分块投影匹配在快速序列图像稳定中的应用研究

图像稳定常用于各类序列图像系统的预处理。本文提出一种基于分块投影匹配的快速序列图像稳定算法。该算法将待处理序列图像进行分块,通过投影匹配计算得到各对应分块的运动矢量,提出一种评价准则赋予各运动矢量相应权重,利用改进的随机一致参数估计方法得到全局运动模型参数。试验结果表明,与基于KLT、SIFT等特征点匹配的估计算法相比,在对估计精度没有较大影响的前提下,本文算法具有运算速度快、能实时应用的特点。     

基于特征点的图像配准方法研究

图像配准是将不同条件下(时间、传感设备、气候、角度等)得到的两幅或者多幅图像进行匹配、叠加的过程.通常,每种配准技术都是针对某一类具体应用的,有一定的局限性.文中提出了一种融合的、基于特征点的图像配准方法,首先采用小波变换和USAN区域特性相结合的角点检测方法,然后利用互相关和RANSAC相结合的方法进行特征点匹配,最后采用薄板样条法求解点变换矩阵.通过这种方法可以弥补不同配准方法的不足,提高配准精度.通过对人物、景物等大量图像进行实验分析,证明此算法具有很好的配准精度、环境适应性和实时性.     

无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。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,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。     

利用对极几何约束的方法提高SIFT算法的正确率

针对SIFT算法是一种提取局部特征的算法,不能完全体现整幅图像信息,并容易产生失配的问题,提出了一种改进方法。该方法利用swr算法的匹配结果计算两幅图像之间的对极几何关系,利用该约束关系对SIFT算法的结果进行筛选以提高SIFT算法匹配点的正确率。实验结果表明,匹配正确率随着误差精度的提高而提高,反映出算法具有良好的噪声鲁棒性。     

图像匹配经典算法及其改进方法研究

图像匹配算法包括直接利用原始图像的灰度进行匹配、利用图像的物理形状特征进行匹配以及使用高级特征的算法进行匹配。经典匹配算法包含ABS算法、归一化互相关匹配算法、图像矩匹配方法，以及基于图像特征点的匹配算法。其改进算法涉及SSDA算法、金字塔分层搜索算法等。     

基于归一化互相关的亚像素双目视觉匹配方法

针对当前单一的区域匹配和特征匹配精度不高的问题,提出了基于归一化互相关的亚像素双目视觉匹配方法。该方法首先采用归一化互相关匹配获得目标图像的像素级最佳匹配点;然后根据互相关函数呈现出的特性,用改进的二次曲面拟合法拟合最佳匹配点周围区域,得到费马点,该点即为亚像素级的最佳匹配点;最后对两台相机采集的图像分别处理即可得到亚像素的匹配视差。实验结果表明,该匹配方法具有较高精度,能达到0.01像素。     

改进型LBP 算子在异源图像匹配的应用

针对现有异源图像处理方法的不足,提出一种适合于描述异源图像纹理分布特征的改进的LBP特征的匹配算法。通过改进的LBP算子分别得到基准图和实时图的全局纹理分布特征;在此基础之上提取出基准图和实时图分块加权后的联合直方图特征并作为最终特征;并对图像分块加权后得到的联合LBP特征进行异源图像的特征匹配,在基准图上对此特征进行相似搜索得到相似系数图,峰值点即为匹配点。实验结果表明:通过LBP算子提取的纹理特征能够很好地应用于异源图像匹配,且匹配效果稳定优异,具有很好的工程应用价值。     

基于RANSAC + LS算法的红外成像全局运动设计

提出了一种基于RANSAC+ LS算法的红外成像全局运动估计方法。该算法的实现过程如下：首先对匹配块进行预检验；然后利用本文算法对尽可能多的内点进行运动参数估计；最后对参数估计结果利用双线性内插方法进行运动补偿。该算法计算速度快，比RANSAC算法利用了尽可能多的内点，并能克服LS算法易受错误匹配对和外点影响的缺点。利用对实际拍摄的红外图像实验表明，该算法计算精度高于RANSAC算法和LS算法。     

一种基于合作目标的视觉定位方法

提出一种基于合作目标特征点的无人机当前空间位姿的测量算法。以合作目标为参照对象,在图像滤波、阈值分割、边缘提取和角点提取等算法的基础上,提取了合作目标特征点,并建立了描述目标图像坐标、世界坐标和摄像机参数之间关系的数学模型,然后根据SVD算法求解该模型得到无人机旋转和平移矩阵的初值;最后利用正交迭代算法寻找最优解,求得无人机的位姿信息。并针对合作目标分级的特点设计了适应不同高度的特征点选取算法,提高了目标识别的可靠性。仿真实验分析验证了本文方法的有效性。     

基于双卷积链的双目人体姿态距离定位识别

现有的基于无人机的目标定位与判别方法往往达不到实用性要求,而采用无人机常用单摄像头采集的图像信息往往只能获取二维信息,无法获得摄像头基于目标的相对距离。常用的基于双摄像头的距离采集算法又过于复杂,不够稳定,且要求开发人员具有较高的知识水平,固件开发门槛高,应用困难。因此,提出了通过双摄像头下人体姿态识别图像数据集,训练基于双通道Darknet-53基本结构的特征提取网络,运用其参数初始化YOLO-V2网络,通过在训练用于识别人体姿态图像中的人体位置、相对距离以及所属类别。实验结果表明：利用该方法进行人体姿态的人体位置和类别识别,相比于单卷积链的YOLO-V2在识别准确度提高了3.85%、4.83%,且在基于目标的相对距离上精度高于65%;新算法能有效用于无人机远距离快速识别人体姿态并取得较好的识别效果,满足实时需求。     

一种基于改进SIFT的SAR图像配准算法

为克服SIFT (scale-invariant feature transform)描述子应用于SAR图像配准领域时配准精度低的不足,提出一种基于改进SIFT的SAR图像精确配准算法.该方法首先提取特征点的SIFT描述子和改进的旋转不变纹理化特征描述子,再利用典型相关分析特征融合算法将2种描述子融合,形成新的特征描述子,计算2幅图像中各个特征点间的改进加权距离并通过预先设定好的阈值完成粗匹配,最后通过随机抽样一致性算法去除误匹配实现精匹配,并代入仿射变换模型以求得变换参数,完成图像的配准.仿真结果表明:该方法的匹配性能明显优于SIFT及PCA-SIFT算法,能够有效处理图像在尺度变化、灰度变化、旋转角度变化的情况下SAR图像配准问题,且配准精度达到了亚像素级.     

基于航空序列影像的控制点坐标获取

在航空航天遥感遥测技术中,立体定位是一个重要的方向.为了得到精确的目标必须要有足够的控制点.为了得到较高精度的控制点,采用全球定位系统(GPS)和惯性导航系统(INS),结合激光测距和连续成像设备,进行图像目标控制点的坐标测量.通过进行针对控制点图像的灰度匹配和最小二乘匹配结合,提高了同名点的匹配精度.通过仿真试验,控制点定位精度小于1m,能够满足要求.     

基于灰度的图像快速匹配算法

对几种常见的基于灰度的图像匹配算法(如相关匹配、投影匹配、字符串匹配、Hamming距离、图像边缘提取)进行了试验和比较,提出了一个精度较高、速度较快的一种匹配方法,取得了较好的效果.     

巡航导弹航迹控制中景象匹配快速算法研究

为了解决巡航导弹航迹控制中所拍摄的实时图与基准图存在的角度旋转问题,借鉴圆投影旋转不变性的优点,根据实时图自身的特点,提出了环投影匹配算法。采用遗传算法和全空间逐点搜索(穷举法)两种方法对不同大小的基准图就匹配速度和匹配精度进行比较。同时,提出引入方位角和前一帧匹配点对当前匹配点进行预测,剔除误匹配点的方法。仿真结果表明,以上算法在旋转条件下,仍保持了较高的精度和速度。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

基于随机抽样的快速全局运动估计

全局运动估计是稳像技术中极为重要的环节,全局运动估计算法的精度和速度将很大程度影响稳像的性能。本文提出了一种基于RANSAC鲁棒算法的全局运动估计方法,该方法通过Harris角点检测算法,找到待匹配角点,并采用相似度进行匹配,剔除外点后,用预检测的随机抽样算法得到全局运动参数。通过仿真试验表明,该方法对可见光视频、红外视频都可以适用,并能在保证精度的同时,达到实时性的要求。     

基于灰度的图像快速匹配算法

对几种常见的基于灰度的图像匹配算法（如相关匹配、投影匹配、字符串匹配、Hamming距离、图像边缘提取）进行了试验和比较，提出了一个精度较高、速度较快的一种匹配方法，取得了较好的效果。     

基于改进SIFT与互信息的异源图像匹配

针对同一目标的红外与可见光所形成的异源图像对,提出了一种基于改进SIFT与互信息的算法,寻找两幅图像中的相关点,从而实现两幅图像的匹配。为了改善SIFT算子的匹配效果,本文提出的改进方法,成功地增加了正确匹配点数;同时使用局部互信息量作为判断标准,可以在正确匹配点数即使占劣势的情况下,依然能排除错误的匹配点,扩展了匹配算法的适用性。结果和实际测试表明,两种算法结合能显著改善匹配效果。     

基于SURF的图像配准改进算法

针对SIFT图像配准算法存在配准精度低的问题,提出了基于SURF的图像配准改进算法。该算法在特征点提取之前,对图像进行双边滤波,减少错误来源,特征匹配初始阶段使用自适应阈值约束代替传统固定阈值,减少最近邻域与次近邻域之比对匹配结果的影响,加入肯德尔系数约束对匹配对提纯,提高配准精度,最后通过RANSAC算法和LSM迭代求解,进行结果处理。实验结果表明,改进的SURF算法在减少配准时间的基础上提高了正确匹配率。     

基于质点振速测量的低空目标定向算法研究

声测被动定向是声学监视技术的重要研究内容。为实现对低空运动目标的声学监视,提出一种基于声矢量传感器原理的被动定向方法,推导出基于质点振速测量的定向算法,采用实测噪声信号对定向算法进行数值仿真,结果表明：当传感器尺寸为0.3 m、信号信噪比为0 dB时,定向精度在2°以内。通过外场实验,研究该传感器的质点振速指向性,得到了其质点振速指向性图,该传感器具有较好的空间指向性。外场实验证明：该定向算法具有较高的定向精度,能够用于低空目标的声测被动定向,有较好的应用前景。该研究成果可直接周于空中运动目标,如飞机、导弹和无人机等目标的声测被动定向。