有向非刚体形变局部不变特征描述符

当前局部不变特征描述符主要针对刚体形变的图像匹配问题,但非刚体形变图像匹配的需求普遍存在且应用日趋广泛.非刚体形变的复杂性会导致同名特征点的局部支撑区域难以保持结构特性的相似性.构造更具针对性的局部不变特征描述符成为解决非刚体形变图像匹配问题的关键.针对如何准确地确定局部特征的主方向并划分局部支撑区域,提出了一种有向非刚体形变局部不变特征描述符及其构建方法.首先根据特征点的二阶矩阵估计其椭圆邻域并指示主方向,然后对局部支撑区域进行同性化处理,以消除各向异性形变的差异,最后把局部支撑区域加权嵌入到三维空间,用热核信号的形变不变性进行特征点局部支撑区域描述.对比实验结果表明,在非刚性形变和光度变化情况下,本文描述符的匹配正确率高于SIFT(Scale Invariant Feature Transform)和GIH(Geodesic Intensity Histogram)描述符,且保持了较好的旋转不变性.     

基于形状描述算子的仿射点匹配算法

针对仿射点匹配问题,首先通过建立点模式之间仿射映射关系,运用虚拟对应点估计待匹配点集的仿射参量,然后运用形状描述算子进行点集间匹配关系的求解,通过上述步骤的反复迭代最终求得点匹配问题的最优解集。算法较好地解决了仿射变换下的点集匹配问题,即使在较强的噪声和出格点干扰情况下,仍能获得较高的正确匹配率。实验证明了算法的有效性和鲁棒性。     

二值图像的游程法压缩及其改进算法

依据游程压缩算法的基本原理，实现了对二值图像的无损压缩，并针对点阵汉字库本身的特点，对算法作了进一步改进，压缩比有了较大提高。该算法实现简单，对计算时间空间的要求低，适合嵌入式应用环境。     

基于多边形顶点法矢量的网格模型简化算法

在计算机图形学中，经常采用网格模型进行几何物体的描述，而网格模型的大数据量成为实时绘制的瓶颈，因此，必须对网格模型进行简化。目前的简化算法，主要是以网格模型几何误差的最小化为准则，而忽略了模型的视觉特征，为此提出了一种基于法矢量的模型简化算法，其简化准则是视觉特征的最优化。首先获取多边形顶点的平均法矢量，然后依据该法矢量确定简化门限。实验结果表明，当地景模型简化至95.4%时，仍然保持了令人满意的图象质量。该算法能够在保证高度真实感视觉效果的前提下，实现模型较大幅度的简化。     

特征融合的多时相遥感图像道路提取方法

为了提高单时相遥感图像道路提取的准确度，提出一种基于特征融合的道路提取方法。首先，提取已配准好的多时相SPOT图像直线段特征和角点特征，然后，对得到的特征进行融合判断，从特征融合结果中提取近似平行线，最后进行道路拟合。本文对相位编组道路段提取方法进行了改进，引入基于灰度SUSAN的角点特征信息，提高了道路段提取的准确性。文章最后给出了实验结果。     

一种基于蚁群算法和互信息测度的图像拼接技术

以图像间的互信息为基础,通过计算图像的信息熵来获得2幅图像的匹配区域。利用互信息量测度函数作为蚁群算法的适应值函数,通过蚁群迭代寻找最优的匹配区域。与SIFT拼接算法进行比对实验。实验结果表明,本文算法具有良好的拼接效果和较高的拼接效率。     

SAR图像舰船尾迹检测及其真假判别方法

针对常规Radon变换域中尾迹峰值检测的不确定性问题,提出了一种基于特征空间决策的尾迹检测算法.该算法首先门限化图像的Radon变换系数,提取出所有可能的峰值点;然后对这些相应的局部峰值的"截面"进行连续小波变换峰值匹配,再根据提取到的参数形成决策矢量在特征空间中进行决策.对仿真和实际数据处理的结果表明,该方法能有效、准确地检测到SAR图像中的舰船尾迹.     

多指标混合逐次投影高光谱图像降维算法

降维对于高光谱图像解译具有重要意义。基于二阶统计量分析的经典主成分分析方法在降维过程中会丢失小目标信号。为解决这一问题,本文中引入高阶统计量作为投影指标对主成分分析方法进行拓展,提出了一种基于不同统计量描述的混合逐次投影的高光谱图像降维算法。该方法在保持主成分分析优点的同时,有效结合了非正交向量投影的特点,可以在降维后的低维空间中保留异常信号成分。真实高光谱图像数据的实验结果证明,该方法相对于主成分分析可以提取更加完整的低维信号子空间。     

基于电磁散射特性计算的目标SAR图像仿真

目标SAR图像仿真对SAR系统设计与验证、SAR图像几何纠正与地理编码、SAR图像解译和目标识别以及SAR成像处理等具有重要意义.SAR图像仿真总体分为基于信号的仿真和基于特征的仿真,不同应用决定了其相应的仿真方法也各不相同.面向SAR图像解译与目标识别应用,采用基于信号的仿真,研究实现了基于电磁散射特性计算的目标SAR图像仿真,给出了仿真信号的数学模型及仿真流程,并通过简单几何体以及实际目标的SAR图像仿真实验结果验证了其有效性.