基于曲率尺度空间的轮廓角点检测

在曲率尺度空间和多尺度曲率积的基础上,提出了一种基于多尺度曲率多项式的角点检测算法.首先基于曲率尺度空间检测不同尺度下的角点,然后利用多尺度曲率积或曲率和对检测到的角点进行增强处理,该方法可有效抑制噪声影响,防止高尺度下对一些角点平滑;另外,根据多尺度曲率多项式结果的符号还可有效的判别所检测角点的凹凸性.采用不同的评价准则及实例图像进行测试,实验结果证明该角点检测器是非常有效的,优于文中其它两种检测算法.     

基于投票策略的图像配准算法

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

基于Gabor小波变换的图像轮廓角点检测

传统的基于图像轮廓角点检测方法大都对图像轮廓采用高斯平滑,使得角点定位准确性较低,且对局部细微变化和噪声比较敏感.针对此问题,本文利用Gabor滤波器可以很好的表征边缘和角点梯度幅值变化信息的优良特性,采用Gabor滤波器虚部对图像轮廓进行平滑,提出基于Gabor滤波器的图像轮廓角点检测算法.与将轮廓的几何特性作为角点测度的传统算法不同,本文将Gabor滤波器平滑后轮廓像素的主方向与相邻像素方向角度差作为角点测度,提高了对噪声的鲁棒性和角点定位的准确性.实验结果表明,新算法具有较优的定位性和噪声鲁棒性.     

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.     

基于小波的多尺度SUSAN角点检测

SUSAN角点检测是一种经典的角点检测算法,但不具有尺变化特性.利用小波变换的多尺度特性,即在小尺度下的定位准确和大尺度下的抗噪性强,该文把多分辨分析的思想引入到该算法中,从而构建了一种新的基于小波变换的SUSAN多尺度角点检测算法.新的角点检测可以在不同的尺度下获取角点,克服了单一尺度的SUSAN角点检测可能存在的角点位置偏移和易受噪声干扰而提取出伪角点等问题.为了综合利用各个尺度下的角点信息,该文提出了由粗到细的角点筛选方案.通过对比实验,新算法明显地提高了图像角点检测性能.     

条件理论控制下良态特征的匹配算法

使用多尺度Harris算子检测图像的角点作为初始兴趣点.针对自适应非极大值抑制排除了大量潜在匹配点的缺陷,引入条件理论对初始兴趣点进行控制,排除病态点,减少后续过程的计算量,提高算法效率,同时最大限度的保留了匹配点.满足条件理论控制下的特征称为良态特征.由于初始Harris角点的位置会发生偏移以及有伪角点产生,所以利用亚像素定位技术进行精确定位,并排除伪角点和不稳定的角点.使用PCA-SIFT对特征点及其邻域进行描述获得特征向量.最后通过向量之间的欧几里德距离判断特征点是否匹配.实验结果表明算法效率改进明显,匹配效果良好,对图像的几何变换、噪声及光照变化等具有较强的鲁棒性.     

基于二维EMD的Harris角点检测算法

为解决Harris角点检测算法在多尺度条件下无法正确提取角点的问题,本文将经验模式分解(EMD)方法运用到二维图像特征点提取中。先利用二维EMD方法将图像分解到多个图像细节层,并定义为本征模函数(IMF),再利用Harris算子对各图像细节层进行角点检测,最后采用层层筛选的方法提取角点。对比实验结果表明,新算法得到的角点更加丰富,抗噪性增强,明显提高了图像角点检测性能。     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

基于三角形几何相似性的图像配准与拼接

介绍了一种基于三角形几何相似性的图像配准方法.提取两幅待拼接图像的特征点,将每幅图像各自的重叠区域内或图像内容复杂情况下的选定区域内的特征点任意组合为三角形,得到分别对应于每一幅图像的三角形集合.然后根据定义的新的三角形表示方法,包括最大角方向和最小角方向,在两组三角形集合内层层筛选任意组合的三角形对,最终找到其中的匹配三角形对,即相似三角形对,从而找到匹配的点对.最后计算图像间变换矩阵,对图像进行拼接,得到了一张具有更宽视野的无缝拼接图.该方法只与特征点间相互几何位置有关,所以对两幅图像间的灰度差异、任意的旋转、缩放等都表现了很强的鲁棒性.     

二维 Volterra-Fredholm 积分方程数值算法研究及收敛性分析

针对一类二维非线性Volterra-Fredholm积分方程,提出利用二维Block-Pulse函数为基函数进行数值求解。首先,引入Block-Pulse函数的定义及基函数的向量表示形式;其次,根据二维Block-Pulse函数的不相交性和正交性推导了基向量的积分算子矩阵和乘积算子矩阵;然后,基于该算子矩阵将待求问题转化为一系列向量的乘积形式,利用配点法离散未知变量获得原问题的数值解;最后,通过两个具体的数值算例对所提算法的可行性和收敛性进行了验证。     

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91％。该算法适用于轮廓较明显的目标。     

一种新颖的分割算法在果业机器人视觉中的应用

传统流域变换主要依赖图像梯度,该方法并不完善。在噪声图像中,边缘提取也不能够达 到很好的效果。提出的多尺度流域变换算法主要利用一组结构元素按照一定顺序,进行腐蚀膨胀的迭代来分割灰度图像。在多尺度测地重建滤波下,不同尺度的梯度流域分割线存在严格的因果关系。实验结果证实多尺度流域分割的性能远比传统方法优越。     

基于MAS小波变换的红外小目标检测方法

提出一种基于MAS小波变换多尺度相关的红外小目标检测方法.该方法通过二进MAS小波对图像进行多尺度分析;利用边缘和噪声具有不同的Lipschitz指数造成它们的小波变换模在不同尺度下的不同传播特性,根据小波变换模尺度相关性区分边缘和噪声;利用小目标与背景和云层边缘具有不同的奇异性,在相同尺度下小波变换模不同的特性加以区分,得到最终的检测结果.实验结果表明,该方法能够有效地进行红外小目标检测.     

结构物理参数识别的多尺度参数卡尔曼滤波方法

经过正交小波变换后,低尺度上测量信号的信噪比提高。应用小波变换将结构的激励信号和响应信号分解到不同尺度上,得到不同尺度上结构的状态方程和测量方程,结合动力学系统辨识的参数卡尔曼滤波方法,提出了结构物理参数的多尺度参数卡尔曼滤波辨识方法。理论分析和数值算例表明:在多尺度上对结构参数进行辨识比在单一尺度上辨识能获得更高的精度。     

低信噪比下重构协方差矩阵的高分辨MUSIC算法

在满足对称分布的海洋噪声场中,为提高低信噪比条件下目标方位估计性能,提出一种重构信号协方差矩阵的MUSIC算法。利用数据协方差矩阵虚部与对称噪声无关的性质,根据协方差矩阵虚部和虚部MUSIC算法的预估角重构出信号协方差矩阵,在此基础上实现MUSIC算法。仿真结果表明,所提算法相比常规MUSIC算法能有效降低对称噪声的影响,提高方位估计性能,并避免双边谱的出现,有更高的分辨率和更低的分辨门限。还研究了协方差矩阵的Toeplitz修正处理对于MUSIC类算法的改善作用。仿真表明,Toeplitz修正处理能显著提高MUSIC类算法的分辨性能。     

尺度方向自适应的减法聚类视频运动目标定位

针对减法聚类算法对视频运动目标进行定位时无法获取目标尺度及方向参数的问题,本文提出了一种可获取待定位目标尺度及方向参数的视频运动目标定位算法.该算法在减法聚类算法预定位目标位置及获得目标个数的基础上,进一步采用模糊C均值聚类对目标前景样本进行归类,最后通过对目标前景样本协方差矩阵特征值和特征向量的分析获得目标的尺度及方向参数,从而实现对视频运动目标的定位.实验结果表明,所提出的方法与原减法聚类定位方法相比可获得更合理的目标定位结果.     

改进的EKF算法在目标跟踪中的运用

过程噪声和测量噪声影响Kalman滤波的性能,通常很难得到它们准确的值。提出观测噪声和过程噪声实时估计的自适应算法。该算法可以用在非线性和机动目标跟踪问题中,不必预先知道准确的噪声方差。重新估测观测噪声方差矩阵,可以较好地消除由观测噪声带来的误差;建立一个简单的线性Kalman滤波器对过程噪声进行实时估计,这对于机动目标来说是必要的,因为原有的过程噪声将受到加速度影响,不能包含全部的信息。实验表明,该算法保证EKF稳定性,提高了跟踪性能。模拟实验300次后,X,Y方向位置均方误差分别为7.8099,9.6838。     

融合多尺度上下文卷积特征的车辆目标检测

针对现有的基于卷积神经网络的车辆目标检测算法不能有效地适应目标尺度变化、自身形变以及复杂背景等问题,提出了一种融合多尺度上下文卷积特征的车辆目标检测算法。首先采用特征金字塔网络获取多个尺度下的特征图,并在每个尺度的特征图中通过区域建议网络定位出候选目标区域,然后引入候选目标区域的上下文信息,与提取的目标多尺度特征进行融合,最后通过多任务学习联合预测出车辆目标位置和类型。实验结果表明,与多种主流检测算法相比,本算法具有更强的鲁棒性和准确性。