一种基于小波分解的快速图像匹配算法

为了提高图像匹配的速度和精度,提出了一种基于小波分解图像匹配算法,该算法首先用Mallat算法对匹配图像进行小波多尺度分解,然后提取各级的边缘特征,最后在对图像进行多级分解的基础上进行匹配.该算法不仅减少了计算量,而且提高了图像匹配的精度.实验表明,提出的匹配算法在速度和精度上都是有效的.     

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。     

基于图像灰度的SSDA匹配算法

首先介绍了图像匹配的基本理论,图像的灰度失真、噪声等误差因素会影响匹配性能,并对SSDA算法进行改进,减小了计算量。为了验证算法的有效性,进行了大量仿真实验,结果表明这种方法匹配效果良好,相比于传统的图像匹配算法,计算速度更快、匹配误差更小、鲁棒性更好。     

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。     

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。     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

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。     

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。     

基于 SURF算法和 Kalman预测的运动目标跟踪

SURF(Speeded Up Robust Feature)特征提取方法是SIFT(Scale Invariant Feature Transform)算法的改进,具有速度快和精度高等特点,但其对于较大尺寸图像的匹配速度仍然有待提高。文章提出了一种将基于SURF特征匹配算法与卡尔曼滤波相融合的目标跟踪算法,该算法用特征点的中心近似目标最佳位置;通过卡尔曼滤波预测出当前的目标位置,建立自适应匹配窗口;最后,应用SURF算法提取窗口内的特征向量进行匹配。实验表明,该算法在目标发生大尺度旋转和缩放、部分遮挡时能够稳定跟踪,其跟踪速度比SURF算法有很大的提高。     

采用局部约束线性编码的像素级舰船目标图像融合

为了提升视觉信息在低能见度条件下的适用性,提出了一种采用局部约束线性编码的像素级舰船目标图像融合方法.首先,采用K均值奇异值分解算法从海量的训练样本中完成过完备字典的学习.其次,在考虑着舰导引实时性任务需求的前提下,采用局部约束线性编码完成融合系数的非迭代求解,相较于压缩感知理论架构下的匹配追踪算法,极大地降低了计算复...     

Delaunay triangulation and image dense matching in view synthesis

Ｔｈｅｔａｒｇｅｔ［１,２］ｏｆｖｉｅｗｓｙｎｔｈｅｓｉｓｉｓｔｏｃｏｎｓｔｒｕｃｔｓｏｍｅｖｉｅｗｓｏｆａｓｃｅｎｅｂａｓｅｄｏｎｓｅｖｅｒａｌｒｅｆｅｒｅｎｃｅｖｉｅｗｓｏｆｔｈｅｓａｍｅｓｃｅｎｅ．Ｔｈｉｓｔｅｃｈｎｉｑｕｅｉｓｖｅｒｙｕｓｅｆ...     

一种针对高光谱图象识别与分类的二进编码方法

针对高光谱遥感图像中地物识别与分类问题,在对传统二进编码方法的优缺点进行分析的基础上,给出了一种新的二进编码策略,并给出了相应的快速匹配算法。该算法原理简单,易于实现,能够提高不同地物的可分性,试验结果表明,算法可以得到较好的分类效果。     

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。     

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。     

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.     

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.     

Real-time mosaicking for infrared videos from an oblique sweeping camera

Image mosaicking is widely used in Geographic Information Systems (GISs) for large-scale ground surface analysis. However, most existing mosaicking methods can only be used in offline processing due to the enormous amounts of computation. In this paper, we propose a novel and practical algorithm for real-time infrared video mosaicking. To achieve this, a novel fast template matching algorithm based on Sum of Cosine Differences (SCD) is proposed to coarsely match the sequential images. The high speed of the proposed template matching algorithm is obtained by computing correlation with Fast Fourier Transform (FFT). We also propose a novel fast Least Squares Matching (LSM) algorithm for inter-frame fine registration, which can significantly reduce the computation without degrading the matching accuracy. In addition, the proposed fast LSM can effectively adapt for noise degradation and geometric distortion. Based on the proposed fast template matching algorithm and fine registration algorithm, we develop a practical real-time mosaicking approach which can produce seamless mosaic image highly efficiently. Experiments on synthetic and real-world datasets demonstrate that the proposed algorithm is not just computationally efficient but also robust against various noise distortions.     

一种鲁棒的红外与可见光多级景象匹配算法

针对基于特征的景象匹配方法对图像噪声和局部形变适应性差以及对特征质量依赖性强等问题,从提高图像特征描述能力入手,将具有局部光照和对比度不变性的相位一致性变换引入到红外与可见光景象匹配的特征表征中,以获得对噪声和局部形变较强的适应性。在此基础上,首先采用抗旋转的圆投影实现图像粗略匹配,然后基于Zernike矩推导出图像的互相关匹配重构函数并用来剔除错误匹配点,最后基于曲面拟合方法获得亚像素定位,从而实现图像精确与鲁棒匹配。仿真实验验证了所提算法的有效性。