结合特征和时空关联的稳健图像匹配方法

提出了基于特征和时空关联的积相关图像匹配算法．首先，采用Bubble小波边缘检测方法提取实时图与基准图特征；其次，利用惯导位置信息平移基准图，实现序列实时图在其对应基准图中的相对位置相同；最后，基于匹配概率与匹配面积成正比原理叠加序列积相关矩阵，并确定匹配位置．该方法克服了因面积增大由几何失真导致的匹配概率下降的缺点，使匹配概率已精度得到提高，具有较好的匹配稳健性。     

利用模糊形状上下文关系的红外与可见光图像匹配方法

对于同一场景可见光和红外图像提取的灰度特征存在差异导致匹配性能下降的问题,利用了该两个谱段图像仅在形状上模糊相似的特点,提出采用形状上下文思想实现红外与可见光图像之间的匹配方法.具体方法是在提取图像边缘的基础上,用采样模板获取点特征图像,然后利用提出的不等分坐标空间提取局部形状统计信息的直方图,再以形状上下文特征开支与全局特征匹配开支的加权和作为相似性测度实现匹配.与已有的形状上下文算法相比,此方法减少了25%的特征维数,鲁棒性更好.针对多个红外和可见光图像序列的匹配实验结果显示,此方法与归一化灰度互相关、Hausdorff距离、文献中的形状上下文和SIFT算子等匹配算法相比,其匹配正确率分别平均提高了34.7%、21.2%、7.7%、88.9%,证明了该方法的有效性.     

结合区域分割的SIFT图像匹配方法

针对待配准图在参考图上存在多个相似的区域,传统的SIFT算法导致匹配点数量较少,影响对模型变换参数估计的情况,提出了结合区域分割的SIFT方法。与原始算法相比,该算法可以得到更多正确的匹配点对,时效性上更优。实验结果表明,该算法比原算法的正确匹配点对提高了近30倍,结合区域分割的特征匹配,剔除了90%以上的误匹配点对,改进后的算法时间性能上也更优。     

一种用于不相似图像的匹配定位方法研究

本文定义了一种新的图像与模板相似性度量，并结合距离变换给出相应的匹配算法，实验结果表明该算法匹配速度在大多数情况下比传统的ＭＡＤ、ＮＣＣ算法快，且抗灰度变换，抗边缘偏移和不连续能力强。     

结合小波变换与相位相关的图像匹配方法

图像匹配技术是图像测量系统中的关键技术,是目标定位中最基本的方法。相位相关作为一种图像匹配技术对噪声有较高的容忍程度,检测结果与照度无关,受几何失真影响小。但该方法对旋转变化非常敏感。为解决此问题,本文提出结合小波变换和相位相关的匹配算法,该算法首先对图像进行小波分解,并对结果中的近似信号进行空域旋转校正;然后利用相位相关方法进行图像匹配,从而达到快速精确的定位。该方法在掌纹图像匹配定位中的应用证明了它的有效性。     

图像匹配技术综述

图像匹配是图像处理技术中的重要研究内容。本文介绍了图像匹配技术的要素,对匹配算法的分类以及匹配性能评价指标,并且将各方法进行了分析与比较,指出其各自的优势与不足。同时,进一步探讨了图像匹配算法中有待研究的方向。     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题,提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理,从而消除SAR图像的旋转;然后利用相关匹配方法初步提取同名点;最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配,提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

基于小波变换人体生命参数探测方法

探讨了使用小波变换对人体生命参数检测。其基本原理是利用电磁波照射人体,其回波信号被人体生命活动引起的体表微动(如呼吸、心跳)调制后,使得回波信号的某些参数(如频率、相位)发生改变,通过小波变换技术检测回波信号参数的变化提取出人体生命参数。重点研究了小波变换方法在人体生命参数检测和识别中的应用。     

基于高频通道的图像融合算法

论述了基于小波变换进行图像融合的有关问题,提出了小波基选取的方法,推导了对小波滤波器组进行相位校正的原理和公式;接着,提出了一种新的高频通道的融合规则,并进行了实验。实验结果表明,提出的算法和融合规则对于不同源的图像,尤其是多光谱图像的融合,具有很强的实用性。     

一种基于提升小波变换的图像融合方法

在针对传统的多尺度分解的融合方法运算速度慢、内存需求量大，不适于实时应用的局限性的基础上，提出了一种基于提升小波变换的图像融合算法。多个源图像分别进行提升小波分解，使用恰当的融合规则合并各尺度对应的分解系数，通过提升小波逆变换得到融合图像。实验结果表明，提出的算法无论在执行时间还是融合图像质量上都优于传统方法，有广泛的应用前景，特别适用于实时系统。     

红外与可见光图像融合中的快速配准方法

红外与可光传感器目标跟踪识别系统中常用的两种传感器，对这两种传感器图像进行有效的融合能大大提高探测识别的准确性和可靠性。快速准确地实现图像配准是图像融合的前提，为此提出了一种基于小波变换的快速算法，有利于实时准确地实现图像配准。     

基于互信息的红外与可见光图像快速配准

针对灰度和图像特征存在较大差异的可见光和红外图像配准,给出了一种基于归一化互信息与小波变换相结合的快速图像配准算法。实验表明,该算法加快了配准过程,较利用原图像配准速度提高了约一个数量级,且配准结果具有较高的准确性和稳定性。可见该算法适用于多光谱图像配准。     

基于小波分析的图像融合评述

图像融合是将同一场景的多幅图像的互补信息合并成一幅新图像,以便更好地对场景进行监视和侦察。小波分析具有多分辨等特点,可以有效地将特征明显、分辨率高的图像融合在一起,得到比任何一幅源图像效果都好的图像。阐述了基于小波分析的图像融合的基本原理、方法及优点。比较了各种图像融合规则和融合算子的特点。介绍了基于小波包图像融合、小波框架图像融合和多小波图像融合方法。     

基于傅里叶变换的遥感图像配准算法

提出了一种基于傅里叶的遥感图像自动配准方法,图像间的变化包括平移、旋转及比例变化。该方法是傅里叶相位相关技术的扩展,其主要优点是在不需要寻找控制点和传感器参数的情况下进行图像自动配准。通过对数一极坐标变换、利用傅里叶变换的比例特性和旋转特性搜索图像间的比例和旋转变化,利用傅里叶的相位相关技术(能量谱)确定图像间的平移关系,实验结果表明了此方法的可行性和有效性。     

A modified statistical approach for image fusion using wavelet transform

The fusion of images is an important technique within many disparate fields such as remote sensing, robotics and medical applications. For image fusion, selecting the required region from input images is a vital task. Recently, wavelet-based fusion techniques have been effectively used to integrate the perceptually important information generated by different imaging systems about the same scene. In this paper, a modified wavelet-based region level fusion algorithm for multi-spectral and multi-focus images is discussed. Here, the low frequency sub-bands are combined, not averaged, based on the edge information present in the high frequency sub-bands, so that the blur in fused image can be eliminated. The absolute mean and standard deviation of each image patch over 3 × 3 window in the high-frequency sub-bands are computed as activity measurement and are used to integrate the approximation band. The performance of the proposed algorithm is evaluated using the entropy, fusion symmetry and peak signal-to-noise ratio and is compared with recently published results. The experimental result proves that the proposed algorithm performs better in many applications.     

基于小波多分辨分析的图像融合方法

图像融合的目的是把来自多传感器数据的互补信息合并形成一幅新的图像,以便更好地进行监视和侦察之类的视觉感知[1,2]。在阐述了小波变换多分辨分析的基本原理及其特点的基础上,提出了基于小波多分辨分析的图像融合的新方法。实验结果表明,该方法效果良好,可广泛用于各研究领域。     

改进PSO算法在图像配准中的应用

图像配准是目前图像处理中的热点,很大程度上因为它是图像融合的前提,具有重要的研究价值.粒子群算法是一种基于群体搜索策略的自适应随机算法,由于该算法实现简单、参数较少等特点被广泛使用.针对标准PSO易陷于局部最优的问题,对标准PSO进行了改进.实验过程中,参考图像和浮动图像的相似性测度采用的是峰值信噪比(PSNR).通过实验结果对比,改进后的算法由于克服了容易陷入局部最优解的问题从而提高了配准精度.     

基于SIFT的图像配准方法

针对大尺度图像配准和不同传感器图像配准问题,介绍了一种基于SIFT的图像配准方法。首先提取图像中适应尺度变化的不变特征点,在提取过程中加入多尺度Harris检测算子,提高了匹配点对的重复率,通过聚类和归一化互信息准则对候选匹配点对的角度、尺度和位置特征进行迭代筛选,删除错误的匹配点对,最后得到正确的匹配点对,对图像进行配准。实验结果表明：该方法能处理相似变换的图像配准。     

多传感器数据融合中的配准技术

配准是多传感器数据融合中的一个重要环节。文中介绍了图像配准的一般方法，配准技术在数据融合的应用，并着重介绍了基于点特征的红外／可见光图像自动配准算法。