基于互信息的图像配准技术研究及应用

介绍了图像配准的基本框架和方法,提出了一种基于灰度信息的配准算法,利用互信息作为图像相似性度量的准则,通过Matlab实验证明了该算法的有效性。     

小波提取边缘特征点图像配准研究

提出了一种基于小波多尺度积提取边缘特征点的配准算法,利用差的绝对值和以及相关系数双重判据作为相似性度量标准,通过Matlab实验证明了该算法的有效性。     

基于相关点与几何约束的直线匹配方法

由于直线本身缺乏显著特征,使用点与直线相关联的方法可提高直线特征的描述能力。针对特征点间及直线间均存在误匹配的问题,提出一种基于相关点与几何约束的直线匹配方法。首先,将直线邻域内满足条件的特征点定义为直线相关点,利用相关点与直线构造仿射不变量来描述直线,通过度量仿射不变量的相似性进行直线初匹配;然后计算仿射变换模型,通过直线角度和几何距离位置约束进行精匹配,去除误匹配直线,得到最终匹配结果。实验结果分析表明:本研究算法不仅适用于发生仿射变换的各种图像,得到更多的匹配直线对,匹配精度高,对发生仿射变换的图像、纹理复杂和纹理简单的图像,均能取得较好的直线匹配效果。     

基于小波帧变换的多聚焦图像融合算法

提出了一种基于小波帧变换的多聚焦图像融合算法,本算法首先对图像进行小波帧变换,然后利用多聚焦图像的特点,采用区小波能量取大原则对高频系数进行融合,采用区域空间频率取大原则对低频系数进行融合,并进行一致性检验,最后通过重构得到融合图像.实验表明,该算法相比于传统小波变换法,具有更好的融合效果.     

用于彩色图像分割的有效特征分析(英文)

提出了一种基于分析特征分割贡献的彩色图像分割方法。该方法不受某一特定彩色空间的限制 ,有效特征的确定取决于所设计的特征编码器对被测彩色图像中各种彩色特征的分析结果。该技术不同于以往的分割技术 ,自组织特征映射被用来构造特征编码器 ,使得编码器能自组织地分析不同彩色图像的有效特征。当合适的彩色特征和初始参数给定后 ,模糊聚类技术被用于最后的分割处理。该方法已经应用于不同类型的彩色图像分割处理 ,实验结果说明了该技术明显优于传统的聚类技术。研究表明 ,特征编码为彩色图像分割的自动化和最优化提供了保证。     

基于视频的行人再识别

行人再识别是指在无交叉区域的多摄像机视频监控系统中,匹配不同摄像机中的相同行人目标。本文提出了一种基于视频的行人再识别方法,用HOG3D来描述一组视频的时空特征,在训练集上用预训练的DenseNet来微调模型参数,利用迁移学习得到的模型来提取视频中行人的表观特征,融合两种特征来描述视频序列中的行人。最后将融合的高维特征降维,并用度量学习方法计算行人对之间的距离。本文在PRID 2011和iLIDS-VID这两个视频数据集上进行了使用,实验结果表明本文的方法取得了较高的累积匹配得分。     

基于阴影信息的多视角SAR图像识别

传统的SAR图像识别技术主要基于目标的电磁散射特性,而目标阴影信息对SAR图像目标识别具有重要的作用。若能获取同一目标在多个方位角下的多幅SAR图像,可改善目标识别的性能。针对该问题,本文提出了一种基于隐马尔可夫模型及阴影信息的多视角SAR图像识别技术。该技术提取目标阴影形状的链编码作为特征向量,并结合同一目标在不同方位角下的多幅图像的特征向量,生成该目标的特征序列,然后利用HMM对特征序列进行识别。仿真结果表明,该方法可有效实现SAR图像目标识别。     

一种简单可靠的昆虫扑翼运动图像序列自动分析方法

目前高速摄影相机和多相机系统广泛地用于记录昆虫奇妙的飞行运动,然而分析这些运动图像序列的方法却不能让人满意.提出并测试了一种简单可靠的昆虫飞行图像的自动分析方法.该方法充分地利用了图像序列中相邻两帧间的差别,可自动提取出昆虫的特征点(翼尖点,翼根点,头部端点,腹部端点)和轮廓线(翼前缘轮廓,翼后缘轮廓).采用MATLAB实现并使用虚拟昆虫和真实昆虫运动图像序列测试了该方法.测试结果表明,该方法简单可靠,无需人工干预,不针对特定昆虫,运算量也较小,且能够提供较好的识别结果,甚至在处理昆虫的身体和翅膀部分重叠或者昆虫的翅膀图像呈现明显的透明的图像序列时候结果依然不错.该方法给昆虫图像的形态学特征自动识别难题提供了一个切实可行的解决方法,节省了昆虫扑翼运动图像的分析时间.     

多视图场景确定下的空间点位置视觉标定方法

针对空间特征点三维位置标定问题,提出一种多视图场景确定下的空间点位置视觉标定方法。该方法基于计算机视觉原理,通过在场景内放置棋盘模板确定图像场景位姿参数,而后根据多视图图像下的空间点图像坐标和场景位姿参数求解空间点三维位置坐标。试验结果表明,该方法下的空间点标记位置与真实位置间的距离误差小于1 mm,适用于高精度要求下的特征点位置标定。     

三维PIV透视成像粒子定位的可确定性

三维粒子成像测速 (PIV)的透视成像分析方法中 ,在运用体积光照明并从多个不同光轴方向用多台照相机或摄像机同时获得PIV图像后 ,根据多幅不同光轴的PIV图像的透视性质 ,运用物点三维定位的透视成像定位原理和方法 ,可通过找出各透视面上像点所对应的透视射线的交点来确定相应粒子的三维位置。问题在于 ,尽管粒子所在位置上必然存在各像点相应的透视射线的交点 ,但反过来 ,相应的透视射线的交点上却未必存在着真实的粒子。换言之 ,示踪粒子与其像点相应的透视射线相交的交点间一般并不存在一一对应的关系。本文讨论了在给定透视中心和透视平面位置的条件下 ,由多幅不同光轴的PIV图像上的粒子的透视像点来确定粒子物点是否存在意义上的可确定性 ,并讨论了PIV图像上粒子像斑密度、尺度及其中心测量精度对粒子物点可确定概率的影响。     

PIV中提取速度信息的一种新方法

通过对PIV中粒子图像固有特点的研究，提出了一种新的速度信息提取方法。该方法先通过模拟人眼判断粒子图像中心点的过程来获得粒子的中心点，再利用这些中心点之间的相关关系求取速度。以内燃机缸内流场的PIV实测图像为例，通过与直接FFT变换求相关的方法进行比较，阐明了该方法的特点。     

SAR/INS组合导航中基于SURF的鲁棒景象匹配算法

在SAR/INS组合导航系统中,由于合成孔径雷达采用正侧视成像工作方式,会引起SAR图像的严重变形,而且获取的SAR图像还可能存在严重的斑点噪声。为了适应SAR图像的几何畸变和高斑点噪声影响,需要提取出的图像特征具有较高的鲁棒性。本文提出了基于SURF的导航用鲁棒景象匹配算法,算法首先针对惯性组合导航的工作特点,对SURF特征匹配进行了改进和优化设计,然后用RANSAC方法过滤掉错误和低精度的匹配点,最后,进行最小二乘精确匹配获取航向和位置偏差信息。通过仿真分析了算法对SAR图像的适应性、抗斑点噪声性能,匹配精度以及实时性,并与基于SIFT特征的景象匹配算法进行了对比。仿真结果表明,所提出算法性能优越,在匹配适应性、鲁棒性、匹配精度及匹配速度方面都优于SIFT算法,可以满足SAR/INS组合导航系统图像匹配修正的高性能要求。     

基于多特征综合的角点检测算法

角点检测是计算机视觉处理的首要步骤，本提出一种平面曲线角点检测的方法。首先，从人类视觉感知出发．给出角点两个重要性质作为对传统角点性质的补充，基于上述两个性质，模糊集合的概念被引入到检测问题。然后，给出三组包含角点隶属度的特征提取公式，综合三组特征，给出角点检测、定位、优选的判据。中最后给出算例检测结果和感兴趣部分的特征曲线，以及对历史献测试图像的检测结果。结果表明，本算法使用模糊集合理论，在实现上非常简单，检测效果也很理想。