基于边缘细化的角点提取算法

基于边缘细化角点提取算法用Canny算子提取图像边缘,把边界细化为单象素并填充断点,保持边界连续,再利用角点几何特性对原始图像进行预处理,定义圆形模板,再通过扫描确定角点位置.用高斯平滑滤波器平滑图像,并采用一阶偏导的有限差分计算梯度幅值/方向.     

基于SUSAN和改进的Snake模型的空中目标图像分割

文中提出一种基于SUSAN和改进的Snake模型相结合的算法,用以进行空中目标在图像中的检测和分割.首先使用SUSAN算子检测飞行器的角点,通过连接已检测出的角点形成Snake模型初始轮廓,然后用改进的Snake算子进行目标轮廓拟合.实验结果表明,该方法可以有效地进行空中目标的检测和分割,并且克服传统Snake 模型易漂移和过收敛等缺点.     

基于分割模板运动预估的相关跟踪算法

为了对常规相关匹配算法实时性能进行提升，提出一种基于分割模板运动预估的相关跟踪算法。采用最小二乘法全区间等距拟合目标运动轨迹，计算出目标当前预估点；将模板图像按块运动估计算法要求分割成宏块；按菱形搜索法在预估点周围区域进行搜索，得到每个宏块的最佳运动矢量；取匹配度最佳的运动矢量对应点为模板的粗匹配点；判断该点所在宏块与搜索区域相对位置关系，决定是否进行精匹配结束搜索，或是按梯度方向建立新的搜索区域。目标跟踪实验证明，该方法比基于全搜索的归一化积相关( NProd)算法其计算时间缩短到3.31倍。     

基于角点响应函数的加权Hausdorff距离匹配算法

常见的图像匹配算法对目标遮挡以及非零均值噪声比较敏感,为此提出一种基于特征点的图像匹配算法,根据SUSAN算子提取图像的角点作为特征点,然后采用加权的部分平均Hausdorff距离对两个角点集合进行计算,通过引入角点响应函数的差异来抑制接近中心的误匹配点对图像匹配造成的干扰,从而实现较恶劣环境下目标的配准.实验结果证明了该算法具有较强的鲁棒性.     

基于计算机视觉的舰载直升机助降技术研究

为了辅助舰载直升机安全着舰,一种基于计算机视觉的助降技术被提出。该技术包括：利用图像分割技术从飞行甲板的背景中识别助降陆标图案;采用Harris角点检测器,提取助降陆标角点的投影;根据透视投影几何原理,构造助降陆标角点和图像上相应投影点的函数关系;采用最小二乘法解算函数关系矩阵;对该关系矩阵进行分解,即可得到直升机相对飞行甲板的位姿参数。仿真实验表明：该方法能够实时给出舰载直升机的相对位置和姿态信息,而且在图像检测误差的干扰下,位姿估计仍然保持着较高的精度。     

基于图像边缘和USAN区域的角点检测方法

在景象匹配技术中,利用角点来建立特征空间越来越受到研究者的亲睐.本文提出了一种新的基于图像边缘和USAN区域的角点检测方法:首先用二维Gabor小波提取图象的边缘,然后再利用基于同值分割吸收核(univalue segment assimilating nucleus)区域角点检测模型进行角点提取.此算法很好地解决了噪声对角点提取的干扰,同时该算法也为存在较大角度旋转的图象进行匹配提供了高质量的特征空间.     

基于特征点和区域生长的目标图像分割方法

成像探测的运动目标图像中背景复杂并且含有大量的噪声,针对传统的目标的检测和分割方法精确定位困难、且不能完整分割等问题,提出基于特征点和区域生长的运动目标图像分割方法。通过相邻帧图像的绝对值差分图像得到大概的运动区域,利用基于LK光流的角点检测方法提取差值图像中的特征点,采用非最大值抑制对特征点的优劣性进行评估,对好的特征点进行区域生长,最终达到运动目标的分割目的。仿真结果表明:该方法能够对复杂图像序列中的运动目标进行精确定位,得到较好的目标分割结果,并且计算量小,具有较高的鲁棒性。     

发动机部件CT图像特征提取与区域生长算法

针对工业计算机层析成像(CT)图像中金属伪影和噪声会干扰部件分割提取的准确性和精度问题，提出一种基于标准差权重阈值和区域生长的工业CT图像特征提取算法。采用标准差权重的二维最大类间方差和二维最小交叉熵阈值分割方法去除图像背景，利用图像的邻域均值实现多种子点区域自动选取，添加Scharr算子计算梯度改进生长准则完成对部件特征的提取。实验结果表明：该算法相对于其他区域生长法，精确率提高了9.1%,准确率最大接近1,相似性系数提高了5.3%,交并比提高了4.1%最大；该算法部件提取效果更好。     

基于图像边缘和USAN区域的角点检测方法

在景象匹配技术中，利用角点来建立特征空间越来越受到研究者的亲睐。本文提出了一种新的基于图像边缘和USAN区域的角点检测方法：首先用二维Gabor小波提取图象的边缘，然后再利用基于同值分割吸收核(univalue segment assimilating nucleus)区域角点检测模型进行角点提取。此算法很好地解决了噪声对角点提取的干扰，同时该算法也为存在较大角度旋转的图象进行匹配提供了高质量的特征空间。     

基于改进滤波器和图像加权局部熵的红外小目标图像处理

针对传统背景抑制方法虚警率高、检测率低的问题,提出一种基于改进滤波器和图像加权局部熵的红外 小目标图像处理方法。通过改进中值滤波对原始红外图像进行预处理,分别构建多尺度灰度差异算子、局部图像熵 算子,并将二者进行点积运算得到加权局部熵,从而能够有效地抑制背景并消除噪声。实验结果表明：该方法适应 性较好,运算效率相对传统中值滤波算法提升了20.6%,有一定的理论与工程应用价值。     

基于Hausdorff距离和免疫遗传算法在图像匹配的应用研究

部分Hausdorff距离和免疫遗传算法相结合的图像匹配算法包括：定义编码与适应度函数、确定交叉变异算子及免疫操作。部分HD距离作为模板匹配的相似性测度，可有效减少匹配计算量；免疫遗传算法具有较强的鲁棒性和强大的并行搜索能力。两者的结合明显缩短匹配时间，提高匹配的精确度和鲁棒性。仿真结果验证该方法高效稳定。     

基于Hausdorff距离的地磁匹配算法研究

在介绍地磁匹配的基本原理的基础上,指出了较为成熟的地形匹配算法以及成熟的图像匹配算法都可以为地磁匹配算法所借鉴.利用基于Hausdorff距离的匹配算法进行了仿真,仿真结果表明了该方法的有效性.     

工业CT图像的目标匹配定位方法

工业CT图像的目标匹配定位采用Hausdorff距离作为相似性度量,定义两个点集上的最大/小距离.以Hausdorff CANNY边缘检测算子在求得边缘位置信息同时获得边缘像素点方向信息.并通过CANNY算子提取边缘信息作为匹配特征,利用Hausdorff距离模板匹配,在距离变换空间内实现目标匹配定位.     

基于加权Hausdorff距离矩阵测度的SAR图像与光学图像匹配研究

针对多传感器图像匹配问题,提出一种基于加权Hausdorff距离矩阵(Weight Hausdorff Distance Matrix,WHDM)测度的合成孔径雷达(SAR)图像与光学图像匹配算法。该算法采用边缘特征作为SAR图像与光学特征的共性特征,克服了两种不同图像的灰度不一致性。算法中提出了基于边缘连续性密度加权的Hausdorff距离矩阵范数测度的相似性准则,该测度相对经典的Hausdorff距离与改进的距离测度相比,具有更高抗噪声水平与大比例遮挡能力。试验结果表明,这种算法匹配精度高,适合并行计算,该算法可应用于无人飞行器的自主导航中。     

前视红外目标的鲁棒分层跟踪算法

针对前视红外序列图像中目标与背景对比度低、灰度级动态范围小以及目标边缘模糊的特点,提出了一种基于均值漂移和特征匹配的红外目标鲁棒分层跟踪算法。首先利用均值漂移算法来快速搜索局部最优候选目标。然后,通过特征匹配对跟踪误差进行有效修正。采用Harris算子对模板目标与候选目标进行特征点提取,利用改进的Hausdorff测度对特征点进行有效的匹配度量,最终实现红外目标的精确定位。实验结果表明该算法简单有效,能准确跟踪前视红外目标。     

基于模板匹配的火炮身管膛线缠角测量技术研究

针对火炮身管膛线缠角测量问题，提出了一种新的基于模板匹配的方法。测量系统由光学传感器、定心机构、驱动装置及控制计算机组成。利用激光器投射一环形结构光同炮管内表面相交，形成炮管截面的轮廓曲线，CCD相机获取该截面轮廓图像。通过模板匹配得到不同截面图像之间的相对旋转角度，根据两个截面之间的轴向距离和旋转角度，确定炮管的膛线方程，再由膛线方程计算缠角值。同基于Radon变换的方法相比较，该方法不依赖于图像边界提取，对图像质量要求不高，理论分析及实验数据均表明，该方法具有较高的测量精度和稳定性；     

地形匹配制导技术研究

指出了匹配系统的性能与地形的选择有很大的关系，给出了地形高程数据的标准差、粗糙度和相关特性等概念，反映了特定区域内地形的总体起伏、局部变化及领域相关性的强弱，对地形匹配区的选择具有重要意义。同时，利用Hausdorff距离作为地形匹配算法的相似性度量，对应最小的Hausdorff距离是最佳匹配。实验结果表明该方法的有效性。     

基于Relief算法的故障图像识别与匹配方法

针对图像识别与匹配问题,提出一种基于Relief算法的新方案。利用k最近邻的Relief算法选择表达图像的最优特征子集,再利用基于最小距离分类器的模板匹配技术,实现故障图像的识别。在特征提取时,改进了对传统的灰度共生矩阵的选取。实验证明,该算法正确识别图像故障与否的概率能到达90%左右,提高了特征选择的有效性,完全满足实际应用中的需要。