基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

鲁棒的前视红外目标多核跟踪算法

针对前视红外目标跟踪中常见的目标位置偏差和部分遮挡问题,在均值漂移算法的框架下,提出了一种基于投影直方图匹配和拓扑约束的多核跟踪算法。首先,对前后帧图像进行基于空间-灰度二维投影直方图匹配的目标位置预测;然后,充分利用目标的前景和背景信息构建多个独立的核跟踪器;最后,采用拓扑约束选取跟踪性能好的核跟踪器,组合得到最终的跟踪结果。实验结果表明:此算法能对目标进行准确跟踪,对目标位置偏差和部分遮挡具有较好的鲁棒性,在有遮挡的情况下,平均跟踪误差远小于传统的跟踪算法。因此,该算法在前视红外成像制导中具有较好的实用性和可行性。     

视觉传感网络中身份特征自适应识别算法改进

在对视觉传感网络中身份特征进行识别时,容易受到人脸表情、光照条件及遮挡等干扰,降低了身份特征识别精度.提出了一种基于改进最小灰度差树的身份特征自适应识别算法.对待识别图像进行灰度处理后,利用最小灰度差数增强待识别图像的质量;定义基于灰度的代价函数,获取待识别人脸图像和指定人脸图像对应的各灰度对的匹配代价,建立最小灰度差树模型,计算两幅图像相似度后,直接采用最近邻匹配算法获取和视觉传感网络注册图库中最小匹配代价对应的图像身份,将其看作待识别身份,实现视觉传感网络中身份特征自适应识别.仿真实验结果表明,所提算法具有很高的身份识别精度.     

基于改进互信息的红外目标匹配跟踪算法

红外图像具有高噪声、低分辨率的特点,使图像特征提取时很难达到一致,并且图像的损失较大。针对传统互信息只考虑图像灰度信息而忽略了像素之间空间位置相互关系的缺点,同时考虑像素灰度值及其对应梯度的信息,将图像的空间信息通过灰度-梯度联合矩阵引入到互信息的计算过程,提出一种基于梯度联合互信息量测度的红外目标匹配跟踪算法。仿真实验结果表明该算法不仅收敛性强、跟踪稳定,而且具有匹配跟踪精度高的特点,在目标出现遮挡时也能很好的跟踪目标。     

地面背景下基于SURF的红外目标识别方法

采用SURF算法对地面背景下红外目标识别。采用具有实时性的自适应中值滤波器和小波分频与直方图均衡的图像增强方法,对图像进行预处理,拉开目标与背景的灰度差异,从而突出目标,以便识别。对预处理完的图像采用SURF特征提取匹配的方法进行红外目标识别。仿真实验中重点对SURF特征匹配阈值和匹配特征点的数量进行了研究。实验表明,文中方法对地面背景下红外目标识别效果较好。     

基于灰色关联分析的图像匹配方法

针对图像匹配正确率的问题,在研究灰色关联理论的基础上,提出了基于灰色关联分析的匹配方法,找出模板图像在待匹配图像中的最佳匹配位置。通过计算图像直方图的灰关联度及边缘点集间的Hausdorff距离,从图像的灰度分布和形状特征两方面来验证了定位的准确性。实验采用了多张不同的图片进行图像匹配,实验结果表明了该算法的有效性和良好的匹配效果,具有匹配效率高、匹配误差小等特点。     

基于直方图均衡化的景象匹配导航方法研究

针对基准图与实时图之间灰度分布差异对匹配结果的影响,将直方图调整与灰度相关算法相结合,提出了一种基于直方图均衡化预处理的景象匹配导航方法.首先对基准图与实时图的直方图进行调整,减少二者的灰度分布差异,然后采用积相关算法计算匹配结果.分析了景象匹配主要验证方法的优缺点,提出了一种实用的验证方法.利用该验证方法,在各种干扰...     

基于二维灰度直方图的蚁群图像分割

提出了一种基于二维灰度直方图的蚁群图像分割方法。该方法基于二维灰度直方图 的灰度、邻域平均灰度及灰度频数进行蚁群模糊聚类,通过二维灰度直方图的一维最佳投影,设置精确的初始聚类中心来解决蚁群算法循环次数多、计算量大的问题;并针对具体应用,对聚类半径、信息激素和启发式引导函数进行了相应的修正。实验表明该算法速度快、划分特性好,可以准确地分割出目标。     

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.     

基于蚁群算法的景象匹配定位

景象匹配定位是精确制导的重要技术,通过对景象匹配定位和蚁群算法的研究,提出一种基于蚁群算法的匹配定位方法,蚁群算法具有快速全局寻优能力,应用蚁群算法计算模版图像在基准图像中的匹配位置,根据匹配定位参数的特点,建立二维的蚁群搜索空间,定义图像的归一化积相关作为相似性度量并更新蚁群的信息素,利用信息素及启发信息来计算状态转移概率,蚁群最终聚集到适应度函数最大的路径上。实验结果表明：蚁群算法可以准确有效地估计匹配位置。     

一种新的基于模板匹配的车型识别

为提高当前车型检测在交通场景下的实时性和准确性,提出了一种新的基于模板匹配的车型识别方法。首先,基于车辆区域的显著性设计了非均匀采点,然后采用梯度量化,二进制图像,线性化内存等手段实现模板的并行化匹配,最后通过kmeans聚类产生多层次的车型模板索引,实现快速查表的车型匹配算法。实验表明,该算法能实时高效地实现交通场景下的车型识别。     

基于模板匹配的视频对象分割

视频对象分割是MPEG-4标准关键技术.本文结合模板匹配和基于运动估值和补偿的对象跟踪方法,提出了一种可以从复杂场景中分割出MPEG-4视频对象的新方法.在使用运动估值和补偿得到分割掩膜后,以初始帧对象颜色为模板,在当前帧的轮廓边界区域通过模板匹配检测对象,使轮廓精确化.本文方法在一定范围内有效解决了遮挡问题,并能够以初始帧跟踪任意长序列中的对象.     

基于二进小波变换的多分辨率立体匹配算法

本文将近年来兴起的小波理论应用于双目立体觉技术，提出了一种新的立体匹配算法。该算法以二进小波变换的多分辨率零交叉为匹配基元，综合利用了小波变换零交叉的特征属性和强有力的匹配约束，从零交叉局部属性相似和全局匹配相容两个方面解决模糊匹配问题。整个系统采用一种新的的由精到细引导的多分辨率匹配结构。实验结果表明，该算法结构简单，稳定可靠，具有较好的自适应性和处理复杂景物的能力。     

基于预测和加权匹配的目标快速定位方法

基于模板匹配算法,提出了一种适用于高速流水线检测的目标定位改进算法。该算法利用已知目标位置预测未知被测物体,并用加权模板匹配实现精确定位。首先对运动的物方空间进行标定使得连续采集的图片有连续统一的坐标系,从而实现图像间物体位置预测。同时,提出一种对模板不同特征区域加权的方法,在不影响算法复杂度的前提下,正确选择权值,能使目标物体区域内的匹配相似度有更好的显著度和单调性。实验结果表明,结合预测位置和加权求相似度的模板匹配具有更高的快速性和鲁棒性。     

郊外低对比度图像线特征提取算法研究

景象匹配系统由于其精度高的特点,广泛应用于各种远程精确末制导系统。由于成像时的自然条件变化,使得基准图与实时图之间存在较大的对比度差别,增大了匹配难度。本文基于传统的特征提取,针对具有人工景物的郊外景象,利用Hough变换和数学形态学进行线特征的改进,从而提升了匹配质量。通过对实际情景图像的仿真分析,验证了该算法的有效性。     

基于投影分布熵的多视点三维点云场景拼接方法

多视点三维点云场景拼接是解决激光三维主动成像目标自遮挡或被遮挡情况下目标数据不完全问题的一种有效方法,它将直接影响到后续的目标检测与识别处理。通过点云投影分布熵对场景独立坐标系进行估计,由此计算待拼接场景之间的空间变换参数,最后通过退火最近点迭代(ICP)方法,实现多视点场景的精确拼接。仿真实验结果表明,此方法是一种有效可行的方法。     

基于主成分分析的图像匹配方法研究

景像匹配和相关跟踪系统中,由于所面临的都是变化的场景,实时获取的图像与预存的基准图之间存在差异。传统的基于图像空间的匹配方法不能很好地克服这些差异给图像匹配定位带来的影响,使得完全按图像灰度特征的相关匹配应用受到限制。文中将主成分分析方法引入了图像匹配和相关跟踪过程中,提出一种能抗御一定图像畸变的基于主成分分析的图像匹配算法,并应用该方法进行了初步实验,证明该算法具有较高的匹配跟踪鲁棒性。     

基于特征点匹配和广义Hough变换的扩展目标跟踪方法

针对扩展目标在跟踪过程中存在的因旋转、尺度变化和目标部分区域离开视场时引起的漂移等问题,提出了一种在特征点匹配的基础上结合广义Hough变换的扩展目标跟踪方法.采用ORB特征处理相邻两帧图像,得到初始匹配特征点,然后再用随机采样一致处理筛选出匹配正确率高的特征点作为基础特征点,利用这些基础特征点进行广义Hough变换,提取出一个相对位置固定的跟踪点对目标进行跟踪.实验表明,该方法具有能保持跟踪点的相对位置固定的特性.     

基于生物视觉的地面目标识别与跟踪锁定

图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务，也是图像制导技术的难点所在。由于获得图像的角度和位置的不同，同一目标在不同图像中会有较大的变形，如何正确地识别出该目标是至今未能很好解决的问题。相比之下，人和动物在复杂的环境中，几乎在各种角度和位置的情况下，均可以可靠地识别出目标，并能完成对该目标的跟踪锁定。因此生物视觉的工作机理成为了当前学者研究的热点，在继承和发展了当前国际上该领域的最新研究成果的基础上，实现了生物视觉原理下的目标识别与跟踪算法，经过大量真实图像的试验，证明了该算法的鲁棒性。