基于恒星配准的空间点目标检测算法

针对以往文献在处理空间目标图像时使用的配准帧差方法,存在不能配准旋转背景以及没有充分利用目标运动特征等问题,提出了一种基于恒星配准的检测方法.该方法以恒星为控制点,利用刚体变换模型配准相邻帧,再通过帧差分离出可疑目标,最后通过最近邻航迹关联法确认真实目标,其中为了有效区分相邻帧中的目标点,对原始帧差法做了一些改进.最后利用增加了人工仿真点的实摄观测图像对算法进行实验,结果表明,该方法能较好地配准旋转背景序列图像,可以有效检测出空间点目标.     

基于层次聚类的弱小目标检测算法

空间图像具有恒星、目标和噪声特征相似,星点灰度范围大的特点,常见的小目标检测方法无法有效处理该类图像。提出了基于层次聚类的空间弱小目标检测算法,以星点到参考恒星之间的距离变化为依据,根据恒星和目标的运动特性构造相似性度量函数,通过寻找误差平方和曲线拐点的方法寻找最优分类曲面和分类个数,最后以两层复合分类将恒星、噪声和目标分离。实验结果表明,该方法兼容8位和16位灰度图像,可以有效检测出单点和多点小目标。     

星空运动背景中目标识别算法研究

针对微型航天探测器在星空运动背景下对目标识别的要求,提出一种基于图像配准与边缘提取的差分算法。该算法将采集的连续两帧图像配准后差分,将差分图像二值化后与后一帧边缘提取后的图像进行逻辑乘,提取出目标物。计算机仿真结果表明该算法计算量小,识别效果好。     

一种有效的运动物体检测方法

为了从监控视频中检测出较高质量的运动物体,文章提出了一种基于帧间差分和背景差分相结合的运动目标的检测方法,并且采用像素级和帧级背景更新相配合的一种背景更新策略。算法求取各像素点处的最大概率灰度,从而提取出连续视频的背景图像;相邻帧则利用帧间差分法以及背景差分法得到两幅运动区域图像;将两幅运动区域图像相与,提取出较为准确的运动目标。实验证明,该算法对光线的变化鲁棒性较高,运算速度较快,且能够及时的响应监控视频的实时变化,提高运动目标的检测质量。     

序列血管内超声图像的管腔内膜自动分割算法

针对序列血管内超声(IVUS)图像相邻两帧具有很大相似性的特点,提出一种基于 序列 IVUS 图像配准的自动提取管腔内膜的方法。首先利用形态学运算以及连通分量法提取初 始帧的大致管腔内膜边缘,然后采用前景和背景像素的颜色直方图特征对相邻两帧图像进行建 模并进行配准：利用巴氏系数度量相邻两帧图像之间的相似性,建立仿射变换模型,优化模型 并计算模型参数,从而将轮廓相对准确地定位到管腔内膜附近;最后通过变分法、最速上升法 使目标轮廓曲线准确地收敛到管腔内膜处。以经验医师提取的管腔内膜作为评价标准,分别 与文献[17]和[4]相比,该方法的均方根误差分别平均减少了 0.124 和 0.063,相对差异度上分 别平均减少了 0.51%和 0.16%。实验结果证明,该方法可以准确地提取到序列 IVUS 图像的管 腔内膜。     

基于帧间差分的自适应运动目标检测方法*

本文提出了一种基于帧间差分的自适应运动目标检测算法。算法利用直方图统计各像素点处最大概率灰度的方法提取出连续视频的背景图像;相邻帧利用帧差法得到运动区域图像;利用运动区域图像与背景图像差分的方法提取出运动目标。实验结果表明,该算法能在多个不确定性因素的序列视频中较好的提取背景图像,能及时响应实际场景变化,提高运动目标检测的质量。     

基于改进SIFT的SAR图像配准方法

针对尺度不变特征变换(SIFT)配准方法在处理SAR图像时精度不高的问题,提出一种基于改进SIFT的精确配准方法。在提取关键点SIFT描述子及其邻域多尺度自卷积矩不变特征的基础上,利用基于典型相关分析的融合算法对SIFT与矩不变特征进行融合,形成新的关键点描述子,使用阈值实现粗匹配,并结合关键点的距离与邻域灰度相关性构建相似矩阵,采用奇异值分解方法精确确定匹配点对,求出仿射变换模型参数,从而完成图像配准。实验结果表明,该方法的配准结果优于SIFT方法,且配准精度达到亚像素级。     

一种基于轮廓多边形逼近的可见光与红外图像配准方法

针对遥感可见光与红外图像配准的问题,提出采用对轮廓进行多边形逼近的配准方法.由于可见光与红外遥感图像中噪声多、灰度复杂等特点,使得很多配准方法失效.在提取目标轮廓后对轮廓多边形逼近,然后利用Freemen链码作对多边形的特征进行分析,根据仿射变换中直线不变原理,得到多边形的边和顶点之间的关系,利用控制点对进行配准.实验证明该方法取得了较好的效果.     

基于卡尔曼滤波的弱小目标实时检测与跟踪

提出一种基于卡尔曼滤波的弱小目标实时检测与跟踪方法。计算每帧图像上所有星点到参考星点的距离,利用目标与背景恒星运动特性上的差异检测出运动目标。针对漏检问题,采用卡尔曼滤波算法估计目标在漏检帧上的位置,通过对图像的重分割寻找丢失目标,利用目标的运动信息建立连续的目标链。实验结果表明,该方法能实现高检测率和低虚警率的实时检测。     

基于相邻帧补偿的高速运动目标图像稳像算法及仿真

在高速运动目标图像视频采集过程中,高速运动、风力作用等因素将导致视频图像抖动。为提高高速运动目标图像视觉系统采集性能,改善图像采集质量,提出一种基于相邻帧补偿的高速运动目标图像稳像算法。结合自适应中值滤波方法和灰度化直方图均衡方法对图像进行预处理,用尺度不变特征变换(SIFT)算法提取视频图像中的特征点,利用仿射模型求解运动参数,采用Kalman滤波对视频图像中的正常扫描进行滤波,最后用相邻帧补偿方法将图像的前一帧作为参考帧对当前帧进行参数补偿,实现高速运动目标的视频图像电子稳像处理。仿真实验表明,新算法能在保留图像中的特征的同时去除图像中含有的抖动,非常适合高速运动视频图像的电子稳像处理,精度提高,计算量明显减少。     

结合SIFT和Krawtchouk矩不变量的图像配准方法

提出了一种基于SIFT和Krawtchouk矩不变量的图像配准方法。通过SIFT关键点检测方法检测关键点;对每个关键点计算其邻域的Krawtchouk矩不变量,并将其构成描述关键点的特征向量;计算关键点特征向量之间的欧氏距离找出相匹配的关键点对。实验结果表明,该算法的配准性能与标准SIFT算法相当,而运算速度比标准SIFT算法有较大程度提高。     

基于Krawtchouk矩的运动目标分类

针对视频监控系统,为了实现对运动目标的有效分类,提高其分类准确率,提出一种基于Krawtchouk矩不变量特征的运动目标分类技术.提取目标图像的低阶Krawtchouk矩不变量来描述目标,确保目标在平移、缩放、旋转条件下的不变性,选用K-means均值聚类算法进行数据聚类,达到准确分类的效果.通过实验验证了该方法的有效性,与应用Hu矩不变量进行分类的结果进行比较,表明了该方法具有较好的分类效果.     

Moment invariants for recognition under changing viewpoint and illumination

Generalised color moments combine shape and color information and put them on an equal footing. Rational expressions of such moments can be designed, that are invariant under both geometric deformations and photometric changes. These generalised color moment invariants are effective features for recognition under changing viewpoint and illumination. The paper gives a systematic overview of such moment invariants for several combinations of deformations and photometric changes. Their validity and potential is corroborated through a series of experiments. Both the cases of indoor and outdoor images are considered, as illumination changes tend to differ between these circumstances. Although the generalised color moment invariants are extracted from planar surface patches, it is argued that invariant neighbourhoods offer a concept through which they can also be used to deal with 3D objects and scenes.     

基于特征向量的SAR图像目标识别方法研究

用于描述区域特征的Hu矩不变量在模式识别中得到广泛使用。然而在噪声影响下,尤其是SAR图像中严重的相干斑噪声,Hu 矩不变量不再保持其完美的性能。以Hu七个矩不变量为基础,结合SAR图像的特点,引入四个仿射矩不变量和SAR图像中目标区域的峰值、均值和方差系数,构成SAR图像中目标识别的特征向量。该特征向量体现了SAR图像区域目标的形状特征和区域的灰度信息。通过对两种不同分辨率下的T72坦克SAR图像的目标识别仿真实验,均获得了较好的目标识别效果,说明所选取的SAR图像目标识别的特征向量是有效的,具有较强的目标识别性能。     

Projective invariants of co-moments of 2D images

Functions of moments of 2D images that are invariant under some changes are important in image analysis and pattern recognition. One of the most basic changes to a 2D image is geometric change. Two images of the same plane taken from different viewpoints are related by a projective transformation. Unfortunately, it is well known that geometric moment invariants for projective transformations do not exist in general. Yet if we generalize the standard definition of the geometric moments and utilize some additional information from the images, certain type of projective invariants of 2D images can be derived. This paper first defines co-moment as a moment-like function of image that contains two reference points. Then a set of functions of co-moments that is invariant under general projective transformations is derived. The invariants are simple and in explicit form. Experimental results validated the mathematical derivations.     

一种面向弱小目标检测的序列星图配准算法

对于星空观测CCD相机获得的序列图像,由于相机姿态的变化使得图像存在全局运动,空间目标的运动与背景恒星的运动混淆在一起,增加了空间目标检测的难度,为了有效地对空间弱小目标进行检测,提出了一种序列星图配准算法。首先,对图像进行预处理,包括成像传输通道不同导致的辐射不均匀性校正和空间杂散光辐射校正;然后,利用序列图像一一对应的高亮恒星星像质心作为特征点计算全局运动参数;最后,提出了一种基于星像质心坐标矩阵的星图配准算法,将星图转换为星像质心坐标矩阵的形式,利用全局运动参数对星像质心坐标矩阵进行处理,进行星图配准,同时对背景恒星进行滤除。算法能够有效地克服恒星和杂散光的干扰,而且在配准过程中将对星图的处理转化为对星像坐标矩阵的处理,省略了配准过程中的图像重采样与变换步骤,节约大量的运算时间,配准后的图像在对恒星背景进行滤除的同时,在一定程度上降低了弱小目标检测的难度。     

改进的基于凸壳仿射不变量的图像识别和配准算法

提出了一种新的基于凸壳和仿射不变量的图像识别和配准的方法。该方法利用从参考图和测试图中得到的特征点提取其凸壳，并计算凸壳的仿射不变特征向量。通过比较参考图和测试图特征向量的一致性，建立它们的仿射变换关系，最后利用凸壳内特征点的匹配来实现识别和配准。该方法的优点是即使目标物体被部分覆盖或者缺损，其图像也能够达到较好的识别和配准效果。