雷达景象匹配概率研究

目前，景象匹配中的匹配概率研究还不够完善，传统的景象匹配概率的定量计算是通过匹配信噪比、独立像元数、图像匹配次数来确定的，但是对于雷达景象由于其特殊的图像特性，传统的定量计算方法往往会计算出错误的景象匹配概率。该文定义了雷达景象的“贡献像元数”，利用贡献像元数和理论推导，得出了景象匹配概率。通过大量实践证明，运用贡献像元数来计算景象匹配概率是一种有效的方法。     

一种新的提高雷达景象匹配可靠性的方法研究

从图像特性的角度,研究了匹配实时图对比度变化对雷达景象匹配可靠性的影响,并根据匹配过程中的特点,从理论上推导出了对比度和相关系数的定量关系,通过大量实践表明,提高实时图的对比度可以提高雷达景象匹配的可靠性,通过对比度来增强匹配可靠性是一种行之有效的方法.     

基于实时地形校正的InSAR图像匹配算法

针对侧视雷达/可见光图像匹配制导系统中由于雷达图像地形畸变引起的误匹配问题,提出了一种基于干涉合成孔径雷达（InSAR）的实时地形校正图像匹配算法。该算法以侧视雷达成像几何构象为基础,利用InSAR获取的实时地形数据对获取的SAR景象数据进行实时几何校正,生成无畸变的SAR景象数据,然后利用校正后的SAR景象数据与提前安装的可见光基准数据进行基于去均值归一化互相关模板的图像匹配。实验结果表明,通过实时地形校正,该景象匹配算法在复杂地形区域的匹配概率和匹配精度都大大优于传统SAR景象匹配算法,有效地提高了SAR图像匹配制导技术的适用性。     

基于直方图约束的匹配图象改善方法

针对导弹精确制导问题,研究了提高景象匹配定位准确性和可靠性的方法。对于相同地区不同光线照射下,由于图象获取方法不同,往往会造成匹配图象参数产生差异,进行影响景象匹配准确性和可靠性,通过调整图象直方图,使它们基本表现一致,从而减少了图象差异,提高了匹配准确性和可靠性。通过比较发现,由于匹配图象处理后,可使基准图和实时图的信噪比减小28．6％,因此,该方法有利于改善景象匹配性能。     

应用分形特征的景象匹配仿真

为了提高数字景象匹配的技术性能,将分形理论应用于景象匹配领域,提出了一种用于景象匹配的采用归一化方法改进的双毯覆盖算法,并阐述了数字景物图象分形维数的求解方法,同时采用粗匹配和精匹配两级匹配来改善匹配概率与实时图的亮度和对比度等因素有关,这对于进一步探索改善该算法的匹配性能,具有重要意义。     

一种基于小波分析的景象匹配算法研究

对于一些领域的景象匹配,传统的匹配算法已经无法满足要求.提出了一种基于小波分析分层搜索的景象匹配方法,它采用由粗到细的分层匹配方法,在每个层上采用不同的方法,并基于MATLAB实验平台对方法进行了仿真实验并与传统的匹配算法进行了比较.结果表明基于小波分析分层搜索的景象匹配方法较传统的匹配方法无论在速度上还是在精度上都具有明显的优势.提出的算法可以有效地改善传统匹配算法中的不足之处,在景象匹配领域,具有一定的可行性.     

一种基于图像空间频率特征的色域匹配算法*

色域匹配是色彩管理的一项关键技术。通过对彩色图像的特征描述的分析,提出了一种与图像空间特征相关的自适应色域匹配算法。该算法通过将图像增强技术与传统的色域匹配算法相结合,克服了传统算法不能同时保持明度对比度对比度和彩度的缺点,有效地提高了图像的再现效果和精度。     

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。     

一种立体景象匹配技术及其应用

景象匹配是航天武器精确制导的一种重要方法,大多采用二维图像进行匹配,其效率较低。文中提出一种立体景象匹配技术及相应的算法,在实验中得到了应用。主要做法是将三维图像离散成二维图像序列,而后与基准图进行比较。分析证明,大大提高了精度和效率。为此,文中还涉及了相应算法,易于编码和应用。应用表明,该算法的实时性和适应性较好,匹配时间能达到0．14s,正确匹配率达到92．5％。有待研究的图像立体匹配方法很多,诸如多基准图对离散化的系列实时图进行匹配,以及定义、构造立体图像的数学模型并进行匹配等。     

一种立体景象匹配技术及其应用

景象匹配是航天武器精确制导的一种重要方法,大多采用二维图像进行匹配,其效率较低。文中提出一种立体景象匹配技术及相应的算法,在实验中得到了应用。主要做法是将三维图像离散成二维图像序列,而后与基准图进行比较。分析证明,大大提高了精度和效率。为此,文中还涉及了相应算法,易于编码和应用。应用表明,该算法的实时性和适应性较好,匹配时间能达到0．14s,正确匹配率达到92．5％。有待研究的图像立体匹配方法很多,诸如多基准图对离散化的系列实时图进行匹配,以及定义、构造立体图像的数学模型并进行匹配等。     

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。     

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。     

基于增强算子的污染土雷达图像特征提取仿真

针对雷达图像特征提取效率低、精度不高等问题,提出一种基于增强算子的污染土雷达图像特征提取方法。首先使用多尺度非均匀滤波把含有噪声与不含噪声的像素点灰度值、构成因素及像素加权灰度密度三个特征进行划分,完成雷达图像去噪。其次提出增强算子方法,将图像数据转变至图像的空间域,以此判断污染土雷达图像内是否存在对比度不高区域和细微区域。最后采用灰色关联分析计算超像素之间的相似度,运用MLS增强算子对曲面进行拟合,通过高斯曲率与平均曲率构建出特征判断准则,提高图像特征提取完整性,实现污染土雷达图像特征的精准提取。仿真结果表明,与传统方法相比所提方法计算速度较快,雷达特征提取效率较高,可大幅提升污染土雷达图像特征提取准确率。     

基于离线训练的二维灰度特征向量快速目标搜索算法

本文以运动图像中的目标搜索为背景,根据模式识别和图像处理的基本理论,提出了一种基于离线训练的二维灰度特征向量模式匹配的快速目标搜索算法.首先离线在样本图像中对二维灰度特征向量模式进行训练,然后在线对运动图像提取二维灰度特征向量,进行模式匹配,搜索运动目标.     

一种基于局部方差的雾天图像增强方法

提出了一种基于图像局部方差的保持灰度级和亮度的雾天图像增强算法。即在对图像作局部处理的基础上，利用局部方差可以较好的体现图像细节信息的特性，通过计算并比较图像局部标准方差的大小来判断局部图像的增强程度，然后以灰度均值为基准进行局部灰度拉伸。该算法可以有效增强和保留图像细节，克服了传统直方图均衡化处理所造成的灰度级损失的缺点，保持了原图的灰度级和平均亮度，较好的抑制了噪声，图像视觉效果明显改善，因此特别适合于深度信息多变且对比度较低的雾天图像。实验结果表明该算法可以有效的增强雾天图像。     

基于灰度级映射函数建模的多曝光高动态图像重建

为解决传统多曝光图像融合的实时性和动态场景鬼影消除问题,提出了基于灰度级映射函数建模的多曝光高动态图像重建算法。对任意大小的低动态范围（Low dynamic range,LDR）图像序列,仅需拟合与灰阶数目相同个数而不是与相机分辨率个数相同的视觉适应的S形曲线,利用最佳成像值判别方法直接融合,提高了算法的融合效率,能够达到实时性图像融合要求。对动态场景的融合,设计灰度级映射关系恢复理想状态的多曝光图像,利用差分法检测运动目标区域,作鬼影消除处理,融合得到一幅能够反映真实场景信息且不受鬼影影响的高动态范围图像。     

一种改进的全视角人脸纹理图像生成方法

传统的全视角人脸纹理图像生成方法计算量大、鲁棒性差,不能很好地解决配准和接缝问题。为此,提出一种改进方法。对待拼接的人脸图像进行归一化处理,利用基于列特征向量的灰度值匹配算法实现图像的精确匹配,使用双重融合算法处理重叠区域,使图像平滑过渡。实验结果表明,该方法匹配速度较快、鲁棒性较强,能有效消除误匹配。