基于Radon变换的SAR图像目标统计不变特征提取研究

SAR目标图像敏感于目标方位的特性为SAR解译带来了困难。通过对目标散射机制的分析,认为一定方位角变化范围内的目标图像只是在图像域发生了旋转和平移,其灰度统计分布是不变的,利用X波段的实测车辆目标数据,通过Radon变换提取图像64个投影方向上序列的各阶矩以及序列的极值、宽度等灰度统计值构造特征矩阵,然后对特征矩阵进行旋转和平移校正得到统计不变特征。结果表明:该特征在5°方位角范围内具有70%以上的稳定性,因此可以用来合并目标不同方位角的信号。     

像对匹配的模板选择与匹配

目的 图像模板匹配法常用于寻找像对间区域的对应关系,目前尚存的问题有：1）随着摄影基线的增加,待匹配区域在目标影像中有效信息逐渐降低;2）匹配区域的选择对匹配结果准确性影响较大。为了解决上述问题,提出一种基于分值图的图像模板选择与匹配方法。方法 首先利用图像多通道特征,提出采用抽样矢量归一化相关算法SV-NCC （sampling vector-normalized cross correlation）度量两幅图像间区域一致性,增加多通道特征间的有效信息对比,以此降低噪声与光照对模板匹配的影响。其次,在矢量空间中对图像进行分块聚类,将模板区域根据颜色特征分为几类,统计匹配图像的每个区域类中心颜色在待匹配图像中相似数量的倒数作为度量值,其值越大则颜色或颜色组合在目标图像中相似的概率越小,以该位置为基础选取模板进行匹配的准确率越高。最后,给出依据分值图排序模板区域的方法,并选取高分值区域作为最终的模板选择区域。结果 实验采用公共数据集从两个方面对本文方法进行客观评价：1）在摄影基线变换不大的情况下,SAD与SV-NCC方法的准确率均较高,达到90%以上。随着摄影基线的增大,采用SAD方法匹配准确率降低速率更快,在第6幅Graf图像的测试中匹配准确率低于20%,而SV-NCC方法匹配准确率高于40%;2）随着摄影基线的增大,落在高分值图区域匹配的正确率高于未落在高分值图区域匹配的正确率,由此可见高分值图区域的合理选择将提高模板匹配方法的准确率,验证了本文分值图与选择最佳模板匹配位置方法的有效性。结论 该方法从定量和定性比较上都体现了较好的像对匹配能力,其匹配结果适用于影像融合、超分辨率重建及3维重建等技术中的先期处理步骤。     

鲁棒的自适应尺度和方向的目标跟踪方法

针对在视频序列图像目标跟踪中,跟踪目标尺寸和跟踪目标相对背景运动的方位角都在实时变化,常规目标跟踪算法会引起尺度和方向定位偏差,导致跟踪漂移,甚至跟踪失败问题,提出鲁棒的目标尺度和方向自适应的跟踪方法。在Kalman滤波框架下,通过将运动目标的最小外接矩形信息转化为Kalman滤波参数,对目标运动进行建模。采用基于最小外接矩形的两步块匹配搜索方式实现对目标的中心定位,然后采用增量式搜索匹配方法根据最优尺度和角度的判别条件修正目标尺度和方向角度。通过动态评估不同目标模型在不同跟踪场景中的置信度,对目标模型进行动态更新。使用公用视频图像序列测试,实验结果验证了该方法的有效性。     

一种抗视角变换的SURF匹配算法

针对传统的SURF匹配算法在图像搜索、物体识别中对视角变化大的图像特征点无法匹配的缺陷,提出了一种改进的SURF图像匹配算法。该算法利用模拟图序列的概念,即由原始图像模拟各种可能的视角变换生成的一组图像序列,对图像序列中的每幅图像进行SURF特征点提取;剔除冗余特征点后将模拟图序列中的特征点映射到原始图像中,这一过程增加了原始图像的特征点数量,特征点描述向量改用原始图像和多个模拟图的SURF特征描述向量共同表示;最后采用欧氏距离准则,最终得到两幅图像的正确匹配对。实验结果表明,本算法增加了特征点匹配对数,改善了视角变换过大(大于60°)使得图像无法匹配的情况。     

协同目标性指导下的多图像联合分割算法

提出一种协同分割算法,使包含同类目标的多幅图像相互作用,从而将目标从各自图像的背景中分离出来。首先,分别从单幅图像自身角度和多幅同类目标图像相互作用的角度出发,计算出图像中每个像素或区域属于前景或背景的似然概率,从而得到协同目标性映射图。这个映射图描述了目标的位置和几何形状信息,然后阈值化这个映射图作为图像分割真值来训练一个关于超像素的二值分类器,用训练好的分类器预测出每个超像素的前背景似然概率作为外观先验信息,与几何先验信息一并送入条件随机场模型,从而实现对图像目标的分割。在MSRC和iCoseg两个数据库上的测试结果表明该算法的分割效果优于同类方法。     

基于图结构的全景图自动识别与拼接方法

针对多幅图像的匹配和识别问题,提出了一种基于图结构的全自动识别与拼接方法.该方法能够根据用户输入的多幅无序图像,自动判别图像之间是否具有重叠部分,并对具有重叠的图像进行拼接.对输入的每一幅图像进行MOPS特征检测,通过k-d树的最近邻搜索完成不同图像特征之间的快速匹配.其次基于图像特征之间的对应关系使用RANSAC算法建立任意两幅图像之间的匹配模型,并用概率算法进行鲁棒校验.通过构建与图像匹配关系对应的无向连通图结构,实现多幅全景图像的自动识别.使用递归算法对无向连通图进行深度优先遍历,并用多频带融合算法消除拼接痕迹,合成相应的全景图像序列.     

相关视觉中基于位置相似性特征的点匹配问题研究

在研究相关视觉中的X光图像点匹配问题时，依据相关视觉中两幅图像的点具有位置相似性的特征，提出了基于“最小欧氏距离和约束”的匹配准则。该准则不同于一般点匹配问题中的基于灰度信息和基于区域特征的方法，它是利用顺序匹配算法原型，并依据两幅图像中标志点满足局部范围内对应点的相对位置不变这个条件，采用进化规划搜索算法不断调整标志点序列的顺序，通过使其对应点欧氏距离和最小来逼近最佳结果，从而在较低时间内取得了绝大部分点正确匹配的效果。经过实例测试和比较，验证了算法的有效性。最后总结了该算法的思想，并推广了它的应用。     

计算机视觉中的图匹配方法研究综述

图匹配是值借助匹配算法,从两幅图像或者多副图像中寻找相似之处,进而实现对图像的科学化和精准化处理,是当前计算机视觉领域中尤为重要的一项技术.图匹配的本质为离散组合优化问题,经过长期的研究及时间应用,当前已经形成了多种图匹配方法,文章从计算机视觉中的图匹配基本要素出发,对几种常见的图匹配计算方法进行了总结,对研究图匹配方法具有指导性作用.     

基于摄像机纵向运动的序列图像的实时漫游

对于摄像机纵向运动的序列图像，提出了一种基于极线几何约束关系的当前视点目标图像生成算法：1）利用基于傅立叶变换的方法，得到远视点源图像中和近视点源图像无对应点的区域，并用一种背景色将其填充，得到填充后的远视点源图像；2）利用极线的整体匹配性质在两幅源图像中确定遍历整个源图像的对应源极线；3）将所有对应源极线按灰度进行分段；4）用动态规划匹配法确定对应源极线上段与段之间的匹配关系；5）通过两条对应源极线插值合成一条目标极线，生成当前视点的目标图像；6）对上一步得到的目标图像的背景色区域加以处理，得到最终的当前视点目标图像．提出了一种链表数据结构存储每相邻两幅源图像之间的预处理信息．漫游时实时读取．开发了一个图像漫游器，使用户能在其中实现不同视点的实时漫游．     

一种新的相关跟踪方法研究

相关跟踪过程中，序列图象中的实时图和参考图之间必然存在灰度差异以及一定程度的几何形变和对目标的局部遮挡，而传统相关匹配算法中，每一对像素点对匹配结果的贡献是均等的，这样就使得算法的性能很容易受到图像中噪声、局部遮挡等因素的影响。为此，从另外的角度提出了一种新的图象相似度度量方法，即将目标图象中与模板图象相接近的点的个数作为相似性度量来进行匹配，这种方法得到的相关曲面更尖锐，匹配置信度更高。又因为跟踪过程，实时图必然存在这样或那样的变化，对模板合理地进行更新是相关跟踪的关键，在上述的图象相似度度量方法的基础上，另外又提出了一种非常有效的模板修正方案，从而使得跟踪算法对环境的适应能力和稳定性得到大大提高，实验结果证明了该方法的优越性。     

Reconstruction of medical images under different image acquisition angles

Compared to object-based registration, feature-based registration is much less complex. However, in order for feature-based registration to work, the two image stacks under consideration must have the same acquisition tilt angle and the same anatomical location - two requirements that are not always fulfilled. In this paper, we propose a technique that reconstructs two sets of medical images acquired with different acquisition angles and anatomical cross sections into one set of images of identical scanning orientation and positions. The space correlation information among the two image stacks is first extracted and is used to correct the tilt angle and anatomical position differences in the image stacks. Satisfactory reconstruction results were presented to prove our points.     

基于图像矩的车牌号码倾斜校正

根据矩的旋转不变性计算倾斜车牌号码图像的质心和归一化的中心矩,得到使二阶中心矩变得最小时的旋转角α,把整个图像绕质心旋转α进行水平倾斜校正;在垂直倾斜校正中,提出了坐标相关系数法和最小二乘拟合直线法等2种校正方法,分别计算出垂直倾斜角θ,并对水平倾斜校正后的图像进行错切变换,得到最终的校正图像.实验结果表明,该方法简单实用,能快速、准确地检测出图像的倾斜角,为图像倾斜校正提供了一种有效方法.     

双输入流深度反卷积的插值神经网络

在实际工作中深度学习方法通常不具备大量的训练样本，因此提出了双输入流深度反卷积生成神经网络的构架，依据给定的条件产生新的目标图像，从而扩充训练样本集。该神经网络的整体架构由双输入的卷积网络和一个反卷积网络输出构成，其中双输入卷积网络接收目标物体不同视角的两张图片并提取抽象特征，而反卷积网络则利用抽象特征和设定的参数产生新的插值目标图像。在ShapeNetCore数据集上的实验结果显示，在相同数量的训练样本空间中，与未扩展数据集的卷积网络相比，双输入流深度反卷积生成神经网络的识别率提高了20%左右。结果表明，双输入流深度反卷积生成神经网络无需输入目标物类别，可生成新参数条件下的目标图像，扩充训练样本空间，从而提高识别率，可用于少样本的目标物多角度识别。     

基于双线性插值的鱼眼图像校正方法

鱼眼镜头具有大视场、短焦距等优点,近年来被广泛应用到不同的领域。由于鱼眼镜头成像存在较大的畸变,目前主要用来目标监测,在目标物体的识别方面应用得很少。为此,提出一种基于球面透视投影约束的鱼眼图像校正方法,并用双线性插值法对校正后的图像进行填充,为鱼眼镜头在目标物体识别跟踪方面的应用做了准备工作。实验结果表明采用上述方法能够很好地对鱼眼图像畸变进行校正,且校正后的鱼眼图像符合人的直观感觉,真实感较强,图像边缘清晰。     

Wrong Matching Points Elimination after Scale Invariant Feature Transform and Its Application to Image Matching

When images are rotated and the scale varies or there are similar objects in the images, wrong matching points appear easily in the scale invariant feature transform (SIFT). To address the problem, this paper proposes a SIFT wrong matching points elimination algorithm. The voting mechanism of Generalized Hough Transform (GHT) is introduced to find the rotation and scaling of the image and locate where the template image appears in the scene in order to completely reject unmatched points. Through a discovery that the neighborhood diameter ratio and direction angle difference of correct matching pairs have a quantitative relationship with the image’s rotation and scaling information, we further remove the mismatching points accurately. In order to improve image matching efficiency, a method for finding the optimal scaling level is proposed. A scaling multiple is obtained through training of sample images and applied to all images to be matched. The experimental results demonstrate that the proposed algorithm can eliminate wrong matching points more effectively than the other three commonly used methods. The image matching tests have been conducted on images from the Inria BelgaLogos database. Performance evaluation results show that the proposed method has a higher correct matching rate and higher matching efficiency.     

基于掩盖效应的无参考数字图像质量评价

针对数字图像的客观质量评估，从噪声检测的角度，提出了一种基于掩盖效应的无参考图像质量评估方法。首先对Hosaka分块进行了改进，取消了该方法对图像尺寸的限制。通过分块，将图像以不同的频率成分区分开来。然后计算各个子块的噪声。根据图像的污染程度，提出了基于掩盖效应的无参考图像峰值信噪比NPSNR。实验结果表明，该方法具有无参考、运算复杂度低、主客观较一致等特点。     

基于相位相关算法的实时图像匹配系统

相位相关算法是一种应用很广泛的图像匹配方法,它与极坐标变换相结合而得到旋转不变相位相关算法,两者可以对目标进行判准并精确检测出平移量和旋转量.但由于算法的计算量大,基于通用平台实现时实时性差,该文通过对其算法的分析仿真及优化,提出并实现了由DSP和FPGA组成的系统平台解决方案,计算量很大的快速傅立叶变换用FPGA来完成.结果证明此方案具有实时性好、性能高、通用性强等优点,它可广泛应用与工业控制、医疗卫生等各个领域的图像测量和目标定位系统中.     

融合特征的卫星视频车辆单目标跟踪

目的 卫星视频作为新兴遥感数据,可以提供观测区域高分辨率的空间细节信息与丰富的时序变化信息,为交通监测与特定车辆目标跟踪等应用提供了不同于传统视频视角的信息。相较于传统视频数据,卫星视频中的车辆目标分辨率低、尺度小、包含的信息有限。因此,当目标边界不明、存在部分遮挡或者周边环境表观模糊时,现有的目标跟踪器往往存在严重的目标丢失问题。对此,本文提出一种基于特征融合的卫星视频车辆核相关跟踪方法。方法 对车辆目标使用原始像素和方向梯度直方图（histogram of oriented gradient,HOG）方法提取包含互补判别能力的特征,利用核相关目标跟踪器分别得到具备不变性和判别性的响应图;通过响应图融合的方式结合两种特征的互补信息,得到目标位置;使用响应分布指标（response distribution criterion,RDC）判断当前目标特征的稳定性,决定是否更新跟踪器的表征模型。本文使用的相关滤波方法具有计算量小且运算速度快的特点,具备跟踪多个车辆目标的拓展能力。结果 在8个卫星视频序列上与主流的6种相关滤波跟踪器进行比较,实验数据涵盖光照变化、快速转弯、部分遮挡、阴影干扰、道路颜色变化和相似目标临近等情况,使用准确率曲线和成功率曲线的曲线下面积（area under curve,AUC）对车辆跟踪的精度进行评价。结果表明,本文方法较好地均衡了使用不同特征的基础跟踪器（性能排名第2）的判别能力,准确率曲线AUC提高了2.9%,成功率曲线AUC下降了4.1%,成功跟踪车辆目标,不发生丢失,证明了本文方法的先进性和有效性。结论 本文提出的特征融合的卫星视频车辆核相关跟踪方法,均衡了不同特征提取器的互补信息,较好解决了卫星视频中车辆目标信息不足导致的目标丢失问题,提升了精度。     

旋转目标检测算法在卫星影像中的应用

近年来,深度学习在卫星影像目标检测领域得到了快速的发展,如何精准高效定位目标物体是卫星影像目标检测研究中的主要难点。提出了一种基于旋转矩形空间的YOLOv3改进算法来精准定位卫星影像目标,对原有网络进行改进,增加角度变换的数据预处理过程,防止实例角度变化对网络训练造成影响。使用双旋转坐标进行回归训练,增加了角度锚点,提高了网络对卫星目标的检测有效性。提出了基于旋转矩形空间的非极大值抑制改进算法,可以有效去除多余的旋转预测框。实验结果表明,改进YOLOv3算法相较于原始YOLOv3算法拥有更好的可视化效果,可以有效准确地定位卫星影像的目标物体,有效避免了密集场景下预测框的遮挡问题,在保证实时性的前提下,将均值平均精度提高了0.8个百分点。     

融合摄像机位姿信息的模板匹配跟踪算法

针对图像制导目标跟踪系统在跟踪过程中,由于图像旋转、成像视角和目标尺度的变化带来的跟踪漂移问题,提出一种利用摄像机的位姿信息的匹配模板校正和更新方法。根据摄像机与目标的相对位姿信息,建立目标透视成像模型以及不同摄像机位姿情况下的模板校正方程;将校正方程分解为实时图像旋转和模板仿射变换两部分减小模板变换的误差;通过设计与相关系数和距离信息相关的模板更新策略达到适应跟踪系统逐渐接近目标过程中目标的变化。采用基于视景仿真软件Vega Prime产生的模拟飞行视频对算法进行了验证。实验表明所提算法能够适应图像制导跟踪系统在跟踪过程中目标尺度、成像视角以及图像旋转的变化,减小跟踪漂移。