相似变换下的模板图像自动匹配技术

基于Fourier-Mellin变换的相似不变性,论文给出了一种相似变换(即模板图像和场景图像之间存在平移、旋转和尺度缩放)下的模板匹配方法。主要工作包括:第一,给出了一种模板匹配度量准则。该准则可对每次的匹配结果直接做出判断,无需进行穷尽搜索;第二,对搜索策略、搜索步长等问题给出了优化建议。大量实验结果验证了该方法的可行性和鲁棒性。     

基于射影矩阵变换的名片透视图像矫正

目前的名片OCR系统普遍采用Hough变换法和K最近邻簇法来检测和矫正名片图像倾斜角度,但是这些算法无法矫正名片的透视图像,该文从射影几何角度提出了基于射影矩阵变换的算法:利用名片图像固有的边缘直线信息,将名片与名片图像之间的透视变换矫正为仿射变换,再将仿射变换矫正为相似变换,此相似变换实际上是对名片进行旋转和全局缩放的结果,消除其中的旋转因素,就得到一个与名片仅差一个缩放因子的正交名片图像,以便于后续的字符处理。     

基于Randon变换和图像矩的抗RST攻击算法

抗几何攻击的能力是衡量一个数字水印算法鲁棒性的重要标准。几何攻击中，RST（旋转、尺度变换和平移）是最常见的攻击方式。本文提出一种基于Randon变换和0、1阶图像矩的抗RST攻击的参数估计算法，来估计水印图像经过的RST变换参数，并利用估计出的参数来校正水印图像。实验结果表明，算法估计参数的精度较高，对水印图像的RST攻击具有较好的鲁棒性。     

一种新的自动图像配准技术*

提出了一种自动图像配准方法.该方法首先使用模板匹配获得图像间的粗匹配点,然后利用这些粗匹配点估计图像之间的变换参数,并通过统计这些变换参数的适用情况,选取出一组最佳的图像变换参数,从而实现了图像间的自动配准.实验验证,该方法在两幅图像间存在平移、转动且重叠区域较少时,仍能准确得匹配这两幅图像.     

一种抗旋转、尺度和平移处理的图像水印算法

提出一种新的，能够抵抗旋转、尺度和平移处理的图像水印算法：直接在图像空间域中嵌入具有周期性和对称性的水印信号，其自相关函数中峰值点构成的峰值点阵图可作为几何处理参数估计的模板。使用霍夫变换从统计意义上对峰值点阵图中的噪声峰值点进行抑制，进而准确提取出峰值点阵图中具有最强方向的主轴方向用以估计旋转角度，并由与主轴方向平行的相邻直线间的距离估计尺度变换因子。实验结果表明：该算法对普通信号处理具有非常强的鲁棒性，且能够有效地抵抗小角度旋转、翻转、尺度和平移等几何处理。     

抗旋转的整数小波变换数字水印算法

现有的大多数基于小波变换的水印算法没有抵抗几何攻击的能力,例如将图像旋转微小的角度即可导致水印检测的失败。为了提高基于小波变换的水印算法抵抗图像旋转攻击的能力,提出了一种抗旋转的整数小波变换盲水印算法。该算法通过在嵌入水印后的图像中嵌入一个模板,在图像遭到旋转攻击后,利用模板能有效地恢复图像,达到水印提取同步,从而准确地提取出水印。实验结果表明,0到360度的旋转攻击均能被准确监测到,从而证明了该方法是一种鲁棒的能有效抵抗旋转攻击的图像水印算法。     

图像融合在混凝土超声波层析成像中的应用研究

为了综合利用不同反演参数下混凝土超声波层析成像的结果,采用基于小波变换的图像融合算法对两种射线追踪下的反演结果进行信息融合处理。应用实例表明,基于小波变换的图像融合可以有效综合不同图像的信息。该融合规则具有减少背景噪声、突出缺陷细节的效果,适用于混凝土超声波层析成像的图像融合。     

基于Radon变换与功率谱结合的心脏MR图像配准算法

针对心脏磁共振(MR)序列切片图像,设计了一种基于Radon变换和功率谱结合的图像配准算法。首先采用形态学边缘检测等图像预处理技术,提取出图像的边缘特征,并将其作为后续配准的输入;而后利用Radon变换和功率谱相结合的配准方法依次求出待配准图像的缩放、旋转和平移参数,利用这3个配准参数,即可通过配准变换得到配准结果。该方法解决了单纯利用Radon变换求解旋转参数易受图像空域噪声影响的问题,提高了配准的精度,同时大大减少了计算的花费。对100幅MR序列切片图像进行配准的实验表明,该方法能够稳定准确地实现MR序列图像的配准。     

一种面向密封条长度检测的模板匹配优化算法

针对现有的汽车密封条长度测量设备中使用模板匹配算法检测特征点位置时,密封条自身旋转导致匹配效果差的问题,提出一种基于Hough变换的自适应模板更新算法。该算法在传统模板匹配方法的基础上,通过设定阈值对模板匹配效果进行判断;对于匹配效果不好的图像进行Hough变换,结合特征点的几何特征进行识别;通过特征点的位置与尺寸信息,将其转化为新的模板用于下一次的模板匹配,实现模板的自适应更新。试验结果表明,该算法弥补了传统模板匹配法对图像旋转异常敏感的问题,提高了识别的稳定性,同时保证了检测效率满足现场的要求。     

基于层次化及最小二乘的精确图像配准

针对传统对数极坐标傅立叶变换(log-polar mapping based Fourier transform, LPMFT)在大尺度、大旋转及大平移变换情况下不能精确估计图像对之间的变换参数, 提出基于层次化及最小二乘的图像配准方法(multi-resolution analysis and least square optimization, MALSO): 首先, 使用小波变换将图像分解为多分层结构, 并将每层的低频部分作为待匹配图像; 其次, 在每层中, 引入窗口函数及自适应滤波函数以减少谱泄漏, 混叠及插值误差的影响; 最后, 构建一个代价函数, 并通过最小二乘法求解最优参数. 实验表明, 该方法既满足大尺度, 大旋转及大平移参数准确估计要求, 又比LPMFT对遮挡更具鲁棒性, 有一定的理论及应用价值.     

实现图象几何变换的迭代函数系统参数修改法

提出了实现图象几何变换的迭代函数系统（ＩＦＳ）参数修改法，导出了实现图象平移、旋转和缩放的ＩＦＳ参数变换公式。这种方法的基本思想是通过修改图象的ＩＦＳ码而实现对该ＩＦＳ的吸引子（原图象的逼近）进行几何变换。实验结果表明本文所提方法正确，易于实现     

一种小波混合优化算法用于脑MR图像配准

优化算法是脑磁共振(MR)图像配准方法中的重要组成部分。针对目前已有的优化算法,提出了采用小波混合优化算法应用于脑MR图像配准。该优化算法采用小波分解技术实现脑MR图像的高低分辨率分解,在低分辨率图像上采用PSO(粒子群算法)进行优化获得初步配准参数,然后再采用Powell算法进一步精细优化,获得最终配准参数。实验比较结果表明,该优化算法相对于目前一些主流优化算法来说,具有较低的时间代价,较高的优化精度,以及较好的优化稳定性。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

基于改进Hough变换的圆形物体检测

圆形(包括弧线)检测是数字图像处理过程中的经典问题之一,有着广泛的应用背景。基本的Hough变换方法是将图像中的每一边缘点映射到参数空间的一个区域,选取累积最多的参数。在现实生活中,由于噪音、数字化错误和图形变异等因素真实的图形经常被曲解,因此,图像在应用Hough变换后,很难找到单一的峰值,这也就造成了检测的难度。在Hough变换的原理基础上利用圆的几何特征提出了改进算法。理论和实验证明能获得较好的检测结果。     

基于小波变换的图像配准

图像配准是信息融合处理中的重要环节。本文分析了图像配准的数学模型,并对小波变换进行了研究。基于小波理论,提出了一种高精度的图像配准方法。该方法利用小波变换将图像分成若干层次,按照互信息最大的原则对小波分解各层的近似分量求取其配准参数,最后通过迭代实现图像配准。实验结果表明,该方法配准精度高、可靠性好,较之传统的方法有明显的优越性。     

小波变换及相位相关在亚像素配准中的应用

结合小波变换理论和Fourier相位相关算法,提出了一种亚像素配准算法。通过对图像进行小波分解获得低频系数,对低频系数应用相位相关进行粗配准,追踪到原图像,在原图像上进行精确配准。实验结果表明,该算法具有精度高,速度快,抗噪性能良好等优点。     

基于霍特林变换的三维医学图像快速配准算法

提出了一种新的基于霍特林变换的三维医学图像快速配准算法,这是将数据压缩技术用于图像配准的一种创新性尝试。传统的基于灰度的方法需要考虑整个三维数据的灰度信息,计算复杂度大,无法满足临床需要。论文将Otus算法与互信息量技术相结合提出了一种新的图像分割算法,用于提取待配准物体,从而得到物体的向量表示;然后通过霍特林变换的平移和旋转性质完成配准。实验结果表明此方法能准确,快速地处理图像刚性配准问题,特别适用于三维医学图像的配准。     

基于纹理特征的图像自动配准方法研究

精确的图像配准是超分辨率重建取得成功的前提。为此,针对大多数图像配准算法存在精度低、抗噪声能力差等缺点,提出一种基于纹理特征的图像自动配准方法。首先用Canny边缘检测算子提取裂缝纹理图像,然后用Photoshop图层工具,通过对待配准帧关于参考帧作变换,得到空间几何变换参数,最后用Matlab编程实现待配准帧的缩放、旋转和平移。对配准后的酸蚀岩板裂缝图像,进行超分辨率重建,结果证明,该方法具有抗噪声能力强、配准精度高、易于编程实现等优点,取得了较好的效果。     

基于FRIT循环抽样声纳图像去噪新方法

声纳图像背景复杂,对比度差,边缘恶化,不易判读图像边缘。对声纳图像执行小波变换能够有效去除噪声,但是由于小波的局限性,其对图像边缘的保持效果不佳。有限Ridgelet变换(FRIT)能够有效克服小波变换在处理高维信号时的不足,是一种有效处理二维奇异性信号的新方法。将FRIT处理技术应用在水下声纳图像去噪技术中,基于该方法提出循环抽样FRIT去噪算法,提高了处理结果的信噪比及边缘保持效果。在实验数据比较中,此改进算法优于其它经典方法。