基于极线几何的统计优化特征匹配算法

针对基于特征点的图像匹配中匹配数目不多以及重复结构下匹配较差等问题,提出了一种基于极线几何的统计优化特征匹配算法。利用正确匹配特征点之间满足对极约束的特点,从而可以减小特征点搜索区域,避免由于重复结构引起的误匹配对。首先使用一个小的特征点样本估计图像之间的基本矩阵,并利用它结合对极约束模型来引导特征匹配;然后利用基于特征点主方向和尺度信息的统计优化方法进一步消除误匹配,得到最终匹配结果。实验结果表明,该算法对图像的旋转和缩放变换具有良好的鲁棒性,匹配精度和数目有了很大提升,对于具有重复结构的图像匹配效果也较好。     

基于序列图像的自动目标识别算法

由于利用单幅二维图像进行三维目标识别存在识别的多义性,提出了一种基于二维序列图像的三维目标自动识别算法。首先以修正的Hu不变矩构造目标的图像识别特征,进而采用BP神经网络分类器构造关于目标融合识别的基本置信指派函数,以神经网络的训练误差构造证据理论不确定性度量,采用基于吸收法的DS证据理论实现高冲突证据的贯序式融合。对各姿态飞机图像识别的仿真表明,该算法对飞机的空间姿态变化具有很强的鲁棒性,能快速地准确识别飞机类型。此外,算法对先验性参数具有一定的鲁棒性。