基于改进SIFT的图像配准算法

为解决存在较大程度旋转和缩放的图像配准问题,提出了一种基于尺度不变特征变换(SIFT,Scale Invariant Features Transform)的图像配准算法.采用对数极坐标变换(LPT,Log-Polar Transform)进行图像粗匹配,对图像旋转角度和缩放尺度变化量进行估计,并对图像加以校正;在粗匹配的基础上对图像进行分块,根据信息熵原理提取子块的SIFT特征和不变矩特征,构造新型的特征描述符;结合欧氏距离和Procrustes迭代算法获得图像的同名点对,并估计图像形变参数,完成图像配准.实验结果表明:该算法速度快、稳定性强,并能达到亚像素级的匹配精度.     

锥束CT重建图像中环状伪影的拟合校正

针对锥束CT图像重建中像元通道响应不一致引起的环状伪影原理进行了分析,采用了拟合校正的方法对投影图像进行校正。结果表明,校正后重建图像中的环状伪影得到有效抑制。在此基础上,进一步考虑像元通道对射线强度响应的非线性,以及像元通道对射线能谱响应的非线性等因素对重建图像的影响,最后讨论了拟合校正的改进方向。     

一种基于相关向量机的白细胞检出新方法

提出了一种基于相关向量机(RVM)的白细胞检出新方法.首先,借助RVM对一维直方图进行拟合,获得稀疏的相关向量.然后,直接从这些数量有限的相关向量中筛选出所需的阈值.最后,基于前一步得到的阈值,将完整、连续的白细胞区域从原始图像中分割出来.该方法已成功地应用于白细胞检出,有效地降低了由光照和染色引起的干扰.该方法计算效率高,无需设置额外参数.实验结果表明了该方法的优良性能.     

卫星转动条件下APS星敏感器星像目标中心提取精度分析

 目前对星敏感器星像定位的研究多限于静态情况,而卫星转动过程中,在曝光期间星像在像平面不断移动,从而影响星像定位的精度,重点分析动态情况下APS星敏感器星像目标中心的提取精度。首先分析采用质心法计算星像目标中心的误差源,提出动态精度的估计方法,并推导相应的计算公式;进而以给定的APS星敏感器参数为基础,研究了计算窗口、曝光时间等精度影响因素的选择方法;最后通过仿真进行了验证。     

关于遥感图像品质的若干问题

遥感图像是遥感数据获取系统的输出,遥感图像的品质表现为遥感图像在完成遥感任务中的应用价值。文章对遥感图像品质的概念和表征予以介绍,对遥感图像品质的影响因素和提高遥感图像品质的有关问题,包括遥感数据获取系统的性能、成像条件和运行状态等加以说明,对如何提高遥感图像品质提出了若干建议。     

模式识别与模糊三值逻辑推理探讨

本文介绍了模式识别的概念与基本方法,形象思维与模式识别的关系和模糊逻辑与模糊推理,提出模糊三值逻辑的推理方法,旨在进一步探讨模式识别的方法和模糊逻辑推理理论,并附应用实例。     

基于特征点集的匹配算法应用于卫星姿态确定

综合了灰度与几何特征匹配方法,依据局部纹理能量分布选取特征点集,并利用特征点集的几何约束关系构建了可描述图像整体特征的模板.通过逐步求精方法实现了实时图像与基准图像的匹配.首先通过特征点集匹配进行粗搜索;然后通过精搜索以及角度校正得到实时图像中目标偏移旋转量.该特征点集算法与传统图像匹配算法相比较,在保证精度的基础上能提高匹配速度,且具有一定的旋转不变性和抗噪性.仿真实验证明了该算法的可行性.      

基于距离相关图的音频相似性度量方法

相似性度量是基于内容的音频分析中的关键环节之一,目前往往沿用传统的统计分析思想实现,缺乏有效的呈现手段和对语义层信息的准确表达.提出了一种基于图像分割技术的相似性度量方法,通过特征提取构造特征空间,进而绘制特征向量间的距离相关图,通过对该图的可视化分析判断最大相似方向,并分别计算出局部相似性和全局相似性.给出了实验验证过程,该方法适用于数字广播等音频流中的片段查找等应用.      

基于奇异值分解的红外热图像序列处理

在红外热像无损检测中直接获取的原始热像往往信噪比较低、温度对比度较差.为了抑制各种噪声的不良影响,使红外热像无损检测所重构的数字图像有较高的缺陷对比度,从而提高缺陷探测能力,提出了采用奇异值分解法对红外数字图像序列进行处理和增强的方法,并进行了验证.介绍了奇异值分解法的原理;用奇异值分解法对实验中采集的红外热像序列进行处理;以信噪比为指标对图像处理效果进行了定量评定.研究表明奇异值分解法具有抽取红外热像序列中反映试件内部缺陷信息代数特征的能力,可消除加热不均效应、提高图像的信噪比,且缺陷在图像中所处的位置不影响奇异值分解法的使用效果. 因此奇异值分解法是红外热像无损检测中红外热图像序列处理的有效方法.      

面向目标识别的多特征图像融合技术综述

目标识别是计算机视觉领域重要的研究课题.图像融合由于能对信息进行多级别、多层次以及多方面的处理与综合,因此可以获得更为精确和更为可靠的信息.近年来,基于多特征融合的目标识别方法由于无需精密的图像配准,计算简便的优点得到研究者的重视.本文首先简要介绍了特征融合的基本原理和基本框架;然后梳理了特征融合的几类重要方法;最后,...