基于Marr小波改进的SIFT算法的遥感影像配准

〖HTH〗通讯作者〖HTSS〗:[ZK（]金〓燕(1991-)，女，山东济宁人，硕士研究生，主要从事图形图像处理，图像与视觉信息计算方面的研究。E\|mail:jyan0529@163.com。[ZK）] 〖ZW)〗〖HT〗 〖AM〗〖HT5SS〗〖MM(〗〖ZZ(S〗〖HT5”〗〖SX(B〗第34卷〓第3期〖〗2019年6月〖SX)〗[KG0.2mm]〖KG7*3〗〖HT〗〖SX(B〗遥〓感〓技〓术〓与〓应〓用〖〗〖WT5，6〗REMOTE SENSING TECHNOLOGY AND APPLICATION〖SX)〗〓〓〓〓〖KG6*2〗〖WT5”BX〗〖SX(B〗Vol.34〓No.3〖〗Jun.2019〖WT〗〖SX)〗〖ZZ)〗〖MM)〗〖HT〗 〖HT2H〗〖JZ(〗〖WTHZ〗〖STHZ〗 基于Marr小波改进的SIFT算法的遥感影像配准 〖STBZ〗〖WTBZ〗〖HT4K〗 张海涛，金〓燕，刘万军 〖HT5K〗 (辽宁工程技术大学 软件学院，辽宁 葫芦岛〓125105) 〖JZ)〗〖ＨＴ５Ｈ〗〖GK2!2〗摘要〖HTK〗: [KG(0.1mm]针对遥感图像配准方法中错误匹配点对过多、配准效率低和其他性能，提出了一种基于小波的遥感图像配准方法。首先，利用尺度空间理论下的Marr小波对参考图像和待配准图像进行特征提取，然后利用欧氏距离对参考图像和待配准图像的特征点进行初配准，再根据随机采样一致法，对初配准结果进行精配准。为了验证方法的有效性，选择无人机实时航拍图像、不同时相变化遥感图像以及遥感不同高度的遥感图像。实验结果表明：该方法与SIFT(Scale Invariant Feature Transform)算法以及其他改进SIFT算法相比可以有效剔除错误匹配点对，提高了配准精度，同时提高配准效率两倍以上。该方法可以应用于不同遥感数据源，能够有效地提高配准精度，降低配准时间。[KG)] 〖ＨＴＨ〗关〓键〓词〖ＨＴ５Ｋ〗: 遥感图像配准;Marr小波;欧氏距离;随机采样一致法 〖ＨＴＨ〗中图分类号〖HTSS〗:TP79〓〓〖HTH〗文献标志码〖HTSS〗:A〓〓〖HTH〗文章编号〖HTSS〗:1004 0323(2019)03 0622 08 〖HK〗〖HT5SS〗     

基于曲量场空间的车牌定位与识别

提出了一种新的采用曲量场空间描述的车牌定位与识别算法.该算法首先在彩色车牌图像中进行亮度扫描,然后拟合渐变梯度向量,并以曲量子进行点阵描绘并消除彩色信息,最后以采样的曲量子群分别融合成车身、车牌及字符的曲量子空间,将融合的车牌、字符曲量子空间进行边缘曲量子的光滑衔接组成曲量场并提取场内曲量的空间数据及其曲量约束信息进行...     

改进混合高斯模型的运动目标检测算法

针对传统的混合高斯模型存在无法完整检测运动目标、易将背景显露区检测为前景等问题,提出了一种基于混合高斯模型的运动目标检测的改进算法。通过将混合高斯模型与改进帧差法进行融合,快速区分出背景显露区和运动目标区,从而提取出完整的运动目标。在运动目标由静止缓慢转为运动的情况下,为背景显露区给予较大背景更新速率,消除了背景显露区对运动目标检测的影响。在兼顾混合高斯模型在复杂场景中对噪声处理效果差的基础上,利用背景模型替换的方法来提高算法的稳定性。经过反复实验,结果表明改进后的算法在自适应性、正确率、实时性、实用性等方面有了很大的改进,能够在各种复杂因素存在的情况下正确有效地对运动目标进行检测。     

基于子区域匹配的稀疏表示跟踪算法

经典稀疏表示目标跟踪算法在处理复杂视频时不免出现跟踪不稳定情况且当目标发生遮挡时易发生漂移现象。针对这一问题,提出一种基于子区域匹配的稀疏表示跟踪算法。首先,将初始目标模板划分为若干子区域,利用LK图像配准算法建立观测模型预测下一帧目标运动状态。然后,对预测的目标模型区域进行同等划分,并在匹配过程中寻找最优子区域。最后,在模板更新过程中引入一种新的模板校正机制,能够有效克服漂移现象。将该算法与多种目标跟踪算法在不同视频序列下进行对比,实验结果表明在目标发生遮挡、运动、光照影响及复杂背景等情况下该算法具有较为理想的跟踪效果,并与经典稀疏表示跟踪算法相比具有较好的跟踪性能。     

混合相似性权重的非局部均值去噪算法

针对传统非局部均值(NLM)滤波在噪声标准差较大时,加权欧氏距离不能真实反映邻域块相似度的问题,提出一种新的混合相似性权重的非局部均值去噪算法。首先,利用平稳小波变换的特点对噪声图像进行分解,并利用滤波函数对细节子带进行预去噪处理;然后,根据预去噪图像计算块间相似性参考因子,并使用其替换传统NLM算法中高斯核函数;最后,为使相似性权重更符合人眼视觉系统(HVS)特点,使用基于图像结构感知的块奇异值分解(SVD)方法定义邻域间相似性度量,与传统NLM算法相比能更为真实地反映邻域间相似度。实验结果表明,混合相似性权重的非局部均值去噪算法较传统NLM算法在视觉上能更好地保留纹理细节及边缘信息,而且结构相似度(SSIM)指标较传统NLM算法也有一定提高,在噪声标准差较大情况下具有有效性和鲁棒性。     

改进颜色和小波变换纹理的图像检索方法研究

针对传统图像检索无法体现对检索示例图像中多个不同对象的检索要求程度的问题,提出一种改进颜色特征和小波变换纹理特征的图像检索方法。首先提取出图像的多个感兴趣区域,由感兴趣的不同程度分别赋予不同大小的权值;然后提取颜色特征和纹理特征,分别用对应位置相似度计算、感兴趣区域与检索数据库中图像整体的相似度计算和整体检索示例图像与检索图像数据库中图像相似度计算三种不同方法计算出两幅图像的相似度,取最大的相似度作为两幅图像的最终相似度;对检索示例图像与检索数据库中每个图像的相似度按大小进行排序,选择最相似的图像作为检索结果。实验结果表明,该方法提高了对图像检索的性能,体现了个性化检索,对图像检索具有很好的效果。     

基于颜色饱和度的快速图像去雾研究

在雾霾天气条件下,室外场景图像往往会产生严重退化,造成图像对比度的下降和颜色的衰减。为得到清晰无雾的图像,从单色大气散射模型出发,提出一种基于颜色饱和度的快速图像去雾算法（FIDS）。首先,大气光亮度[A]通过四叉树方法进行估计,接着采用饱和度运算对透射率进行估计,并对其修正和平滑保边得到较精确的大气透射率,最后基于大气散射模型获取最终的去雾图像。对比实验结果表明该算法能提高图像的清晰度和运算效率,很好地恢复图像的颜色和对比度。     

基于主动表观模型的稀疏聚类人脸识别算法

在复杂的非人脸成分干扰以及训练样本过大、训练样本之间相似度较高的条件下,原始稀疏表示分类(SRC)算法识别准确率较低。针对上述问题,提出一种基于主动表观模型的稀疏聚类(CS-AAM)人脸识别算法。首先,利用主动表观模型快速、准确地对人脸特征点进行定位,获取主要人脸信息;然后,对训练样本进行K-means聚类,将相似程度高的图像分为一类,计算聚类中心,将该中心作为原子构造过完备字典并进行稀疏分解;最后,计算稀疏系数和重构残差对人脸图像进行分类、识别。将该算法与最近邻(NN)、支持向量机(SVM)、稀疏表示分类(SRC)、协同表示分类(CRC)人脸识别算法在ORL和Extended Yale B人脸数据库上对不同样本数及不同维数的人脸图像分别进行识别率测试,在相同样本数或相同维数情况下CS-AAM算法识别率均高于其他算法。在ORL人脸库中选取样本数为210时,相同维数条件下CS-AAM算法识别率为95.2%;在Extended Yale B人脸库上选取样本数为600时,CS-AAM算法识别率为96.8%。实验结果表明,该算法能够有效地提高人脸图像的识别准确率。