复杂地面目标前视红外景象匹配算法*

针对复杂地面目标前视红外图像边缘模糊、背景杂乱无章,无直接可用的同源基准图的情况,研究了一种灰度与形状特征相结合的由粗到精景象匹配算法。在粗匹配阶段,将积分图像引入归一化积相关算法中,并对其计算公式进行了近似,使运算速度大大加快;精匹配阶段,利用实时图与所制备基准图形状相似的特点,采用形状上下文进行匹配。实验结果显示,该算法匹配精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

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。     

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。     

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.     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

快速并行两级景象匹配方法

文章分析了景象匹配系统的性能评价以及影响性能评价的三个主要因素,即实时图大小,参考图大小和匹配算法。分析了实时图大小的选取对匹配时间,匹配率的影响。并且针对巡航导弹的景象匹配制导系统的实时性问题,提出了一种快速并行两级景象匹配方法。该方法能够极大地提高匹配效率。试验中利用SAR图像和可见光图像进行景象匹配,每次匹配的时间从原来的约16秒减少到300毫秒左右,匹配率可达到90%以上。而且还具有可扩充性好的特点。     

基于不变矩景象匹配算法

分析基于灰度匹配方法存在着亮度和裁剪误差,提出基于不变矩景象匹配算法,并对矩不变量作如下改进：用原点矩代替中心矩,克服平移不变性给不变矩带来的影响;用圆形测量窗代替方形测量窗消除因旋转而产生的裁剪误差;引入亮度因子,克服基准图和匹配图之间因亮度差异带来的影响;采用金字塔算法减少搜索次数,提高匹配速度。实验表明,基于不变矩下视影像匹配算法具有较好稳定性,匹配准确率较高。     

一种实用的抗局部强干扰的景象匹配算法

针对巡航导弹在作战过程中可能遇到的各种局部强干扰．本分析了局部强干扰对景象匹配的影响．提出了一种实用的抗局部强干扰的景象匹配算法——基于小窗口的升块匹配算法．即粗匹配阶段将实时图分块．采用AD算法将受强干扰区域滤除．精匹配阶段采用Nprod算法确定最终匹配位置。仿真试验证明．该算法能够满足匹配可靠性和实时性的要求．具有良好的应用前景。     

景象匹配算法适应性分析与仿真

介绍了各种景象匹配算法,分析了实际应用中影响匹配性能的因素,并实现了算法适应性分析仿真平台。对两种经典的匹配算法,即MAD算法与Nprod算法,从内因和外因出发,理论分析了算法的复杂性,对噪声因素影响下的适应性进行了仿真试验,对算法的时间复杂性进行了定量比较,精确测量得出了正确匹配概率与加噪级数和信噪比之间的关系,最后得出了结论。     

一种混杂的图像配准方法

提出一种基于特征和亮度的混杂图像配准方法．首先对源图像进行小波分解,在小波金字塔最顶层的低频近似子图像上进行角点检测,通过仿射变换模型得到初始配准参数,然后将这一参数逐层进行迭代精炼,直至达到金字塔最底层,得到最终精确的配准参数．将这些不同配准方法结合起来,可以克服单独使用任一方法存在的不足,理论分析和实验结果表明,这种混杂图像配准算法精度较高．     

基于相位相关法的SAR图像配准

图像配准是INSAR技术中关键的一环.可见光图像配准中的相位相关法,因为对噪声具有很高的稳健性,使用相当普遍.针对SAR图像特点,在相位相关法原有基础上,提出几点改进.特别是边缘模糊方面,从信号处理原理角度进行了深入的分析,并且在MATLAB环境下仿真得到验证.通过在原有相位相关法的基础上的几处改进,配准的速度和精度有很大提高,满足了INSAR对两幅SAR图象配准的精度要求,为INSAR下步的相位解缠提供了很好的基础.实验证明了该方法的有效性,可以作为INSAR中关键的一步.     

基于改进相位相关与特征点配准的多图拼接算法

针对拼接过程易受图像采集时曝光、尺度变化、旋转、环境噪声、光照等因素的影响,以及多图手动排序出错率高、耗时长等问题,提出了一种基于改进相位相关与特征点配准的多图拼接算法。首先,基于对数极坐标变换的改进相位相关算法来计算缩放、旋转和平移参数,根据冲激函数峰值实现多图自动排序;接着,在重叠位置提取Harris角点,改进的Ransac算法精确提纯匹配点对,优化变换矩阵以完成拼接;最后,通过利用NSCT变换算法多尺度分解低频、高频子带来制定融合策略,从而解决接缝明显的问题。实验结果表明,新算法 建立的模型参数准确且高效,拼接融合效果过渡自然,能较好地解决复杂环境及乱序图像的拼接问题。     

一种基于遗传算法的图像配准算法研究

针对图像位置配准问题,提出了一种基于遗传算法的图像配准算法。选择合适的相似性参数来表征两图像的配准参数,引用遗传算法实现对相似性参数的优化,通过对比实验得到的种群大小、遗传代数和运算时间,最终用MATLAB编写程序对本算法进行实验。实验结果表明该算法相对传统算法具有较好的收敛性和运算速度,同时也具有较好的精确度和实用性。     

大形变微分同胚图像配准快速算法

本文提出一种研究大形变图像配准算法. 大形变使得图像信息和拓扑结构有较大的改变, 目前该方面的研究仍然是一个难点. 基于严密数学理论的微分同胚Demons算法是图像配准的著名算法, 为解决大形变配准问题提供了重要基础. 基于对微分同胚Demons算法的研究结合流形学习的思想提出一种大形变图像配准的新算法(MRL算法). 新算法通过挖掘图像的局部和全局流形信息改进微分同胚Demons 速度场的更新, 更好地保持图像的拓扑结构. 对比实验结果表明, 本文所提出的算法能够快速高精度地实现大形变图像的配准.     

改进的自适应遗传算法医学图像配准研究

研究图像配准精度问题。图像配准技术一直被广泛应用在医学图像和遥感图像等众多领域,由于不同的模式设备对人体内的组织会存在不同的灵敏度和分辨率,造成了图像的分辨率不同,而传统的配准算法对于具有不同的分辨率的图像配准的精度度难以提高。为此提出了一种将改进的自适应遗传算法并应用到图像配准的优化过程中,该算法首先采用进化前后期分别调整交叉概率和变异概率来克服传统遗传算法容易陷入局部最优的缺点,同时采用了刚体旋转方法对图像进行旋转匹配,使得图像可以进行局部的匹配。仿真结果表明了该算法有效的提高了图像配准的精确度,验证了该算法是一种可行性有效的图像配准算法。     

基于直线Hough变换的图像配准方法

为了有效解决不同传感器、不同视角和不同时相条件的图像配准问题,提出了一种基于直线极坐标参数在Hough空间求解图像变换参数的图像配准算法。先提取图像中直线极坐标特征参数,形成匹配特征空间;然后在Hough空间逐步求解RST图像变换的旋转、尺度和平移参数;最后利用实际图像对算法的性能进行了分析与验证。实验结果表明,该方法不需进行复杂的匹配空间搜索,具有适应性强、配准精度高的优点。     

基于粗配准和互信息的脑部MR图像配准算法

现有的医学图像配准算法一般都存在需要人工介入、配准时间过长等问题.为了寻找快速、精确、鲁棒性强的自动配准算法,在采用主轴矩方法进行脑部MR(核磁共振)图像的初始配准的基础上,提出局部搜索算法对图像求得更精确的配准.实验表明,该方法的配准精度和现有的Powell算法都可以达到亚像素级,但局部搜索方法和Powell算法相比较,平均配准时间大大缩短;即便和采用了主轴矩粗配准的Powell算法相比较,配准效率也提高了一倍左右.主轴矩粗配准算法提高了配准效率,局部搜索算法则保证了配准的精度.     

一种新型的PCB图像快速配准算法

PCB图像配准是进行自动光学检测的关键步骤。PCB中往往存在许多相似图形和区域,一般特征点提取和匹配方法效率低,且容易产生误匹配。提出一种以PCB图像中特定几何图形的中心作为特征点,基于相似三角形约束的快速配准算法。提取实测图和标准图中圆形和方形的中心点集进行DT剖分,找出两幅图三角网中的相似三角形集,再对相似三角形的中心点集进行二次剖分和比对,以增强匹配的可靠性。实验证明:该方法计算速度快、匹配正确率高,且能得到均匀分布的正确匹配点。     

自适应变异差分算法与Powell算法相结合的医学图像配准

图像配准是医学图像处理中的关键技术。文中提出一种自适应差分算法(Difference Algorithm,DE)和Powell算法相结合的多分辨率医学图像配准方法,其不仅可以克服Powell算法依赖初始点的缺点,还可以降低陷入局部极值的几率。首先,对源图像进行多分辨处理,获得包括源图像在内的三层图像;然后,在低分辨率图像上使用自适应DE算法进行全局变换参数的搜索,获得的变换参数作为Powell算法的初始点;最后,在高分辨率图像及源图像上使用Powell算法进行配准。与传统实验相比,该方法具有更高的精确度,能够有效避免局部收敛问题。