基于小波分解的塔式快速图像匹配算法

文章利用小波分析的多分辨率特性，构建了小波金字塔上的快速图像匹配算法。首先对低分辨率的图像进行匹配操作，然后逐级上推，最终实现全分辨率下的图像匹配。实验结果表明该算法可以减少计算量、显著提高匹配效率。     

基于边缘特征的多传感器图像融合算法

针对传统像素级图像融合方法在低频系数融合中,采用偏袒法和平均法容易导致融合图像出现模糊、对比度下降的问题,结合像素级和特征级融合的优势,提出一种基于边缘特征的图像融合算法。算法对于低频系数,采用区域能量自适应加权的方法;对于高频系数,通过对低频边缘特征的融合以指导其融合。分别对红外与可见光图像和多聚焦图像进行实验,并对融合图像进行主客观评价,实验表明,该算法得到的融合图像具有较好的主观视觉效果和客观量化指标,融合性能优于传统的融合方法。     

低对比度条件下的快速相关匹配算法

提出了一种稳定可靠的快速图像相关跟踪算法,通过对视频原图像进行γ校正提高了视频图像场景的亮度,通过直方图均衡化处理在提高了视频场景的对比度的同时减少了后续相关工作的计算量,两层金字塔多分辨率相关算法提高了跟踪速度,相似目标辨别策略剔除了跟踪过程中可能出现的伪目标,有效地提高了跟踪的准确性.实验结果表明,该算法与标准二维最小绝对差累加和算法相比,速度提高了37%.此外该算法在分辨率较低的情况仍能准确稳定的实现目标跟踪,具有较好的鲁棒性.     

一种基于提升小波的快速图像融合算法

提出了一种基于提升小波变换的快速多聚焦图像融合方法。首先利用提升小波算法将原始图像分解为四个子带:LLLHHLHH后将代表三个方向高频细节子带LHHLHH采用提升小波反变换,以获得各方向子带的高频细节图像,采用高斯核权重算法计算所得到的高频细节图像的非均匀加权区域能量,再根据基于能量的图像融合规则得到最终融合图像。对比了几种多聚焦图像融合方案的性能,实验结果表明,在融合效果相当的情况下,文中方法比现有方法在处理速度上有明显的优势。     

基于边缘的小波图像融合算法

提出一种基于边缘的小波图像融合算法,针对小波分解的不同频率域,分别对高频系数和低频系数设计不同的融合规则。采用小波系数局部模极大和定义的局部信号强度比相结合的方法融合高频系数;对低频系数采用一种基于边缘的方法,在两幅原图像中选择最有可能是边缘的点加以保留。实验结果表明:采用此融合规则得到的融合图像具有良好的融合效果。     

连续小波变换的一种快速算法

连续小波变换（ＣＷＴ）由于其优良的特性，在信号处理的许多领域得取了应用，但是ＣＷＴ在实现时有很大的计算量，针对此问题，本文提出了一种利用离散小波变换（ＤＷＴ）实现ＣＷＴ的快速算法，通过理论分析，本文提出了该算法所需的两个滤波器ｆ（ｎ）和ｇ（ｎ）的构造方法和整个快速算法的组织方式，并利用一个技巧对小波系数的尺度间隔进行了细化，最后对算法的计算复杂度进行了简略的定性分析。     

连续小波变换的一种快速算法

连续小波变换(CWT)由于其优良的特性,在信号处理的许多领域得到了应用。但是CWT在实现时有很大的计算量,针对此问题,本文提出了一种利用离散小波变换(DWT)实现CWT的快速算法。通过理论分析,本文得出了该算法所需的两个滤波器f(n)和g(n)的构造方法和整个快速算法的组织方式,并利用一个技巧对小波系数的尺度间隔进行了细化。最后对算法的计算复杂度进行了简略的定性分析。     

基于改进SIFT特征匹配的快速图像拼接算法

针对经典SIFT算法存在特征点冗余、运算量大、鲁棒性差的问题,提出一种快速、准确的图像拼接算法.在SIFT提取不变特征向量过程中加入多尺度Harris检测算子,筛选出更能代表图像信息的特征点.利用快速RANSAC算法(PERANSANC)计算图像之间的变换矩阵.把检测到的特征点作为图像中的运动目标,运用KLT跟踪算法,确定特征点的精确位置,精炼变换矩阵.实验验证了该算法的稳健性和快速性.     

结合方向边缘检测的红外与可见光图像融合算法

针对现有红外与可见光融合算法中存在边缘模糊与目标不清晰等问题,通过对红外图像与可见光图像的研究,提出一种基于方向边缘检测的红外与可见光的图像融合算法。通过在传统的边缘检测算法基础上,引入一个方向因子,提出了一种新的方向边缘检测算法;并根据高频子带与低频子带中小波系数的不同特性,分别对其采用了不同的融合规则。实验结果表明,该算法能够有效的提取图像中的边缘信息与目标信号,具有可靠性高、清晰度高的市场优势。     

图像边缘检测算法研究

图像边缘是一种重要的视觉信息,是图像最基本的特征之一。所谓边缘是指图像中周围象素灰度有阶跃变化或屋顶变化的那些象素的集合。首先介绍和分析了常规的边缘检测算法,包括基于梯度的边缘检测和检测二阶导数的零交叉点,同时进一步介绍了基于小波变换的多尺度边缘检测,同时分析了该方法的性能和特点。     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响.结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法.首先采用改进的三次 B 样条分别对两幅源图像进行边缘提取;然后利用 SURF 算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC 算法剔除误匹配点对,从而实现图像的匹配.实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性.     

基于ASIFT的图像快速匹配算法

ASIFT特征在图像旋转、尺度变换和视角变化的条件下具有良好的不变性,较传统的SIFT算法具有完全的仿射不变性,且在图像配准中能够获得更多精确的匹配点。但是,ASIFT匹配效率比较低,耗时较长。基于ASIFT的图像快速匹配算法是结合基于BBF查询机制的KD-Tree索引的近似最近邻搜索即先建立数据集索引,然后进行快速匹配的算法。实验结果表明,改进的算法比传统的ASIFT图像匹配算法和SIFT匹配算法在匹配速度、匹配精度方面优势明显。     

基于NCC的图像匹配快速算法

在图像匹配过程中,针对传统归一化积相关（NCC）算法计算量大的问题,提出一种对NCC进行改进的图像匹配快速算法。该算法首先使用差分求和定理改造NCC相似度量函数,以降低匹配计算量。然后提出模板区域分割,设定阈值,进一步去除大量不必要的计算,优化匹配搜索过程,实现了快速匹配。实验结果证明,与传统的匹配算法相比,在保证精度的前提下,计算复杂度大大降低。     

基于灰度投影的快速电子稳像算法

提出的基于灰度投影的快速电子稳像算法是将两维图像转化为一维投影曲线,然后进行一维相关运算求出运动矢量,因此计算量小速度快,且算法是对灰度图像进行直接处理,处理的信息反映了图像的整体特征并有效地抑制了噪声,因此具有较高的稳像精度.该算法经试验证明具有较好的稳像效果,并已进行了基于FPGA的硬件实现.     

基于灰度组合矩阵的景像匹配算法

介绍了景像匹配算法的定义和分类.在分析了现有的灰度匹配算法的基础上,提出了基于灰度组合矩阵的匹配算法,该算法具有一般的灰度匹配算法的优点:抗噪声能力强,具有一定的抗几何畸变的能力.同时,该算法具有很强的抗灰度变换的能力,甚至可以抗灰度反转.大量实验表明,该算法具有比传统的NCC算法更优越的性能.     

基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于像素连通特征的一种快速图像匹配算法

针对基于灰度相关的图像匹配方法速度慢的特点,提出了一种基于像素连通特征的快速图像匹配算法。算法先利用一定的像素分类原则,将所有像素分为5类,再按照一定的连接原则按列统计每个模板列长度的连通分量个数。用模板各列的连通分量个数与待搜索图的各统计值进行串模式匹配。分析及实验结果表明,算法在保持较高匹配精度的同时,运算速度显著提高。     

基于遗传算法的图像边缘信息链表匹配技术

提出了一种基于遗传算法的图像边缘信息链表匹配方法。首先,采用CANNY算子的方法提取图像边缘;然后,将图像边缘信息链表化;最后,基于链表化结果利用遗传算法进行链表匹配。该方法能够减少匹配过程中的计算量,且能实现高效匹配。通过仿真实验,验证了该方法的性能。     

基于Laplace算子和灰色理论的热红外影像边缘检测

由于红外热像仪采集的热红外影像存在大量的噪声、边缘信息模糊难提取,因此,提出了一种基于Laplace算子和灰色关联度相结合的边缘检测方法.该方法首先引进数学形态学对含有噪声的热红外影像进行形态学滤波,然后利用8邻域的Laplace算子作为参考序列,计算参考序列与系统序列之间的关联度得出关联度矩阵,再给定阈值判断是否为边缘点,最后细化影像.基于MATLAB进行仿真实验,结果表明:该算法对具有噪声的热红外影像具有较好的抗噪效果,能检测出传统方法不能提取的边缘细节信息,通过调整阈值可以控制检测的边缘信息量,是一种较好的边缘检测方法.