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...     

一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

本文提出一种改进的部分Hausdorff距离作为模板和图像中物体轮廓相似性的测度,较大地减少计算量。同时把遗传算法引入图像匹配识别。由于GA的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此GA和改进的Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,以达到模板和图像间的有效匹配。     

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。     

基于免疫克隆选择算法的快速图像匹配

提出了一种新的免疫克隆选择算法,该算法基于一个压缩阈值和新的收敛标准,可动态确定种群的大小,具有很强的全局和局部搜索能力.对传统的Hausdorff距离作了改进,新方法可有效地克服传统算法的不足,作为模板和图像中物体轮廓相似性的测度,可较大地减少计算量.把免疫克隆选择算法和改进的Hausdorff距离相结合用于图像匹配,可以较快地完成全局搜索,达到模板和图像间的有效匹配,仿真实验证明了该方法的优越性.     

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。     

一种基于进化策略的边缘特征匹配方法

针对存在旋转变化的多源图像匹配问题,提出了一种基于改进的部分Hausdorff距离(LTS-HD)和进化策略相结合的边缘特征匹配算法。通过仿真实验,该算法与基于部分Hausdorff距离的匹配算法相比,实时性和精确性都有了很大的提高。     

一种基于距离变换和遗传算法的遥感图像区配算法

该文提出了一种基于距离变换和遗传算法的遥感图像匹配算法。先对参考图像和目标图像进行直方图处理,以克服不同光照条件下带来的匹配误差,在此基础上对参考图像和目标图像进行距离变换。最后利用遗传算法对距离变换后的图像进行匹配操作。实验结果表明,该算法不仅能满足一定的匹配精度,而且具有较高的匹配效率。     

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。     

基于边缘特征的SAR图像与光学图像的匹配

提出了一种新的基于边缘特征的合成孔径雷达(SAR)图像与光学图像相匹配的算法，可用于无人飞行器的导航。首先针对SAR图像低信噪比的特定情况，提出了一种简单实用的线状特征提取方法。而后在提取边缘的基础上，采用改进的具有强抗干扰能力和容错能力的Hausdorff距离作为相似性准则进行图像匹配。在搜索策略上．采用遗传算法来加快搜索的速度。实验结果表明，这种算法匹配精度高，计算速度快。     

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。     

基于新的加权Hausdorff距离的图像匹配

Hausdorff距离(HD)用于度量两个点集之间的距离，它不要求点之间的一一对应，是一种模糊度量，因而在匹配来自不同传感器的图像时广泛使用。在分析了传统HD算法的基础上，提出了一种基于结构张量加权的HD，称为STWHD。红外与可见光图像匹配的仿真实验表明，其抗噪能力较传统的HD算法有较大的提高。     

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广