一种基于Hausdorff距离目标跟踪的改进算法

针对复杂背景下运动目标跟踪问题,提出了一种基于Hausdorff距离的目标跟踪改进算法。作为模板与待匹配图像相似性的度量,传统的Hausdorff距离容易造成误匹配;现有的Hausdorff距离改进算法虽然可以从一定程度上克服上述缺点,但是计算复杂,难以满足实时性。为了能够很好的解决上述这些问题,达到稳定实时的跟踪,结合Hausdorff距离提出一种新的图像匹配策略。实验表明,该算法匹配精度高,适用性强,同时大大加快运算速度。     

Hausdorff距离在图像匹配中的应用

在图像匹配过程中，经常有目标图像被遮掩和外部点存在的情形，使识别过程较为困难。介绍了将部分Hausdorff距离和基于平均距离值的MHD相结合，用改进的Hausdorff距离对有遮掩和有外部点存在的目标图像进行匹配，仿真结果验证了该算法的有效性。     

改进Hausdorff距离和粒子群算法在激光制导中的应用

为提高激光成像制导精度,实现遮挡条件下的有效识别,提出一种基于改进Hausdorff距离和粒子群算法的激光图像匹配算法。首先提取基准图和实时图的边缘特征;而后针对原始Hausdorff距离易受噪声、孤立点及遮挡影响的不足,提出一种自适应部分均值Hausdorff距离,并将其作为相似性测度;最后改进粒子群算法以完成搜索匹配,一方面提出混沌惯性权值以提高其搜索能力,另一方面通过引入混沌局部搜索避免算法过早收敛。实验结果表明,该算法不仅具有较高的匹配成功率,而且实时性较好。     

基于遗传算法的导航实时图像匹配算法

由于一般图像匹配算法均采用全局搜索法,耗时较大,为满足景象匹配辅助导航系统实时性的要求,提出了一种将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法,利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,提高了匹配搜索的快速性.同时,提出了一种基于特征图像分支点提取的加权Hansdorff距离图像匹配算法,并给出了相应的权值求解公式,利用加权Hausdorff距离作为遗传算法的适应度函数,能够明显减少匹配搜索的计算量,提高匹配结果的精度.仿真分析表明,将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法能够很好地满足景象匹配辅助导航系统的实时性和精度要求.     

基于改进Hausdorff距离的图像匹配快速算法

针对Hausdorff距离的特性及其在图像匹配中的应用,提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔,然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明,该方法能在保证匹配精度的同时,有效加快匹配速度。     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

改进HD距离和遗传算法的图像匹配研究

针对高分辨力图像匹配点难于确定且运算量大的问题,提出一种加权Hausdorff(HD)距离和多策略并行遗传算法相结合的图像匹配算法.算法采用概率加权Hausdorff距离,减少噪声、出格点等对匹配的影响,并利用多策略并行遗传算法的并行处理能力对概率加权Hausdorff距离进行寻优,提高匹配速度.试验结果表明,该算法对...     

蒙特卡罗估计改进Hausdorff距离的景象匹配方法

针对可见光与红外图像差异较大导致的匹配困难的实际问题,提出了一种基于蒙特卡罗估计改进Hausdorff距离（MCM-HD）的景象匹配方法。该方法在MCHD的基础上,使用蒙特卡罗方法来估计改进的Hausdorff距离（M-HD）,并定义了MCM-HD,即采用随机抽样的特征点子集来计算M-HD,从而有效地减少了计算量。为了提高匹配精度,采用分层MCM-HD与Nprod相结合的方法,在求出距离最小k个点之后采用Nprod相似性度量得出最终匹配位置。与MCHD算法相比,该算法有效提高了匹配精度,同时缩短了匹配时间。     

基于Hausdorff距离的地形匹配

Hausdorff距离是用于二值图像比较的一种有效的相似度量。利用Hausdorff距离作为图像差异的度量进行地形匹配的算法，首先，提取地形结构线作为特征，计算Hausdorff距离，Hausdorff距离的最小值对应最佳匹配。实验结果表明该算法是有效的。     

基于轮廓曲线和局部特征点的自动人耳识别

针对人耳识别问题,提出了一种由粗到细的两步识别方法.首先采用边界跟踪算法从侧脸图像上提取外耳及其轮廓曲线,然后利用基于改进Hausdorff距离的轮廓曲线对齐方法对图像库进行筛选得出候选的人耳图像,最后通过使用广义外耳局部特征点匹配方法从候选图像中精确匹配出与待测人耳相同的图像.采用轮廓曲线和局部特征点作为识别特征向量,利用改进Hausdorff 距离作为匹配量度方法,实现了基于2-D灰度侧脸图像的完全自动人耳识别,较有效地克服了光照和旋转角度变化对外耳识别的影响.实验结果表明,该方法计算量小、适应性强、鲁棒性好,极具实用价值.     

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.     

Efficiently comparing face images using a modified Hausdorff distance

Comparing face images using the Hausdorff distance is one of the face matching and fast screening techniques. As a fast screening technique, computational efficiency is a key issue. An efficient method for Hausdorff distance-based face matching and fast screening is proposed. The method utilises dominant points, instead of edge maps, as features for measuring similarity. A new formulation of Hausdorff distance is designed for significance-based dominant point matching. The experiments demonstrate that the proposed approach significantly improves the computational speed and storage economy. It provides a very efficient way to use the Hausdorff distance measure for face matching and fast screening.     

基于最小最大圆度量的鲁棒模板匹配方法

为了解决强噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种鲁棒的图像匹配算法。在引进圆约束的条件下,对点点间距离给出了一种新的定义。在此基础上,对经典Hausdorff距离进行改进,提出了一种新的度量,即最小最大圆度量。以此度量作为景象匹配的相似性度量,并在搜索的过程中采用圆形窗,获得了一种鲁棒的图像匹配方法,即基于最小最大圆度量的鲁棒模板匹配方法。多组实验与分析表明,该算法可以有效地解决存在旋转、灰度对比度变化、噪声干扰、部分遮挡与强光饱和等变换与干扰存在下的景象匹配定位问题。