抗旋转和尺度变化的导航系统图像匹配算法

在惯性导航系统中,定量分析了景象匹配过程中惯性导航系统漂移和无线电气压高度表测量误差对实测图的旋转和尺度所造成的影响,引入了对数极坐标变换.基于图像边缘特征提取,提出了一种结合中心点的4-邻域点共同参与计算的抗旋转和小尺度变化的图像匹配算法,并给出了相应的算法流程.仿真分析表明,在导航系统误差漂移所引起的图像旋转和气压高度表所引起的尺度变化范围内,该算法能满足匹配准确性的要求,并能有效给出系统的定位误差修正信息.     

基于MSD和ICCP改进的地磁联合匹配算法

如何抑制复杂环境中的航空器惯导误差发散,是实现航空器长航时高精度自主导航的关键。地磁导航是一种全天时、全天候的无源导航方式,其中,匹配算法是地磁匹配导航系统的核心技术。针对等值线匹配均方差（Mean square difference, MSD）算法无法校正航向误差、最近等值线迭代（Iterated closet contour point, ICCP）算法在初始误差较大的情况下易发散、实时性较差的问题,提出了一种改进的地磁联合匹配算法,采用粗精结合的策略,约束精匹配过程搜索范围并缩小初始误差,并在精匹配阶段采用动态窗口技术,提高算法搜索效率和实时性。仿真实验表明,该算法取得了良好的匹配效果,具有精度高、实时性好等优点,能够抑制惯导误差发散,适合航空器长航时工作。     

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。     

火星探测无人机快速景象匹配算法

针对火星无人机探测飞行过程的特点及其机载计算机的局限性,在充分研究了矩阵奇异值向量性质特点的基础上,对奇异值向量进行主分量分析,提出了一种应用于火星无人机平飞段的基于奇异值分解的分层快速景象匹配算法,并给出了与之相应的机载特征数据存储方法.与相关算法的对比性实验表明,本文提出的算法具有准确,稳定,且速度更快,数据量更小的优点.通过仅在飞行末段,将本文算法切换成现有的基于SIFT算子的匹配算法,能在实现火星无人机全程快速景象匹配的同时,有效降低对其机载计算机综合性能的要求.     

随机纹理图像的特征匹配鲁棒算法

针对三维外形测量以及表面位移、损伤、应变测量中的随机纹理图像,提出了一种特征匹配算法.该算法首先结合Harris角点探测和一个72维的角点特征描述向量,快速获取随机纹理图像对之间的粗匹配像点集合,然后通过灰度相关约束和视差梯度约束对粗匹配集合进行检验,剔除粗匹配集中的错误匹配.通过在误匹配剔除的过程中采用与粗匹配阶段相关联的自适应约束阈值,从而使最终的匹配结果不敏感地依赖于阈值参数的选取,而是在一个较大的取值范围内都能使最终结果在严格控制误匹配的前提下,得到足够多的正确匹配点对.通过实验对提出的方法进行了验证.     

基于图匹配的工程图纸检索

以图档管理系统的设计与开发为背景,提出了基于图匹配的二维图形检索模型.将不同复杂层次的图形元素构成抽象为空间关系图,使二维图纸具有统一的表示,因此将图形检索转化为不同信息粒度的空间关系图相似度计算,并通过增加结点及边匹配约束条件预测当前匹配状态的后继有效状态,有效地减少了空间关系图匹配过程中的状态搜索空间,提高了图匹配算法效率.空间关系图的表示及图匹配算法具有很好的实用价值,已在图档管理系统中得到较好应用.     

面向三维点云测量的双目立体匹配算法

在随机光场的辅助照射下,综合利用图像信息和几何约束信息,对匹配施加更多的约束,在匹配中即可以得到三维重建结果,从而使立体图像匹配和三维点云生成过程融为一体;提出了一种带权值的匹配窗口,在一定程度上改善了匹配效果;基于连续性约束,提出了用生长法给出初始匹配,可以极大地减少算法迭代次数,提高匹配速度.为了能够进一步提高算法的实用性,还讨论了灰度矫正处理方式对算法的影响.在实验中,完成了实际物体的三雏表面点云重建,并与典型商用系统进行了重建结果的对比分析,验证了本文算法在精度和三雏重建效果方面的优越性.     

基于权重的地图匹配算法研究

地图匹配算法如今被广泛用于GPS导航、城市道路交通状态分析等领域。当今城市交通网络复杂,数据量大,现有的地图匹配算法在精度和效率上无法同时满足。本文通过对传统的基于权重的地图匹配算法进行改进,引入网格划分的概念,对最短距离、方向、相对位置的权重叠加,来提高匹配过程的效率。该算法有效地利用GPS定位点的信息,正确、高效地完成匹配过程。     

三维曲面部分匹配的算法研究

将基于曲率分析的曲面片形状划分方法和几何哈希相结合，提出一种通用的空间曲面匹配算法。对待匹配的三维曲面模型，计算其网格顶点的主曲率和法矢；由主曲率和该点所在的曲面片类型来构造其无向脚标，有向脚标为该点的法矢。按照多重筛选标准生成数量少却有效的匹配点对，建立候选点对列表。由候选点对所生成的三维空间变换组成哈希表，运用双层哈希投票机制得出使模型能够正确匹配的三维坐标变换矩阵。实验表明，该算法适用于具有部分重叠的曲面模型的匹配，并能保证较好的匹配精度和速度。     

基于肤色分割、模板匹配与几何规则确认的人脸检测

提出一种以动态视频流彩色图像为研究对象,基于肤色分割、模板匹配与几何规则确认的人脸检测方法。实验结果表明,提出的算法具有较高的检测正确率和自适应能力,同时具有快速的检测速度。     

地磁导航的迭代评价匹配算法

针对现有地磁匹配基本算法在数据批处理上实时性能的不足和需要预先指定匹配数据序列长度的困难,提出了一种用于地磁导航的迭代评价匹配算法(Iterative evaluation matching algorithm,IEMA)。基于迭代求解思想,将算法时间分散在各个采样时刻,同时采用实时评价方式,在每一步迭代求解后根据实际情况来判断是否可以输出匹配定位结果。试验结果表明,迭代评价匹配算法应用于地磁导航是有效可靠的,并且它能够自适应调整匹配数据序列的长度。     

Scratch Detection Algorithm of Car Surface Based on Directional Color SUSAN Operator

The car surface scratch detection adopts the traditional manual detection with poor efficiency and high missing rate. Because of the gray mark and the background of car surface scratches,the traditional edge detection algorithm cannot meet the needs of car surface scratch detection. Therefore,the directional SUSAN algorithm based on CIELab color space is adopted in this paper. The direction template and the circle template to calculate the color difference of the color image are used in the algorithm which has been converted to the CIELab space. The edges and scratches are eliminated by matching and contrasting the detected image with the edge template. Experimental results show that the algorithm can effectively detect scratches on the surface of cars,improve the detection speed and reduce the undetected rate.     

激光捷联惯导系统角增量输入姿态算法

在对经典理想角增量输入的圆锥算法分析总结基础上,提出并推导了更为合适的经典角增量输入圆锥算法通式.在对经典理想角增量与实际工程滤波角增量的圆锥响应对比分析基础上,推导了滤波角增量输入圆锥补偿算法的补偿系数和误差主项通式.最后,利用文中讨论的理想角增量输入和滤波角增量输入圆锥补偿算法,结合激光陀螺惯性导航系统的频谱特性进行了大量的仿真验证.仿真结果表明,文中讨论的角增量圆锥算法有效,能显著提高激光陀螺捷联惯性导航系统的姿态精度.     

基于骨架角点的双目图像模板匹配算法

应用数学形态学算子抽取图像的骨架 ,根据图像骨架角点进行模板匹配。提出一种有效的双目图像的匹配算法。其特点是计算量小 ,匹配速度高 ,适用于角点明显的图像。     

基于多目立体视觉和神经网络标定的表面形貌测量方法研究

针对三维表面形貌的非接触式光学测量是计算机多目立体视觉技术的一项重要应用,但目前还存在相机个数受限、特征点匹配算法复杂与纵向测量精度不够等难题。开发了一种基于多目立体视觉和神经网络标定的表面形貌测量方法,其中包括:使用神经网络完成多目标定与三维重构,在表面投射激光点阵作为图像识别与匹配的特征点,应用蚁群粒子跟踪测速技术进行多相机间相同特征点的匹配。经实验测试,相较于传统基于小孔成像模型进行标定与基于核线约束或互相关算法进行匹配的立体视觉测量系统,所提出的方法可适配具有大光学畸变的场景,能有效提高测量的空间分辨率,深度方向的测量误差在1.0%～2.0%的水平。     

面向复杂场景的鲁棒KCF行人跟踪方法

经典核相关滤波(Kernel correlation filter,KCF)目标跟踪算法是判别式跟踪算法中效果最好的一种跟踪算法。但该算法不能很好地适应目标尺度的变化,且在遇到目标短暂消失或被其他物体遮挡等复杂情形时不具备处理目标重显的能力,因此,为使得目标跟踪能够有效地应对遮挡情形,本文从提高特征表达能力、增加尺度匹配策略和抗遮挡3个方面对经典KCF算法进行改进,提出了一种鲁棒的KCF行人跟踪算法。首先对方向梯度直方图(Histogram of oriented gradients,HOG)特征和色调、饱和度、值(Hue-saturation-value,HSV)特征的响应分布进行特征融合。其次,设置动态选择尺度池来改进滤波器的固定尺寸匹配。最后,通过滤波器响应最大值的变化率衡量目标的遮挡情况,并根据上一成功帧的目标信息,通过EdgeBoxes和感知哈希算法找回目标,更新滤波器。本文所提方法在公开视频跟踪数据集Benchmark上进行测试,实验结果表明与其他目标跟踪方法相比,本文算法提高了尺度变化、遮挡等复杂情形下跟踪的鲁棒性,确保了较高的跟踪精度。     

序列图像中直线边缘快速提取和匹配

针时飞行器视觉导航等实时性较强的应用,给出了一种在航空序列图像中进行直线边缘快速提取和匹配的方案。在提取直线边缘时,运用了当前速度较快的邻接元素标记方法,从而提高了直线边缘提取速度。而在时直线边缘进行匹配时,给出了一种分三步走的方案,并提出了一种能够有效降低噪声影响的度量方式。首先选择3条直线边缘作为参考模型,在直线边缘的方向、位置以及物理特性的约束下构建候选匹配基,然后在基于矢量技术的基础上确定与参考模型基相对应的匹配模型,在此基础上再确定其他直线边缘之间的对应关系。试验结果表明,本文的直线边缘匹配方法比现有的方法速度提高了30倍以上,能够有效地满足一些实时性较强的应用。     

平面非规则曲线匹配的一个判定条件

在平面非规则曲线匹配问题中，扫描平面非规则曲线而可以得到一系列不连续的点，如何尽量准确地求取这些点的曲率是一个难题。把相邻3个不连续点看作一段圆弧上的3点，在此基础上提出了一种求取3点中中间插值点切线的斜率的一种算法，并把这个斜率用到三次Hermite插值曲线中．求取插值点的曲率，每个插值点的曲率由相邻的4个点决定。两条平面非规则曲线上时应点的曲率相等则这两条曲线匹配。最后用扫描碎纸片的几组数据进行了实验，实验结果表明该算法是可行的。