景象匹配算法及其适应性分析

提出一种基于区域特征的景象匹配算法。其基本方法是先提取基准图和实时图的稳定极值区域,并计算出区域的平均灰度、方差、仿射不变矩以及纹理信息熵,构造相似性度量函数,然后计算匹配区域对的Hausdorff距离决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率。对其适应性进行了详细的分析,结果表明该算法对旋转、尺度、噪声、灰度变化的适应性较好。     

不同粒度时间序列相似性度量

现有的时间序列的相似性度量大多基于欧氏距离,并不适用于不同粒度时间序列的相似性匹配,无法直接对其相似性进行有效的度量,为此,提出一种基于对应差值比样本的相似性度量,用于不同粒度时间序列的相似性匹配.首先对不同时间粒度的时序数据进行阐述,并定义了对应差值比样本与相似度计算方法;接着提出基于它们的相似性匹配算法;最后实验证...     

几种经典相似性度量的比较研究

以图像匹配概率和匹配精度为准则,对几种经典的相似性度量进行了比较研究。得出绝对差(AD)与平均绝对差(MAD)算法等价;平方差(SD)、平均平方差(MSD)、积相关(Prod)与归一化积相关(Nprod)算法等价的结论。当图像信噪比较低时,Prod/Nprod/SD/MSD算法优于AD/MAD算法;否则,后者优于前者。相似性度量的比较研究可为实际应用中图像配准或景象匹配问题中相似性度量的选择提供重要的参考依据。     

目标再确认中的优化扩散距离相似性度量

跨摄像头目标再确认是多摄像头监控领域中一个亟需解决的难点问题，如何获得准确率更高的距离度量算法成为解决该难点的关键。为此本文在提取优秀的多特征基础上，建立了一种无需训练，适应更多场景的度量算法:优化扩散距离相似性度量，用于跨摄像头目标再确认。在高维扩散距离的基础上，加入高斯金字塔图像采样和加权性优化处理，用于提高相似空间向量的辨别力，并提高计算效率。通过对高维扩散距离的二次优化建立起最终的相似性度量函数。最后对VIPeR和ETHZ数据库中的图片进行多次目标再确认实验，排名第一的图片的正确匹配率达到了50.5%。实验结果表明本文算法取得了较好的匹配结果。     

基于相似性度量的加权医学超声图像对比度增强方法

为提高医学超声图像的边缘识别水平,提出一种基于相似性度量方法的加权医学超声图像对比度增强方法。通过相似性度量方法计算围绕某一像素点的处理窗口与匹配模板的相似值,根据相似值与超声图像各部分特征的关系,对达到一定相似程度的已匹配图像通过局部增强算法进行增强,最后通过多图像加权平均法获得最终增强结果。实验结果表明,该方法不仅能有效抑制噪声,而且能准确检测出超声各特性区域图像,在增强边缘效果的同时也能较为完整的保留原有图像的细节信息,弥补了传统增强算法不能兼顾对比度增强和保持图像细节的不足。     

基于多传感器图像融合技术的鲁棒景象匹配算法

将多个传感器获取的具有不同大小、不同分辨力和不同信噪比的实时图基于Kalm an滤波的方法进行融合,以提高实时图的性能;搜索融合后的实时图在基准图中的位置达到目标定位之目的,即进行景象匹配。在景象匹配过程中,选用归一化互相关系数作为相似性度量。多组实验与分析表明:所介绍的基于多传感器图像融合技术的景象匹配算法可以有效地解决实时图存在部分遮挡、灰度与对比度变化以及复杂噪声干扰等影响下的景象匹配问题。     

基于分支特征点的导航用实时图像匹配算法

为了满足景象匹配辅助导航系统需要同时获取飞行器位置和航向偏差的需要, 提出了一种基于分支特征点提取的图像匹配算法. 传统的图像匹配算法需要全局搜索匹配特征点, 耗时巨大, 而只提取分支特征点来匹配能满足导航系统实时性的要求. 在匹配算法方面, 提出了采用加权 Hausdorff 距离算法来进行匹配. 同时, 根据分支特征点的特性, 推导了相应的权值求解公式. 仿真结果表明, 本文提出的匹配算法耗时较短, 能满足导航系统实时性的要求, 且定位参数的求解也完全正确.     

基于CenSurE特征的SAR/INS组合导航景象匹配算法

在SAR／INS组合导航系统中,所获取的SAR图像可能存在严重的斑点噪声和几何变形,对此,提出一种基于CenSurE特征的SAR／INS组合导航用景象匹配算法．该算法针对惯性组合导航的工作特点进行设计．首先提取CenSurE特征和垂直的SURF描述符,利用夹角余弦相似度量方法进行特征匹配;然后,采用分组一致采样算法和最小二乘精确匹配算法获取高精度的航向和位置偏差信息．景象匹配性能评价实验表明。在匹配适应性、匹配速度、精度和鲁棒性等方面,CenSurE特征都很优越,可以满足SAR／INS景象匹配导航系统匹配修正的高性能要求．     

基于模板匹配的全景图像拼接

图像拼接在制作全景图中具有重要的作用。本文提出了一种很健壮的区域模板,它采用Moravec算子定位出特征物体区域,并在次区域上构建基准模板,有效地提高了匹配的可靠性。在模板匹配中采用加权相似性度量的方法,该方法提高了相似性度量的可靠性。另外,通过采用一种融合的拼接算法,得到了较平滑的全景图像。试验结果证实了算法的有效性。     

几种图像相似性度量的匹配性能比较

针对景象匹配中匹配性能和匹配实时性会受相似性度量选择影响的问题,从常用的相似性度量（归一化积相关、相位相关、均平方差和去均值均平方差）入手,对图像施加噪声和进行畸变（如图像旋转变化、图像比例变化、光照强度变化和云层遮挡等）,通过相似性度量匹配性能的仿真试验,从匹配性、适应度和实时性等方面对各相似性度量进行比较,并对结果进行了归纳总结与证明。     

加权Hausdorff距离算法在SAR/INS景象匹配中的应用

提出了一种基于特征图像分支点提取的加权Hausdorff距离图像匹配算法,并给出了相应的权值求解公式．为满足景永匹配导航系统实时性的要求,给出了细化处理的预处理方法,减少了特征文件的冗余度,提高了匹配搜索的快速性．同时,基于细化后提取出的分支特征点,应用加权Hausdorff距离算法进行图像匹配,克服了斑点噪声对合成孔径雷达（SAR）图像匹配的影响．仿真分析袭明．该算法能满足SAR／INS景泉匹配辅助导航系统实时性和准确性的要求．     

N帧连续景象匹配一致性决策算法

下视景象匹配是各类巡航飞行器实现精确导航的重要手段,它是通过事先装载在飞行器的地面基准图像与实时获取的地面景象图进行相关匹配,完成飞行器的飞行误差修正和精确定位,由于基准图和实时图在获取手段、时间上等方面的差异,在相关匹配中,配准点往往落在相关阵的次峰上,导致匹配失败,该文提出了多帧连续景象匹配,利用单次匹配后形成的相关阵中的主次峰信息与导航信息进行一致性决策的图论算法,由于引入了相关阵中的次峰信息,并结合惯导位移进行一致性判断,使得匹配算法能有效剔除误匹配点,从而提高了算法的匹配概率和鲁棒性。     

景像匹配辅助导航系统中的图像匹配算法研究

图像匹配算法是景像匹配辅助导航系统的核心，而且其性能决定了系统的总体性能，为了提高景像匹配辅助导航系统导航的实时性和精度，就必须选用合适的图像匹配算法，为此，给出了一种快速有效的基于图像特征的图像匹配算法，该算法选用部分Hausdorff距离作为图像匹配时的相似性度量，并利用图像特征提取后的二值化图像进行图像匹配，同时在联合了3种图像匹配加速技术的基础上，将邻域技术引入到图像匹配搜索终止条件中，从而大大提高了图像匹配效率。仿真结果表明，该算法可以保证图像匹配的鲁棒性和有效性，同时，能有效克服图像噪声和几何畸变的影响。该算法实施景像匹配能够在5s以内完成，并与GPS输出周期(1s)相当，可以满足景像匹配辅助导航系统匹配导航的准确性和实时性的性能要求。     

融合边缘保持与改进代价聚合的立体匹配算法

目的 立体匹配是计算机双目视觉的重要研究方向,主要分为全局匹配算法与局部匹配算法两类。传统的局部立体匹配算法计算复杂度低,可以满足实时性的需要,但是未能充分利用图像的边缘纹理信息,因此在非遮挡、视差不连续区域的匹配精度欠佳。为此,提出了融合边缘保持与改进代价聚合的立体匹配。方法 首先利用图像的边缘空间信息构建权重矩阵,与灰度差绝对值和梯度代价进行加权融合,形成新的代价计算方式,同时将边缘区域像素点的权重信息与引导滤波的正则化项相结合,并在多分辨率尺度的框架下进行代价聚合。所得结果经过视差计算,得到初始视差图,再通过左右一致性检测、加权中值滤波等视差优化步骤获得最终的视差图。结果 在Middlebury立体匹配平台上进行实验,结果表明,融合边缘权重信息对边缘处像素点的代价量进行了更加有效地区分,能够提升算法在各区域的匹配精度。其中,未加入视差优化步骤的21组扩展图像对的平均误匹配率较改进前减少3.48%,峰值信噪比提升3.57 dB,在标准4幅图中venus上经过视差优化后非遮挡区域的误匹配率仅为0.18%。结论 融合边缘保持的多尺度立体匹配算法有效提升了图像在边缘纹理处的匹配精度,进一步降低了非遮挡区域与视差不连续区域的误匹配率。     

尺度不变特征转换算法在图像特征提取中的应用

针对尺度不变特征转换(SIFT)算法复杂度高、计算时间长,难以满足立体匹配的实时性要求以及当图像中存在多个相似区域时误匹配率较高的问题,提出了一种改进的立体匹配算法。该算法从两个方面对SIFT算法进行了改进:首先,由于圆形具有天然的旋转不变性,该算法以特征点为中心,采用近似大小的两个同心圆区域代替原算法的矩形区域,在内圆和外圆环区域内分别统计12个方向的梯度累加值,把局部特征描述符的维数从128维降低到24维,降低了算法复杂度;其次加入了12维的全局向量,使生成的特征描述符包含了基于局部信息的SIFT向量和基于全局信息的全局向量,提高了算法对图像中相似区域的分辨能力。仿真结果表明,改进后的算法实时性比原算法提高了59.5%,当图像存在多个相似区域时,误匹配率下降了9个百分点。所提算法在图像处理的实时性要求较高的场合下适用性较好。     

一种抗视角变换的改进SIFT景象匹配算法

针对光电成像制导过程中,电视导引头实时获取的前视图像与预存的目标区域基准图像之间存在较大视角差异时,SIFT（Scale Invariant Feature Transform）算法得到的正确匹配点对数较少导致匹配失败的情况,提出一种改进的SIFT景象匹配算法。该算法通过在高斯尺度空间中提取抗仿射变换区域,并进行区域归一化处理来获得抗视角变换特征点集的方法,使正确匹配点对明显增加。实验结果表明,该算法对视角变换具有很好的鲁棒性：在视角差高达50°至60°以上时得到的匹配准确率较SIFT算法提高近5倍,具备工程实用价值。     

景象匹配区选取方法研究

景象匹配定位是精确制导的重要技术,随着武器系统日益精确化,影响匹配制导精度的匹配区选择得到了广泛的关注。基于景象信息量、稳定性和区域唯一性对景象特征指标进行了分析研究,讨论了各特征参数对匹配性能的影响;给出了由粗到细的分层选取方案,并对特征指标进行了量化;提出了一种由粗到细的分层多尺度匹配区选取方法。实验结果表明该方法具有较大的抗鲁棒性,能够在复杂基准图上有效地选取出满足要求的景象匹配区。     

基于梯度直方图的彩色图像拼接

图像配准是图像拼接的核心环节。采用基于梯度直方图的图像配准算法进行彩色图像的配准。梯度直方图是通过计算以特征点为中心的一个矩形区域内所有像素的梯度而得到的。相比于彩色直方图,它能更好的描述局部特征。梯度直方图是特征点匹配的基础,文中采用直方图交叉作为相似性准则来衡量梯度直方图间的相似性。基于梯度直方图的匹配算法包含三个关键因素：窗口大小,相似性阈值以及梯度直方图的柱数。本文通过大量的实验揭示了这三个重要因素与匹配的正确率和匹配时间的变化关系。最后,给出了这三个因素的一个合理的取值参考范围。