位移场估计法在交通管理中的应用研究

智能交通系统中，车辆的行驶速度是重要的参数之一，为了快速获得车辆的行驶速度，提出了一种基于位移场的运动场估计计算法，该方法首先构造一个基于图象灰度的指标函数，再通过变分法中的欧拉方程分析和偏微分方程的数值解法，即可得到序列图象间的位移场；然后利用帧间位移场、帧间时间差、摄像机与车辆间的距离等参数相结合可计算出车辆的行驶速度，实验结果表明，与块匹配法相比，该方法不仅可得到更好的位移场，而且可快速获得车辆的行驶速度。     

基于小波变换的多尺度图像匹配算法

文中针对基于梯度算子的图像匹配方法通常存在的问题———收敛速度较慢、迭代易落入局部最优点,提出了一种基于小波变换的多尺度图像匹配算法。这一算法利用小波的良好的多尺度特征,先对低分辨率的子图像做匹配,将得到的结果作为初始值用于高分辨率图像的匹配运算,匹配运算都在位移矢量场上进行。实验表明该方法可节省计算时间,且减小迭代落入局部最优点的概率,算法鲁棒性得以提高。     

一种基于梯度算子的图像匹配算法

在图像处理中常需要找出一幅图像与其对应的样板图像间的位移（变形）量,本文比较了几种常用的匹配方法,并对一种基于梯度算子的弹性匹配方法进行了研究,这种方法首先构造一个二次误差指标函数,此指标函数由两项组成。匹配误差项和平滑约束项。此指标函数不同于Ｈｏｒｎ和Ｓｃｈｕｎｃｋ的光流法之处在于;其中的匹配误差项和平滑约束项直接定义于位移矢量场而不是光流场,利用变分法可以从这个二次误差指标导出一组椭圆形偏微分     

超视距雷达传播模式识别

超视距雷达传播模式识别是超视距雷达（ＯＴＨＲ）实战中必须解决的一个问题。本文对这一问题的计算机自动实现进行了探讨，并对实现中出现的具体问题提出了相应的解决方案。最后仿真验证了此方法的正确性。     

基于HUBER函数的序列图像位移场估计算法

提出了一种基于Huber函数的序列图像位移场估计算法，与光流法不同的是，它能直接计算位移场，还能在一定程度上减轻对于变化剧烈的“运动边界”过渡平滑的问题，该算法采用共轭梯度法优化能量方程，并利用小波分解进行分级计算，能快速可靠地得到稳定的位移场，实验表明，对有较大弹性形变的图像，与块匹配法相比，该算法得到的平均匹配残差明显减少。