三维重建中形状插值的快速算法研究

提出一种用于三维重建的层间数据插值算法．该算法首先利用数学形态学算子提取层内图像骨架；然后利用骨架匹配算法获取层间骨架点集的平移、旋转和缩放信息，并利用此信息的线性插值获得插值层图像的骨架点集；最后根据形态骨架的重建算法获得插值层图像．文中算法只对骨架点集进行操作，具有较小的运算复杂度，较好地保留了原始图像的形状信息．实验结果证明了该算法的有效性．     

基于边缘几何特征的图像精确匹配方法

提出一组快速高精度计算切线斜率的五点公式，用以估计图像边缘曲线的角度特征，并利用角度直方图估计图像几何变换的旋转参数，实现具有大旋转差异图像间的粗匹配．在进行角度补偿后，利用灰度互相关判据搜索匹配点对，计算出几何变换参数，实现较高精度的旋转和平移校正，最后用松弛迭代法完成图像的精确匹配．与基于小波方向角特征的匹配方法相比，文中方法利用图像中主要的边缘信息实施匹配，具有较好的鲁捧性，可成功实现对各类具有较大相关程度图像间的精确匹配，对图形匹配也具有重要意义．     

基于尺度不变特征点的抗几何攻击水印算法

利用基于尺度空间理论的特征点检测方法，检测出的特征点不但在大尺度缩放变换下重复率高，而且每个特征点的特征尺度随图像缩放尺度等比例变化。以特征尺度及特征点相对位置作为参考，生成一种几何变换自适应图形作为水印嵌入的区域。随着特征点相对位置的变化，自适应图形会产生相应变化，达到抗几何攻击的目的。实验表明，该算法能有效抵抗各种几何攻击，具有较好的性能。     

抗几何失真的局部数字水印算法

抗几何攻击一直是数字水印中的难点问题,为了更好地解决这个问题,基于图像的几何不变域,提出了一种抗几何失真的局部数字水印算法.算法利用显著性检测器检测到的具有平移、缩放和旋转不变性特性的圆形显著区域来嵌入水印.如何利用显著区域构造不变区域以获得平移、缩放及旋转不变性,以及如何从不变区域中筛选出适合嵌水印的区域,为要解决的重点问题,首先将水印进行几何变换来匹配各个水印嵌入区域的形状,再不可感知地嵌入到各个水印嵌入区域中.还着重讨论了如何利用显著区域获得平移、缩放及旋转不变性.实验表明该算法能很好地抵抗一般的信号处理攻击及旋转、缩放、裁剪和线性变换等几何攻击.     

快速相关跟踪算法的研究与实现

利用七阶不变矩对图像进行相关匹配,可以有效抑制几何失真的影响;在匹配的过程中对输入图像进行3层金字塔分解,在每一层上利用高效、并行的遗传算法进行匹配,搜索最优匹配点;实验结果表明该算法能够实时计算运动目标的位置,并且在目标发生缩放、旋转、光照等变化时仍能够长时间稳定跟踪目标.     

基于度量矩阵特征值的图像空间关系描述

构造了在平移缩放旋转下保持不变的基于度量矩阵特征值的图像空间关系描述子。理论计算和仿真实验表明这种描述与人的主观视觉心理相一致,在平移缩放旋转下以及小噪声下具有较强的鲁棒性,具有较好的类别可分离性。与传统的空间关系描述方法如几何法和图匹配法相比,可以更好地描述图像空间关系,同时计算量有所减小。用于图像识别、图像检索、图像配准取得了较好效果。     

结合Zernike矩和模板具有RST不变性的DWT-HMM鲁棒水印算法

抵抗几何攻击是鲁棒水印研究的关键问题之一。为实现水印同步,提出了一种结合Zernike矩和小波域模板实现由粗到精几何同步的算法,即首先利用平移归一化图像的Zernike矩估计旋转和缩放参数,并用校正旋转和缩放后的图像和原图像之间的质心增量估计平移参数;然后基于粗略估计的参数,通过匹配小波域模板实现旋转、缩放和平移(RST)参数的精确识别和校正,该同步方法可以较大程度地降低搜索空间。水印嵌入和检测采用了小波域向量隐马尔可夫模型(DWT-HMM)。仿真结果表明,利用由粗到精的几何同步方法和基于HMM的水印算法能有效抵抗StirMark平台的多种单项攻击和联合攻击,算法具有较好的鲁棒性能。     

抗几何攻击图像水印研究

研究图像数字水印安全问题.抵抗几何攻击一直是水印算法研究的难点和重点,在图像版权保护过程的研究,针对旋转、缩放和平移等几何攻击能够破坏水印检测的同步性,容易使常规水印算法检测不稳定的问题,利用图像伪Zernike矩的幅度具有旋转不变的性质,提出了一种可有效抵抗几何攻击的数字图像水印新方法.利用图像归一化技术将原始载体映射到几何不变空间内,以消除缩放、平移之影响,然后结合伪Zernike矩的旋转不变特性,计算出归一化图像的伪Zernike矩.最后选取部分低阶伪Zernike矩,并采纳量化调制策略将水印信息嵌入到伪Zernike矩幅值中.仿真结果表明,数字图像水印算法不仅具有良好的透明性,而且具有较强的抗攻击能力,为设计提供了可靠依据.     

基于颜色梯度的图像特征点匹配算法

提出了一种利用颜色梯度的彩色图像特征点的匹配方法。结合图像特征点的颜色梯度信息和几何特征分别构造两幅图像的Laplacian矩阵，并对这两个矩阵进行奇异值分解。利用分解的结果构造出一个反映特征点之间匹配程度的关系矩阵，根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明，该文提出的算法具有较高的匹配精度。     

基于颜色和几何特征的图像特征点匹配算法

提出一种基于颜色和几何特征的图像特征点匹配算法。首先提取两幅图像特征点集邻域色调的局部累加直方图，然后结合图像特征点的几何特征构造亲近矩阵，再对亲近矩阵进行奇异值分解（SVD），利用分解的结果构造出一个反应特征点之间匹配程度的关系矩阵，最后根据关系矩阵实现两幅图像的特征点匹配。实验结果显示，这种图像特征点匹配算法对真实图像的平面旋转和立体旋转都具有较高的匹配精确度。     

基于Contourlet旋转不变特征的遥感图像检索

除了具有纹理属性外,遥感图像中还包含大量的结构性边缘特征,如何有效捕捉这些特征中的信息进行检索,成为提高遥感图像检索效率的关键。文章依据Contourlet在离散域的多尺度几何分析的功能,提出一种利用Contourlet子带能量分布特性提取原始图像在多个尺度下的边缘方向信息进行检索的方法。针对Contourlet变换捕获不同特征方向能力的差别,文章采用正交补偿法加以改正,并通过傅里叶算子的处理,实现基于结构性边缘特征旋转不变的图像检索。实验结果表明,该检索算法对含有丰富规则边缘特征的遥感图像更为有效。     

基于图像统计特征的小波变换插值方法

针对一般图像插值方法常见的两个缺点:边缘锯齿、细节模糊,提出了一种基于图像统计特征的小波变换插值方法,该方法利用图像插值前后边缘统计特征的相似性,从低分辨率图像中获取估算高分辨率图像所需的协方差矩阵和向量,保持了边缘光滑性。同时利用小波分解与重构,将图像非边缘的细节特征进行了增强。该方法无需迭代运算,计算量较小。实验结果表明了用该方法获取高分辨率图像的有效性和可行性。     

基于三分量自主意识UAV路面遥感图像拼接算法

针对在检测过程中需要高分辨率的全景图像分析路面病害特征参数的问题,提出了一种具有三分量（3c）动态自主意识的遥感路面病害图像拼接算法。基于目标识别、主动立体视觉确定UAV系统在三维结构中的自主意识;采用增量搜索策略基于几何约束将SIFT点特征三角化;结合PNP—RANSAC算法找到最佳匹配面进行误匹配剔除;利用三角函数理论对图像进行融合。实现对长线程病害路面图像数据集的快速准确拼接。特征搜索时间平均为未使用增量搜索策略的43.45%,拼接准确率在88%以上。实验数据表明,基于三分量自主意识的UAV路面遥感图像拼接系统可以有效地应对长线程路面病害图像。     

多特征组合的深度图像分割算法

深度图像直接反映景物表面的三维几何信息,且不受光照、阴影等因素的影响,对深度图像处理、识别、理解是目前计算机视觉领域研究的热点和重点之一。针对深度图像信息单一且噪声较大的特点,提出一种基于组合特征的阈值分割算法,实现对深度图像数据的有效分割。算法首先通过梯度特征对图像进行Otsu阈值分割;在此基础上,分别在不同分割区域内利用深度特征进行Otsu多阈值分割,得到候选目标;然后,在空域上利用像素的位置特征对候选目标进行分割、合并与去噪,最终得到图像分割的结果。实验结果表明,该方法能有效克服深度图像中噪声的影响,得到的分割区域边界准确,分割质量较高,为以后的室内对象识别和场景理解工作奠定了较好的基础。     

基于红外热图像的分区域RANSAC匹配算法

RANSAC是一种鲁棒性估计算法,常用于可见光图像的匹配。文章将其用在红外图像的匹配过程中,并根据红外图像清晰度差,纹理信息少等特点,改进了该算法,提出了一种分区域的RANSAC算法。应用HARRIS算子提取特征点,在匹配过程中将人脸划分为不同区域,应用RANSAC算法进行匹配。实验仿真结果表明,此算法在红外热图像的匹配上,具有准确率高,计算量小的优点,有红外热图像的建模上有较高使用价值。     

基于五官特征的人脸剪纸生成方法研究

人脸肖像剪纸应该重现生动的图像细节,为了实现这一目标,提出了一种基于五官特征与图像变形算法的两阶段人脸剪纸合成方法。收集艺术家的人脸剪纸创作,分割五官部位并提取各组件的几何特征,建立数字化五官剪纸数据库。对目标人脸图像进行剪纸合成：在第一阶段,标定目标人脸图像的特征点,分割其五官部位,并提取各部位的几何特征,之后分别计算目标人脸五官与剪纸数据库中各对应组件基于几何特征和形状上下文特征的相似性度量值;通过融合几何特征和形状上下文特征,选择匹配相似度较高的剪纸部位,拼接得到初步的人脸剪纸图。在第二阶段,采用薄板样条（Thin Plate Spline,TPS）变形算法对第一阶段合成的人脸剪纸图进行变形,得到最终的剪纸图像。通过多人视觉测评实验,结果表明运用该方法得到的人脸剪纸图能够达到较为满意的效果。     

基于高亮特征匹配的双视向SAR图像建筑物高度提取

由于城区场景的复杂性和SAR成像几何畸变的影响,基于单幅SAR图像的建筑物高度提取常常存在很大困难。针对这一问题,利用建筑物目标SAR成像形成的叠掩、二次散射、较强单次散射等散射机制对应的高亮特征非常典型,并且对方向性敏感的特点,提出了一种基于双视向SAR图像高亮特征与几何模型匹配的建筑物高度提取方法。首先分析了建筑物目标的SAR图像散射特征及对雷达视向的敏感性,然后构造了建筑物目标在双视向SAR图像上高亮特征几何模型,然后基于灰度均值、灰度概率分布、边界信息定义匹配函数,并利用多种群遗传算法进行优化求解,最终得到建筑物目标的高度信息。基于模拟和机载SAR图像的试验表明该方法的建筑物高度平均反演误差小于1m,可以有效提高建筑物高度反演的精度。     

基于深度特征融合的空间植物图像分割算法

空间植物培养实验作为空间科学的一项重要研究,通常会获得大量的植物序列图像,传统的处理方法多采用人工观察,以供后续的进一步分析。本文提出一种基于多尺度深度特征融合的空间植物分割算法。该方法应用全卷积深度神经网络来提取多尺度特征,并分层次地融合由深层到浅层的特征,以达到对植物进行像素级的识别。分层次的特征融合了语义信息、中间层信息和几何特征,提高了分割的准确性。实验表明该方法在分割准确性方面表现良好,能够自动提取空间植物实验中的有效信息。