匹配与姿态估计的粒子群优化算法

点模式匹配问题是机器视觉与模式识别领域中一个基础问题,在目标识别、医学图像配准、遥感图像匹配、姿态估计等方面都得到广泛应用。提出一种在仿射变换下利用粒子群优化算法进行图像点模式下的匹配与姿态估计的方法。算法首先把点集匹配问题转化为解空间为仿射参数空间下的目标函数优化问题,然后运用粒子群算法对相应的变换参数进行搜索,获得问题最优解。本文贡献如下：1)给出一种仿射参数的初始估计方法,提高了后续算法搜索效率;2)引入阈值和次近点规则,改进了最近点匹配搜索方法,能较好地拒绝出格点（outliers）,并提高算法有效性;3)从两方面对PSO方法进行了改进,加强了原PSO的全局和局部搜索能力。实验结果表明,算法具有有效性和鲁棒性。     

基于超图模型的图像目标识别

基于类属超图模型给出简单图像和复杂图像目标的识别方法。通过提取简单图像的稳健尺度不变特征变换特征,得到其对应的属性图,采用RSOM聚类树的思想和K近邻方法快速实现对简单图像的目标识别。复杂图像存在较大的背景干扰和遮挡的影响,通过滑动窗方法在待识别图像中定位待识别目标区域,并将该区域从待识别图像中分出,然后采用与简单图像识别方法类似的方法完成目标识别,减少背景干扰和遮挡的影响。仿真实验表明,2种图像目标识别方法是有效的。     

一种准自动高精度图像配准算法

为了增强图像配准的鲁棒性，提出了一种人机交互的图像配准算法，该算法首先利用人工选择控制点的方式得到变化模型的初始参数，然后利用初始参数寻找其他可能匹配的特征点对，最后利用加权最小二乘法精确求解变化模型的参数，并完成图像的配准。该算法不仅降低了计算量，而且减少了误配的可能性，并且对灰度差异较大的图像也是适用的。大量实验表明，提出的方法对同种传感器或者不同传感器图像之间的配准都是有效的。     

基于Mean Shift聚类的边缘检测方法

噪声图像中的边缘检测是图像处理中一项很困难的任务。基于Mean Shift的图像平滑能够有效地去除图像中的高斯噪声,同时保持图像的边缘,然后通过ADM掩模算法检测边缘。经过实验证明,能够很好地提取图像的边缘,与其他经典方法相比具有比较好的效果。     

自适应序贯M估计算法及其性能分析

针对复杂噪声环境下的参数估计问题,提出了一种稳健的自适应序贯M估计算法(Adaptive Recursive M-Estimation,ARME),并从理论分析和Monte Carlo实验仿真两方面分析了该算法的收敛性、渐进无偏特性和稳健性.理论分析和仿真试验表明:在高斯白噪声背景下,ARME具有与序贯最小二乘算法(Recursive Least Square,RLS)相近的性能;在有突出干扰等非高斯噪声背景下,与RLS相比,ARME的参数估计收敛速度更快,估计误差更小,而且在稳健性上大大优于RLS.     

利用三维模型和立体像对估算飞行目标位姿

提出了一种新的飞行目标位置姿态参数解算方法.该方法基于目标的三维模型和立体像对:从目标模型外表面选取若干模型控制点并结合相机参数进行可见性判断,将两相机均可见的点投影到左右图像上,进而依据同名像点在立体像对中的灰度差平方和达到最小的准则将目标位置和姿态参数的求解问题转化为最优化问题.文中采用L-M算法解决这个优化问题以获取目标位置姿态参数最优解.仿真实验结果表明文中提出的算法是正确、有效的.     

一种扩展三角波线调频信号测距范围的新方法

针对线调频信号测距范围受到最大回波延时限制的问题,提出一种双差拍-傅立叶变换的处理方法。通过将回波信号与两种形式的发射信号分别混频,并对混频信号进行傅立叶变换获取目标距离信息。该方法在损失一定输出信噪比的代价下,扩展了信号的测距范围。理论分析和实验仿真均证明了该方法的有效性。     

LFMCW雷达高速运动目标检测与估计

针对LFMCW雷达高速运动目标的检测问题,本文提出了一种二次混频与MTD处理相结合的方法。根据上、下调频差拍信号对称特点,采用二次混频处理解决多周期信号中心频率偏移问题,同时实现了距离-多普勒解耦合。MTD处理则等效地实现了多周期信号的积累,并得到目标速度估计。然后根据速度估计值对差拍信号进行运动补偿,获取目标距离信息。性能分析结果表明,与传统MTD方法相比,在输入信噪比一定的情况下,该方法的处理增益不受目标多普勒的影响,因此更适用于高速运动目标的检测。仿真结果验证了该方法的有效性。     

基于信息几何的图像去噪

提出一种基于信息几何的图像去噪方法,与传统的欧氏空间中去噪方法不同,基于信息几何的图像去噪方法是在流形上利用两点间的测地线距离的大小来衡量图像中两像素点之间的相似性。流形中的点是通过图像中某区域构建的高斯模型,模型间的测地线距离表示两图像区域平均灰度强度和细节丰富程度的差别。这样将区域的平均灰度强度和细节丰富程度的差别作为像素点间的相似性,能够更加准确地衡量像素点间相似性的差异。实验表明,该算法提高了图像去噪效果,能够很好地保持图像细节。     

一种基于高斯混合模型的距离图像分割算法

提出了一种基于表面法向的高斯混合模型的距离图像分割算法.它充分利用了表面法向高斯混合模型的物理含义,使数据聚类的次数减少,并利用Expectation-Maximization(EM)算法估计出的模型参数计算模型的后验概率实现了自动模型选择.算法针对两种距离相机的60幅真实距离图像进行了实验.将实验结果与几个流行的分割算法进行了客观比较.