基于PIU测度和遗传算法的图像匹配方法

鉴于图像匹配需要解决时效性和不同模态图像适用性的问题,提出了一种利用划分强度一致(Partitioned intensity uniformity,PIU)测度和遗传算法(Genetic algorithm,GA)实现图像匹配的方法.在对PIU测度进行研究分析的基础上,提出用PIU的改进形式PIU'作为图像匹配的相似准则,并时传统的遗传算法进行一系列的改进作为匹配过程的优化策略.PIU'的选取使得该方法不需要提取特征就可以用于多模态图像间的匹配,避免了特征提取不良带来的匹配误差,同时也降低了匹配的时间复杂度;采用改进后的遗传算法降低了匹配的空间复杂度.实验结果表明,该方法可以成功地完成多模态图像间的匹配,具有较高的匹配速度.     

一种快速多模态图像匹配导航方案

为了能在飞行器自主导航系统中快速,精确地完成不同模态图像间的匹配,该文提出了一种基于多分辨率分析的图像匹配导航方案。这种方案采用金字塔结构,由粗到细进行匹配。在最小尺度上,采用了逐步剔除的策略,提出了边缘膨胀模板(EDT),并推导了快速算法;在中间级别上,用Hausdorff distance作为相似准则;在最后一级别上,采用交互方差进行匹配。在匹配过程中,除最小尺度上采用快速算法外,在其他匹配阶段也推导和采用了一些加速算法来减少运算量。实验结果显示该文的方法可以快速,精确地完成多模态图像匹配。另外,该文方法易于硬件实现,有助于图像匹配导航系统的工程实现。     

基于聚类的SAR图像快速目标检测

针对SAR图像目标检测效率低、虚警概率高及SAR图像的特点,改进了Mean Shift聚类算法,并与双参数CFAR检测技术相结合,提出了一种能够快速而准确的SAR图像目标检测算法。通过聚类预处理SAR图像,降低了背景杂波对目标检测的影响及检测的虚警率,并且聚类后的SAR图像具有一定的结构,将图像结构的概念引入到目标检测中,避免了对图像逐点检测,大大提高了检测速度。实验结果表明,该方法具有检测速度快、虚警概率低的特点。     

一种新的基于灰度的图像匹配方法

传统的基于灰度的图像匹配方法，不能处理多传感器图像间的匹配，基于特征的方法往往又比较繁琐。该文为了满足图像匹配计算量小，适用性强的要求，提出了基于灰度的MVGA（Mutual Variance combined with Genetic Arithmetic）法。我们采用了遗传算法的思想和结构，选择交互方差作为算法的适应度函数，并对算法各个过程优化，从搜索空间上最大地降低复杂度。新算法是一种基于灰度的方法，不需要提取特征就可以完成多传感器图像之间的匹配，结合采取了有效的优化策略．使算法具有较高的匹配速度。实验验证了该算法的有效性。