基于边缘相似性的异源图像匹配

异源图像匹配是视觉导航、多源图像融合分析的关键步骤之一。对于成像机理差别较大的异源图像,如SAR图像和可见光图像,采用传统的异源图像匹配算法难以得到满意结果。本文提出一种基于边缘相似性的异源图像匹配方法,首先分别提取待匹配图像的边缘特征点集;然后计算基准图的边缘距离场;最后基于边缘相似性模型,通过实时图边缘图和基准图边缘距离场计算边缘相似度,寻找相似度最大的变换参数即为最终匹配参数。采用SAR与可见光图对方法进行了测试,结果表明,这种方法能够快速可靠地实现异源图像匹配。     

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。     

面向多种图像匹配算法的硬件实现

主要叙述面向多种图像匹配算法的硬件实现方法,即采用相对较低性能的DSP CPU加上算法硬件,高速地实现算法的运算方法.     

Hough变换在图像匹配中的应用

针对图像匹配中实时图存在旋转失真的问题,提出一种利用Hough变换提取图像中的直线特征及该直线的倾斜角,对实时图中旋转失真进行校正的方法。实验结果证明,该方法切实可行,能将图像匹配速度提高一个数量级,便于实时处理,同时其匹配精度依然较高。     

惯性组合导航系统的实时多级景象匹配算法

 针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求，提出一种实时多级景象匹配算法。算法分为两级，第一级粗匹配中提出了中心点4邻域的抗变形算法，能抗旋转和小尺度变化的影响，使定位精度达到像素级；第二级精匹配中提出了基于分支特征点，应用最小二乘法原理精确匹配定位出两幅图像间的最优相似变换参数，即飞行器的精确位置和航向偏差的算法。仿真分析表明，提出的实时多级算法能满足景象匹配辅助惯性组合导航系统实时性、精确性和鲁棒性的要求。     

基于双谱相位算法的无人机图像定位研究

由于传统的定位方法都有不同程度的缺陷,如GPS导航或者捷联惯导,所以借助图像匹配技术实现无人机导航定位具有重要研究意义。双谱中只提取相位信息,形成基于相位谱的算法,能很好地抑制不均匀的光照度变化等。首先以对数-极坐标方式进行相位谱的采样处理,然后由相位相关算法获取尺寸和旋转校正值。校正之后,再由相位相关算法进行2幅图像之间的平移配准。仿真结果验证了该算法不仅有很高的配准精度,而且有很强的稳健性。     

一种改进的基于灰度投影的图像匹配算法

为进一步提高基于灰度图像的匹配算法速度,在对图像进行一维灰度投影的基础上,利用序贯相似检测算法(SSDA)对一维数据进行匹配,从而得到一种改进的基于灰度投影的图像匹配算法。实验结果表明算法在保持精度不变的同时,提高了匹配速度。     

基于非参数边缘积分估计的局部特征描述子

为提高图像匹配性能提出了关于局部区域特征描述子的统计模型。该模型是一种基于梯度模值及方向分布的边缘积分函数模型。在离散梯度方向的边缘积分函数与梯度矢量场的模值累积方向直方图相同。采用基于核函数的非参数估计,估计了该函数,应用于尺度不变特征变换(SIFT)描述子。为了提高描述子的旋转不变性、独特性,降低运算复杂度,将特征点周围的局部区域作为圆形,由径向采样网格划分为8个子区域。在每个子区域估计边缘积分函数,特征向量由每个小块8个方向的函数值组成。实验表明,该描述子能够提高旋转变换的检测率(查全率),降低运算复杂度。      

GEO非合作目标超近距相对位姿视觉测量

提出一种基于几何特征综合匹配的双目超近距相对位姿视觉测量方法。首先,将失效卫星的矩形太阳帆板作为几何特征,采用综合匹配方法实现了双目图像的高精度匹配,随后基于几何特征指标参数判别和ROI检测方法,实现了卫星太阳帆板特征点组的识别与提取,在此基础上,进一步建立了目标坐标系,通过三维重建完成了超近距阶段失效卫星的相对位姿高精度解算。最后建立了高精度双目视觉超近距相对测量实验系统,结合所提出的综合匹配算法和相对位姿解算方法,完成了动态非合作目标的相对位姿测量实验,实验结果说明所提出的方法具有较好的实时性和较高的精度。