基于改进ORB-GMS-SPHP算法的快速图像拼接方法

针对传统图像拼接算法存在拼接速度慢、图像拼接有色差等问题，提出了一种基于ORB-GMS-SPHP算法的大视场多图像拼接方法。该方法首先利用高斯函数构建尺度空间，将高斯尺度空间划分为多个网格，在每个网格内借助FAST算法提取尺度空间特征点，使用BRIEF算法提取描述符并匹配，得到更加均匀分布的特征点；然后使用运动网格统计算法筛选匹配点；最后采用SPHP算法融合图像重叠区域，从而得到完整的拼接图像。将改进的ORB-GMS-SPHP算法与现有的传统特征点匹配算法在特征点匹配精度和特征点匹配速度进行对比与评价，验证了该方法特征点匹配速度快、精度高，并且可以保留更多的正确匹配点的特点。将该拼接方法与传统拼接方法在拼接速度、图像配准均方误差RMSE以及视觉主观判断拼接色差进行对比与评价，验证了该拼接方法具有较快的拼接速度、更高的拼接精度和无明显色差。该方法在2 736像素×3 648像素图像中,特征点匹配时间降低至6.463 s，图像配准精度RMSE降低至3.87。实验证明该方法特征点匹配速度快、精度高,且拼接精度高、无明显色差。     

基于无人机载图像的局部精细拼接算法

近年来随着机载光电载荷功能的不断完善,航空侦察监视任务对图像情报采集效率、质量均提出了更高要求。针对飞行场景干扰因素较多导致图像拼接质量较差的问题,提出了一种适应性较好的局部精细拼接算法。首先,综合点特征与线特征建立射影不变特征子进行精确局部预配准;然后,基于准单应变换与共线性评价准则建立网格优化目标函数,提出了一种透视关系改善方法以减小扭曲失真;最后,检索图像最优缝合线并优化融合效果。基于实际无人机载图像的实验结果表明：所提算法比当前先进算法均方根误差平均降低了0.2290,直线斜率保留能力平均提升了13.95%,一定程度上优化图像质量并改善扭曲失真,适用于无人机载成像领域。     

二维图像拼接技术研究综述

图像拼接是指将具有重叠区域的小视角、低分辨率的多张图像，经过相应的图像配准与融合算法，拼接成一张具有高分辨率、宽视角的全景图像。针对二维图像拼接方法，综述了将二维图像拼接技术应用于图像处理领域的最新研究进展，重点介绍和总结了图像配准方法和图像融合方法。其中，图像配准方法涵盖了基于SIFT、SURF和Harris点特征的提取方法。分析了各种算法的主要进展、典型算法的原理和优缺点以及国内外研究发展现状。最后，通过各种方法研究与应用情况推测，展望了未来图像拼接技术的发展趋势。     

惯性信息辅助的大视角目标快速精确定位

目标定位技术广泛应用于航空领域的侦察机、无人机等各类侦察打击任务中,目标定位精度的高低及效率对作战效果具有重要影响。针对仿射尺度不变的特征变换(ASIFT)算法对远距离大视角目标定位精度较低、速度较慢的问题,提出了一种基于惯性信息辅助的大视角目标快速精确定位方法。该方法首先对目标实测序列图像构造尺度空间,结合FAST特征检测与FREAK特征描述的方式进行匹配,实现对待定位目标的快速提取;然后利用机载惯性信息求解目标实测图与参考图之间的透视变换矩阵,利用该矩阵对实测图进行变换以减小图像间视角差异,克服了ASIFT算法盲目匹配计算的弊端,并通过FAST特征检测与FREAK特征描述相结合的方式提升了大视角图像的匹配速度;最后通过单应性矩阵映射关系实现对目标的精确定位。实验结果表明,大视角目标快速精确定位方法匹配耗时比ASIFT算法的减小了1个数量级,定位精度比目标平均值定位算法精度提高了1个数量级,有效提高了图像匹配定位在航空领域的应用效率。     

基于改进SURF算法的无人机遥感图像拼接方法

针对传统SIFT算法在无人机遥感图像拼接中存在的运算缓慢、误匹配较多且计算过于复杂,无法满足遥感图像处理的实时性要求等缺陷,以及由于采集到的图像之间存在曝光差异等情况,直接进行叠加拼接后极大可能会在边界处产生重影错位的情况,文章提出了一种改进的SURF算法与融合算法用于无人机的遥感图像拼接。首先,在特征检测阶段,将SURF算法与Harris角点检测算法2种算法相结合,快速得到图像的特征点与特征描述子;在特征匹配阶段分为粗匹配与精匹配2个步骤:通过KNN算法对待拼接图像间特征点的粗匹配,以及应用RANSAC算法去除误匹配点的精匹配;在图像融合阶段,采用了基于距离的加权平均算法进行图像融合;最后,实验表明:文章所提出的算法处理速度相比于传统SUFT算法提升了近5倍,相比于其他改进算法,匹配精度也有所提高,并且该算法能够有效提高图像拼接后的质量与效果,解决了拼接痕印明显、重影、错位等现象可能发生的问题。     

基于机器视觉的高精度螺孔定位方法研究

针对手工安装工件、劳动强度大以及效率低等问题,提出了一种基于机器视觉的螺孔定位检测方法.利用CCD摄像机实时采集局部待定位物图像,并对图像进行处理,提取螺孔坐标,然后通过物理坐标关系得到拍摄范围外的螺孔的坐标,最后经过eye-hand手眼标定转换到机器人坐标系下的坐标.该方法解决了受外界条件限制,对目标测量的过程不能一步完成的问题-实现了较大物件的自动、快速、准确定位功能.     

视觉与惯性融合的多旋翼飞行机器人室内定位技术

随着人工智能技术的发展，无人机的应用场景趋向多元，人们对无人机的需求也不仅仅满足于简单的飞行任务，而是赋予其飞行机器人的角色，对其自主导航、复杂环境下的定位以及智能协同方面提出了更高的要求。针对室内场景下的定位需求，融合视觉与惯性数据实现了多旋翼飞行机器人的室内定位。在视觉前端加入图像增强算法以提高图像灰度对比度，减少了光流跟踪的误匹配点数。提出了一种基于图像信息的特征点提取和图像帧发布策略提高了定位精度，解决了室内环境下的定位漂移问题。针对飞行机器人室内自主跟踪及降落任务，设计了基于视觉定位的飞行机器人自主降落系统。在Gazebo中搭建飞行机器人模型仿真验证自主降落系统有效性，在EuRoC数据集下对定位算法进行对比评估，搭建飞行机器人平台在真实场景下进行室内定位实验，完成了室内场景下平台自主跟踪及降落任务，并采用运动捕捉系统获取的定位真值数据进行了误差分析，结果表明该定位技术满足室内场景下的自主跟踪及降落任务需求。     

海陆交界非平稳场景星载ScanSAR扇贝效应抑制方法

扫描式合成孔径雷达(ScanSAR)因不受光线、天气影响,能够提供宽测绘带图像而被广泛应用在海洋监测领域。但ScanSAR图像的扇贝效应(Scalloping)和子带拼接效应(Inter-Scan Banding,ISB)严重地降低图像质量,尤其在海陆相接一类的非平稳场景下,干扰更为严重,影响图像的应用效能。针对上述问题,文章给出了一种基于图像分层和卡尔曼滤波的ScanSAR图像扇贝效应和子带拼接效应的抑制方法。针对非平稳场景,先进行图像分层处理使其满足线性卡尔曼滤波需求;然后,利用加性二维周期函数对子图层的扇贝效应和子带拼接效应进行建模;再将卡尔曼滤波器应用于条纹抑制;最后,对真实ScanSAR图像数据的有效处理结果验证了算法的有效性。     

基于视频图像序列的3-D场景生成方法

平面序列图像的立体化表述和任意视点成生是实现３－Ｄ场景的关键技术。利用便携式摄像机沿着不同运动轨迹,连续对目标物体进行拍摄,可获得不同层次的包含有双目视差深度的平面视点序列图像。从获取的序列图像中选择不同的视点,即选择参考帧,利用与参考帧相邻的帧图像,估计参考帧位置的深度信息。采用自适应匹配算法,将各种层次的深度信息分配给图像的不同区域,形成具有不同深度层次的图像深度表示图,建立３－Ｄ观察场景。最     

仿生复眼测量系统中全景图生成的研究

模仿昆虫复眼结构形状,设计了一种仿生复眼测量系统.该系统由七个CCD摄像机按照复眼最小单元排列组成,利用多个DSP处理板对七路视频信号进行同步处理,模拟实现了复眼的功能.与传统的视觉测量系统相比,该系统具有更宽的视场和更高的运动灵敏度.本文利用改进的相关性方法实现视频图像的拼接,生成全景图,并提出了新的方法,较好地消除了因图像局部不齐和图像灰度不一致带来的人为拼接痕迹.     

Adaptive Optical Target Detection Using Correlated Images

A method for target detection that achieves clutter rejection by the use of multiple observations of the same target scene is developed. Multiple scene observations can be obtained by processing separate frequency bands of the same target scene or by recursively processing sequential observations in time. Optimal detection algorithms are developed, based on the assumption that the image intensity can be modeled as a variable mean spatial Gaussian process. Several fast detection algorithms are derived which make use of the fact that the covariance matrices of many optical and infrared (IR) images can be accurately approximated by diagonal matrices. These algorithms provide efficient solutions to the problem of processing multiple correlated scenes or multiple sequential imaging. Computer simulations based on actual optical and IR image data were used for checking the theoretical results. The new detection algorithms achieved performance improvement in detection signal-to-noise ratio of up to 10 dB over conventional target correlation methods.     

基于组合跟踪的景象匹配分析评估方法

景象匹配飞行试验中,图像序列中存在的剧烈尺度变化及多种外界因素影响导致的几何变形等成像质量变化,增加了景象匹配全流程自动评估的难度.为了解决这个问题,提出1种基于组合跟踪的景象匹配图像全流程评估方法.首先,基于序列图关键帧选取原则,提出序列图关键帧匹配方法;然后将该方法与多种目标跟踪算法进行对比分析;再根据对比分析的结...     

子孔径拼接测量基本算法与迭代算法的性能比较研究

从原理上对子孔径拼接的基本算法与迭代算法即SASL算法进行了比较分析,提出利用SASL算法中重叠计算子问题的求解方法来确定基本算法中的重叠对应关系,并对两种算法的性能进行了对比研究。结果表明SASL算法对于子孔径的对准误差更不敏感,拼接测量结果更为可靠,且适用于平面、球面和非球面。     

Automatic spectral target recognition in hyperspectral imagery

Automatic target recognition (ATR) in hyperspectral imagery is a challenging problem due to recent advances of remote sensing instruments which have significantly improved sensor's spectral resolution. As a result, small and subtle targets can be uncovered and extracted from image scenes, which may not be identified by prior knowledge. In particular, when target size is smaller than pixel resolution, target recognition must be carried out at subpixel level. Under such circumstance, traditional spatial-based image processing techniques are generally not applicable and may not perform well if they are applied. The work presented here investigates this issue and develops spectral-based algorithms for automatic spectral target recognition (ASTR) in hyperspectral imagery with no required a priori knowledge, specifically, in reconnaissance and surveillance applications. The proposed ASTR consists of two stage processes, automatic target generation process (ATGP) followed by target classification process (TCP). The ATGP generates a set of targets from image data in an unsupervised manner which will subsequently be classified by the TCP. Depending upon how an initial target is selected in ATGP, two versions of the ASTR can be implemented, referred to as desired target detection and classification algorithm (DTDCA) and automatic target detection and classification algorithm (ATDCA). The former can be used to search for a specific target in unknown scenes while the latter can be used to detect anomalies in blind environments. In order to evaluate their performance, a comparative and quantitative study using real hyperspectral images is conducted for analysis.     

一种基于亚像素匹配的高精度视觉定位方法

大多数应用到无人机景象匹配导航中的匹配算法都只能满足像素级精度,且当无人机利用景象匹配定位时图像之间往往存在较大的视觉差异,这种情况下图像匹配精度低且性能会急剧下降。所以选用具有仿射不变特性的特征点进行匹配,结合高斯亚像素拟合原理及特征描述符简化方法,并采用渐进采样一致性(PROSAC)算法剔除误匹配点,最终实现亚像素级的景象匹配定位。实验结果表明,采用此方法可以大大提高图像匹配的精度,提高到0.05像素以内。     

Phase gradient autofocus-a robust tool for high resolution SARphase correction

The phase gradient autofocus (PGA) technique for phase error correction of spotlight mode synthetic aperture radar (SAR) imagery is examined carefully in the context of four fundamental signal processing steps that constitute the algorithm. We demonstrate that excellent results over a wide variety of scene content, and phase error function structure are obtained if and only if all of these steps are included in the processing. Finally, we show that the computational demands of the fun PGA algorithm do not represent a large fraction of the total image formation problem, when mid to large size images are involved     

基于加权的可见光与红外光图像融合算法

红外图像所含边缘等细节偏少、可见光又容易受外部环境干扰,融合图像可以提供更全面的信息,符合人或机器的视觉特性,为图像进一步分析、识别等提供基础。提出一种比值与梯度加权的可见光与红外光图像融合算法,结合小波变换在图像分解中的特性及信号集中的特点,将小波变换应用于红外光和可见光图像融合中可以提高融合信息的理解能力。针对分解获得的低频系数主要反映图像细节信息的特点,对低频系数采用比值加权分析融合规则;针对分解获得的高频系数主要反映图像边缘信息特征的特点,对高频系数采用改进边缘检测算子梯度加权的融合规则。选取多组图像进行了不同融合规则实验对比分析,通过客观评价指标进行评价,改进的融合算法可以获得较清晰的融合图像,可以增加图像的互补信息,并能较好地提高融合图像的清晰度。     

基于几何矩阵的增强虚拟现实

增强虚拟现实是组合真实场景和虚拟场景,以达到丰富真实场景的目的.针对摄像机相对景深做较小运动时所获得的视频,提出了一种基于几何矩阵的增强虚拟现实方法.摄像机在这种运动情况下,可以用一个几何矩阵来描述两帧之间的关系,这样就大大简化真实场景和虚拟场景的组合.同时,由于虚拟场景来自二维图像,因此,非常容易对准虚拟物体在视频中的位置.理论和真实视频实验表明,本文提出的增强虚拟现实方法具有计算量小和真实性强等优点.