基于SIFT特征的遥感影像自动配准

提出了一种基于特征点的全自动高分辨率遥感影像配准方法,该方法采用对于尺度具有鲁棒性的SIFT算法进行特征点的提取与匹配,并通过RANSAC方法和双向匹配策略提高特征点的匹配精确度。最后利用同名特征点构建影像间的转换模型,实现高精度影像纠正与配准。实验结果表明,该算法具有较强的匹配能力和鲁棒性。     

一种结合区域选择和SIFT算法的遥感图像配准方法

针对SIFT算法存在提取特征点数目大、运算速度慢、匹配点正确率不高的问题,提出一种基于区域选择和SIFT的遥感图像配准方法。首先对遥感图像进行粗配准,按照粗配准系数获得图像系列的重叠区。分割重叠区域,利用二维小波变换对分割图像进行变换得到其三个方向的高频分量,计算其高频能量总和,选取能量值最大的图像块代替原图像按照SIFT算法进行配准。改进后的方法不仅能够避免传统SIFT配准提取冗余干扰特征点,且能够加快匹配速度,提高匹配点正确率,尤其适用于大幅遥感图像配准。实验结果表明,该改进算法能够获得较高的配准精度且配准效率高。     

一种改进的RANSAC彩色图像拼接算法

本文提出了一种改进的RANSAC彩色图像拼接算法。图像拼接主要包括两个步骤,即图像配准和图像融合。该算法包括哈里斯角点检测,NCC粗匹配,改进的RANSAC提取,投影变换矩阵估计,投影变换,图像平滑等主要模块。基于统计规律的特征点提取的改进RANSAC可以极大地支持算法的实时性。结果表明,该算法快速有效。     

二维非负稀疏偏最小二乘在人脸识别中的应用

近几年偏最小二乘算法在人脸识别中得到了广泛的应用,但是其各种改进算法都没有同时利用非负性算法和稀疏性来提高识别率和鲁棒性。为了解决这些问题,结合二维偏最小二乘与非负性思想和稀疏性约束提出二维非负稀疏偏最小二乘(Two-dimensional nonnegative sparse partial least squares,2DNSPLS) 算法。其核心思想是在提取人脸特征时加入了非负性约束和稀疏性约束,使得2DNSPLS不仅拥有偏最小二乘算法加入类别信息带来的分类效果,还保留了图像矩阵的内部结构信息,而且还使得到的基矩阵具有非负的局部的可解释性并且具有一定的稀疏性。在Yale和PIE人脸库中的实验表明,该算法从时间上和识别率上均优于人脸识别的主流算法,并且对于遮挡有较好的鲁棒性。     

基于大位移区域动态特征的阴燃火检测

研究了一种基于大位移区域动态特征的阴燃火检测方法。利用改进的快速Horn-Schunck光流算法计算各像素点光流矢量,根据光流矢量纵向分量大小对运动区域和非运动区域进行区域分割,通过计算运动区域像素点光流矢量平均方向和平均速度对烟雾和其他干扰源进行区分,利用颜色模型对烟雾进行判断。试验表明,该算法能有效排除常见干扰源的干扰并对阴燃火进行识别,具有较高的准确性和鲁棒性。     

基于特征点的凝胶图像配准方法研究

本文针对几种凝胶图像配准算法进行了比较研究,在此基础上,对基于SURF(speeded up robust features快速鲁棒特征提取的配准算法)配准算法进行了改进,一方面,在提取特征点时对Hessian矩阵行列式进行加权,从而获得更多特征点;另一方面,在特征点匹配时应用欧式距离加权处理作为相似度量来计算两特征向量的距离,提高了算法的性能和配准速度。     

基于改进的MDAL算法的图像复原研究

目前基于小波框架的图像复原模型研究较为普遍,它在图像方面的成功应用主要是因为稀疏逼近的分段光滑函数。虽然基于l_0平滑的图像复原算法中能够提供图像的稀疏表示,但基于l_0范数的约束项会使得计算量较为复杂,且代码运行时间较长。针对此问题,提出一种改进的MDAL算法。算法中采用光滑高斯函数近似代替l0范数,通过牛顿迭代法来更新小波框架的系数。实验结果表明,与其他算法相比,提出的改进的MDAL算法具有自适应的鲁棒性,很好地保持了图像的边缘特征,能够明显改善图像的视觉效果,且具有较高的峰值信噪比(PSNR)。     

灰度二次校正改进空间变换网络的遥感图像配准

为使图像能够参照变换模型实现自适应变换,减少配准时间,提出一种灰度投影二次定位优化空间变换网络的遥感图像配准方法。采用空间变换网络模型提取图像特征并进行训练得到仿射变换系数,使待配准图像能够根据该仿射变换系数实现自适应仿射变换。为了得到更精确的配准效果,减少图像的位移偏差,在空间变换网络中添加灰度投影二次校准模块,最终实现待配准图像的精确配准。实验表明,使用灰度二次校正的空间变换网络在保持配准精度的同时加快了配准的速度,并具有较好的鲁棒性。     

面向非结构化道路的特征光流检测

道路环境中的视觉障碍检测是智能车辆导航的一大难题,光流检测算法则为解决该难题提供了有效的途径。提出了一种复合特征光流检测算法,借助于不同类型局部特征的检测与匹配,通过图像分割发现感兴趣区域,通过光流检测为该区域的可通行性判定提供决策依据。与传统光流检测方法的对比实验证明了算法的有效性。     

基于SIFT-SRBICP算法特征点云提取与配准研究

针对图像特征点提取效率低和稳定性差,点云集在实际情况下由于尺度变换引起的匹配不准确和旋转角变化过大引起的配准效果不佳的问题。本文对SIFT、SURF及ORB三种算法进行对比分析,验证了SIFT算法在解决图像特征点提取问题上优于其它两种算法。本文采用SIFT算法进行特征点提取,并提出基于改进型的SRBICP算法对点云进行配准,该方法不仅增加了初始信息素的随机性和考虑了尺度矩阵的边界,并加入了旋转角约束矩阵、动态迭代系数以及退火系数等因素对点云配准模型进行构建。最后采用基于开源GNU/Linux系统所搭载的的Ubuntu操作系统,在Ubuntu系统平台上进行仿真实验,实验结果表明,改进后的算法比传统ICP算法配准精度提高了约50%,同时配准速度提高了约40%。