基于对数极坐标变换的快速相关匹配算法

成像制导过程中,需要在导引头获得的图像中搜索目标所在位置。基于对数极坐标变换的相关匹配算法能够有效处理在尺度、旋转等情况下目标的匹配问题,但是计算量大、匹配效率低,因此提出一种基于对数极坐标变换的多分辨率快速相关匹配算法。首先,通过定义主梯度方向,并将该方向作为对数极坐标变换的角度变换基准,有效避免了模板与目标特征矩阵基准不同的问题;其次,在多分辨率金字塔搜索过程中,采用图像方差作为判断依据,跳过同质区域和杂乱区域等非目标区域,加快搜索效率。仿真结果表明,该算法相比传统多分辨率相关匹配算法能够保证匹配精度并提高算法对于非线性光照变化的鲁棒性,匹配效率显著提高,具有实时处理的潜力。     

基于NProd相关系数和人工免疫的激光图像匹配算法

为克服同源激光图像灰度匹配的匹配速度慢、易被干扰等不足,建议一种基于NProd相关系数和人工免疫的灰度校准匹配方法。NProd相关系数作为相似性度量函数,具有匹配准确、鲁棒性好的优势。对人工免疫算法进行改进,引入动态种群变异操作进行并行搜索,提高了灰度匹配算法的匹配速度。仿真实验表明：该算法具有匹配精度高、鲁棒性强和实时性高的优点。     

基于点特征的干涉合成孔径雷达(InSAR)复图像自动配准算法

 在基于点特征的遥感图像配准过程中，特征点的自动提取和准确匹配是影响配准精度的关键。本文提出了一种干涉合成孔径雷达(InSAR)复图像对的自动配准算法，利用特征点的高曲率结构设计了模板，完成了特征点检测；根据匹配点对之间距离相近的结论设计了匹配算法，进行了特征点对的匹配。文章首先通过边缘检测和模板相关提取特征点；其次根据提出的匹配算法建立点的对应关系；最后利用两步法完成复图像的亚像元级配准。实验结果表明，该算法具有较高的配准精度。     

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。     

一种基于边缘特征的改进ORB算法

ORB算法运算速度快,抗旋转变换能力好,但对可见光和红外图像匹配效果较差,为解决该问题,提出了一种基于边缘特征的改进ORB算法。该算法首先针对传统canny算子需要人工设定阈值的缺点,采用基于改进最大类间方差（Otsu）的自适应canny算子对图像进行边缘检测,然后对边缘图像进行ORB特征检测与描述,最后在最近次临近粗匹配的基础上进行RANSAC算法精匹配,提高了算法正确率。实验结果表明,该算法对可见光与红外图像匹配具有较好的鲁棒性,正确匹配点数和正确匹配率均比ORB算法高,能推广使用到可见光和红外图像融合等领域。     

改进的图像相关匹配算法

将遗传算法用于低对比度小目标图像相关匹配跟踪,提出了改进的快速图像相关匹配算法。结合图像匹配本身的特点,采用新的编码方式克服了二进制编码的缺点。采用NPROD匹配准则在同样的匹配效果条件下,提高了匹配精度,该算法在计算速度上较原始算法提高了至少12倍以上,同时该算法还具有每帧图像匹配计算时间基本恒定的优点,便于在实际系统中采用。实验结果表明该方法可以有效地跟踪低对比度小目标。     

民用航空器注册号识别的鲁棒性方法研究

为了提高空管自动化水平并降低运行成本,提出一种基于计算机图像处理技术的民用航空器注册号识别方法.首先将全局阈值分割算法与形态学分割算法结合,实现对航空器图像中注册号的精确定位.然后采用主成分分析法解决注册号倾斜校正问题,并分别针对粘连和非粘连情况的注册号字符进行有效切割.最后利用基于特征提取的模板匹配算法,完成对注册号字符的准确识别.在此基础上,基于MATLAB搭建实验测试平台对上述方法进行仿真验证.实验结果表明,方法能够针对不同角度拍摄的航空器图像快速、准确地识别其注册号,单幅图像识别耗时在0.5 s左右.相比于其他方法,在图像拍摄方面要求较低,有效性与鲁棒性较高,计算速度较快,可以满足实时监控的需求.     

基于Census变换和改进自适应窗口的立体匹配算法

 针对现有立体匹配算法难以在幅度失真图像中获取高匹配精度的问题,提出了一种基于Census变换和改进自适应窗口的立体匹配算法。首先根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口;其次利用Census变换的Hamming距作为匹配代价,使用两次累加降低计算复杂度,采用局部优化得到初始视差;最后提出一种基于均值偏移的视差提精方法,有效地处理了不可信视差区域,获得高精度的视差图。实验表明,通过该算法获得的视差图与当前优秀的局部算法相比精度相当,特别是能很好地处理现有算法难以解决的幅度失真问题,适用于无人机视觉导航的应用。     

复杂地形下基于三视约束的景象匹配方法

 景象匹配通过将飞行器实拍图像与机载的基准图像比较而进行导航。当飞行高度较低时,由地面大起伏引起的实时图几何变形会严重影响匹配性能,造成匹配精度下降甚至出现误匹配,这一问题严重制约了现有景象匹配系统的应用范围,比如无法应用于建筑林立的城镇地区和梯田、丘陵地带。本文首先推导了小视场内无几何变形的高空竖直透视投影模型;在此基础上,依据三视约束关系,把相邻两幅下视实时图像的特征赋给该透视模型所成的像,得到消除几何变形的特征模板,再和基准图进行匹配。因此,所提方法不仅能处理由飞行器姿态引起的实时图几何变形问题,而且适用于城镇等地面存在较大起伏的地形。理论分析和仿真实验表明,该算法取得了较好的结果,具有良好的环境适应能力,实用性较强。     

基于SAR图像匹配结果可信度评价的INS/SAR自适应Kalman滤波算法

在惯性导航系统（INS）/合成孔径雷达（SAR）组合导航系统中，SAR图像易受斑点噪声的影响，图像匹配的精度对整个导航系统精度的影响十分明显，能够准确地分析SAR图像匹配过程中的误差特性，利用有效的图像匹配信息辅助INS进行组合定位尤为重要。针对上述问题，在加权Hausdorff距离匹配算法的基础上，对影响SAR图像匹配精度的因素进行了分析，提出了一种基于模糊推理的匹配结果可信度评价准则，经过可信度筛选，将有效的匹配信息与INS进行组合；对合理范围内的匹配误差变化引起量测噪声统计特性发生变化，进而导致Kalman滤波精度下降的问题，研究采用改进的Sage-Husa自适应滤波算法对量测噪声方差阵进行动态调整，使其更加接近系统的当前状态。搭建仿真验证平台对所提算法进行了验证，结果表明，该算法能够在合理的匹配误差范围内，有效地筛选出可信的图像匹配结果，相比常规Kalman滤波算法，显著地提升了INS/SAR组合导航系统水平方向的定位精度。     

基于TERCOM-ICP联合算法的水下地形匹配方法研究

水下地形辅助导航一直是应用于AUV的热点和前沿问题，有助于修正惯导随时间积累的定位误差，以实现精确的导航定位。对经典地形匹配方法TERCOM算法进行了简单的介绍，引入点云配准领域的ICP算法，针对多波束测深系统可以获取地形剖面的特点，提出了一种TERCOM-ICP联合匹配算法。首先使用TERCOM算法粗匹配，将粗匹配后的大致位置作为指示输入ICP算法中进行精匹配，通过仿真实验对TERCOM算法的匹配结果和ICP算法的匹配时间作对比分析。仿真结果表明：TERCOM-ICP算法可以有效提高水下地形匹配精度，经过仿真实验测试，平均匹配误差可以达到20 m以内，所用时间在160 s以内，验证了该算法应用在水下地形匹配领域的可行性，更好地满足了水下辅助导航的要求。     

空中运动目标的识别和跟踪控制

针对空中运动目标的识别和跟踪,提出图像匹配算法和连通域算法相结合的方法。该方法主要用图像匹配算法获得目标的位置信息,当图像匹配算法失效时,则采用连通域算法重新捕获目标、获得图像模板。同时,为提高跟踪的实时性,采用最小二乘线性预测法来预测目标的运动轨迹。在实验室的目标跟踪系统平台上,该方法能够对运动目标进行稳定的识别和跟踪。     

基于模板匹配的集中式多传感器群内目标精细跟踪算法

为解决多传感器探测下群内目标精细跟踪的难题,基于非机动情况下各探测周期内群内目标真实回波位置相对固定的特性,提出了一种基于模板匹配的集中式多传感器群内目标精细跟踪算法。该算法通过预关联成功的群状态集合与群量测集合分别建立模板形状矩阵和待匹配形状矩阵,利用匹配搜索模型和匹配矩阵确认规则选出代价最小的匹配矩阵,并基于模板和对应的匹配矩阵利用 kalman滤波完成群内各目标航迹的状态更新。仿真表明,与传统多传感器多目标跟踪算法中性能优越的基于数据压缩的集中式多传感器多假设算法相比,该算法在跟踪精度、实时性、有效跟踪率方面的性能明显优越,能很好的满足群内目标精细跟踪的实际工程需求。     

回溯降维相干分布式非圆信号DOA快速估计

在相干分布式非圆(CDNC)信号波达方向(DOA)估计中,针对阵列输出矩阵扩展后维数增加带来的较大运算量问题,基于降维的多级维纳滤波(MSWF)技术,引入回溯优化思想,提出了一种快速估计算法。该算法首先利用信号非圆特性扩展阵列输出矩阵,然后通过MSWF递推分解快速求出信号子空间,避免了计算阵列协方差矩阵及特征分解,并且在递推过程中引入回溯优化机制提高了各级匹配滤波器的估计性能,最后由最小二乘(LS)或者总体最小二乘(TLS)得到DOA估计。仿真分析表明,所提算法与相干分布式非圆信号旋转不变子空间算法(CDNC-ESPRIT)性能相当,但复杂度得到了大幅度降低,相比于基于MSWF的非圆信号快速子空间(NC-MSWF-FS)算法,在较小的复杂度代价下大幅度提升了低信噪比时的估计性能,并且对初始参考信号的选取具有了较强的鲁棒性。     

水下重力匹配定位算法综述

随着重力测量和水下导航技术的发展,惯性/重力匹配导航技术因其精度高、自主性强和航时长等优点,已成为水下自主导航的重要研究方向。惯性/重力匹配导航系统主要由惯性导航系统、重力实时测量、海洋重力场背景图和重力匹配定位算法构成。重力匹配定位算法通过将实时测量的重力异常值与构建的重力场背景图进行匹配,得到水下运载体当前时刻的位置信息,是惯性/重力匹配导航技术的核心。本文详细介绍了重力匹配算法的技术发展现状,重点分析了具有代表性的ICCP算法、SITAN算法、矢量匹配算法及其衍生算法,并对惯性/重力匹配水下自主导航技术的未来发展进行了展望。     

交会对接成像敏感器的光点筛选改进

首先介绍了交会对接成像敏感器图像光点匹配算法.基于对在轨图像光点动态特性的研究,为解决交会对接过程中目标误识别、误匹配,以及匹配、适配过程严重耗时的缺陷,提出了光点形状筛选和光点大小分组2套匹配改进算法,并设计了基于光点形状大小动态特性改进的光点匹配算法.该方法以交会对接走廊中不同相对距离时目标光斑大小的最大差别为依据,针对每一个光点,仅将光斑大小与其在同一合理范围内的其他光点一起进行目标匹配.实验结果表明,该方法杜绝误匹配等异常错误的同时,极大地提高了运算效率.该方法可以成为在轨交会对接末段制导实时测算的重要保障,目前已在众多航天器在轨交会对接、空间交会逼近试验中使用.     

基于自适应Siamese网络的无人机目标跟踪算法

无人机已被广泛应用到军事和民用领域，目标跟踪是无人机应用的关键技术之一。针对无人机跟踪过程中目标易发生形变、遮挡等问题，提出一种基于自适应Siamese网络的无人机目标跟踪算法。首先，利用2个卷积网络构建一个5层Siamese网络，通过对模板特征与当前帧图像特征进行卷积得到目标位置；其次，利用高斯混合模型对以往的预测结果进行建模并建立目标模板库；然后，从模板库中挑选出最可靠的目标模板并以此更新Siamese网络的匹配模板，使Siamese网络能够自适应目标的外观变化；最后，引入回归模型进一步精确目标位置，降低背景对网络性能的影响。仿真实验结果表明：该算法有效降低了形变、遮挡等情况对跟踪性能的影响，具有较高的准确率。     

航拍视频拼图中基于特征匹配的全局运动估计方法

 主要研究了航拍视频拼图中的全局运动估计问题。根据航拍视频成像过程的特点,得出相邻帧之间全局运动的4参数近似变换模型,该模型参数较少,鲁棒性好且计算简单,任意帧之间的变换模型通过“帧到帧”的方式递归获得。提出了一种双向最近邻距离比的尺度不变特征(SIFT)的匹配方法,提取出有效的匹配点,并采用随机采样一致性(RANSAC)方法去除外点和估计全局运动参数。从试验结果可以看出,该方法估计出的全局运动参数精度高,鲁棒性好。     

一种基于相关的分层匹配与目标跟踪方法

提出了一种基于相关的自适应阈值区域匹配、匹配区域分层加权和模板自适应更新的目标跟踪方法,该方法能在序列图像中自适应地寻找最佳的动态阈值与更新模板;采用区域分层加权后经相关图形分析及实验验证,能使相关的目标最佳匹配区域更小,匹配中心更加突出且易于匹配,从而缩小了匹配范围,提高了匹配精度。同时提出了一种区域分层快速搜索算法,该算法能较大地提高匹配速度。实验结果表明该方法匹配精度高、匹配速度快、能克服不同光强背景及噪声干扰等影响,具有较强的实用价值。