重力匹配导航中的重力图细分重构方法研究

重力匹配导航需要高精度的数字重力图，然而在许多情况下无法得到精确的重力场数据。本文提出一种加权非线性拟合细分技术，对原始重力场图进行重构．仿真结果表明，该方法可有效地提高重力场图的分辨率，并且边缘过渡更为平缓，可满足高精度导航的需要．     

基于图论的激光图像误匹配点自动探测

为了有效提取特征点，提升误匹配点自动探测效果，提出一种基于图论的激光图像误匹配点自动探测方法。利用尺度不变特征变换检测激光图像极值点，完成特征点提取，归一化处理特征点，计算提取的特征点间的距离，按照距离为提取特征点构建激光图像完全图；建立激光图像导出图，通过迭代处理导出图，自动探测误匹配点。实验证明：该方法可有效提取激光图像特征点；在不同旋转角度时，该方法自动探测误匹配点的粗差误判率较低、内点比例较高，最高粗差误判率仅有6.8%,最低内点比例84.8%,说明该方法具备较优的误匹配点自动探测效果。     

基于Harris与LCP的同图复制粘贴篡改检测

在声像资料鉴定工作中,利用同图复制粘贴进行图像篡改的案例较为常见。针对此种篡改方式,提出一种基于特征点和特征值进行匹配的检测方法。首先利用Harris角点检测器进行特征点提取,以特征点为中心建立一个方形邻域,对方形邻域用局部配置模式方法(Local Configuration Pattern,LCP)提取特征,之后对特征向量进行字典排序,通过计算相邻特征向量的相似度确定匹配特征向量,最后利用RANSAC算子消除错误匹配点。实验结果表明,此法可有效检测图像篡改区域,对旋转、亮度、模糊、噪声等多种复杂操作均具有较好的鲁棒性,并能实现图像多区域篡改方式的检测。     

基于视觉检测的红外与可见光图像区域匹配研究

为了增强归一化区域形状特征提取的稳定性,提升图像匹配效果。研究基于视觉检测的红外与可见光图像区域匹配方法。利用视觉显著性检测方法,获取红外与可见光图像的视觉显著图;通过直方图均衡化与优化配比灰度级动态范围方法,增强视觉显著图;采用仿射归一化方法,提取增强视觉显著图的归一化区域形状特征,匹配区域形状特征,完成红外与可见光图像区域匹配。实验证明:该方法可有效提升图像亮度和匹配红外与可见光图像,获取清晰度更佳的图像;在图像模糊与亮度等变化情况下,该方法边缘保持度与香农熵等分析指标值均与最高值较为接近,即图像匹配效果较优;在不同视角变化角度时,该方法归一化区域形状特征提取的稳定性较佳。     

结合描述子信息的多约束散斑扩散匹配方法

散斑结构光因只需投射一幅图像即可获取三维信息，成为近年来的研究热点。但利用散斑结构光进行三维信息获取时，存在散斑特征点匹配数量少、误匹配率高的问题，为此研究了散斑特征点提取与匹配算法。在分析散斑点区域灰度分布规律的基础上，提出一种基于灰度值比较的散斑特征点提取方法，通过比较窗口上相关像素灰度值进行粗提取，定义特征点响应函数消除冗余检测。匹配方面，建立散斑特征点描述子，提出一种基于描述子信息的多约束扩散匹配方法，首先通过多约束条件获得匹配度较高的种子点，生成种子点队列，其次利用队列中种子点的描述子信息，对描述子中未匹配的散斑特征点进行扩散匹配。实验结果表明，与其他方法相比，所提算法将匹配数量提高了35%以上，误匹配率降低到0.12%。     

基于图像结构相似度的手指静脉匹配算法

在手指静脉识别领域,静脉特征的提取与匹配是非常重要的问题。然而现有的特征提取算法非常复杂,仅提取静脉特征就耗费了大量的计算资源,再加上匹配过程,大大降低了方法的实用性。提出了一种基于图像结构相似度(SSIM)的图像匹配算法,仅仅提取少量的图像特征就可以取得高识别精度,结合一种去除非静脉区域细小不规则区域的形态学方法,有效降低了识别系统的等错率(EER)。     

微结构低重叠度大范围三维拼接方法

针对微结构大范围无损测试问题,提出了一种低 重叠度的三维结构拼接方法。首先基于实验参数将结构特征提 取区域限制在测量过程中的重叠区域,以减少误匹配出现的可能性并提高计算效率;在上述 区域内,通过SIFT(scale-invariant feature transform)算法进行特征 点提取;在特征点匹配阶段,根据测量系统参数进一步提出缩小匹配点对搜索范围的方法以 提高特征点匹配可靠性;最后以 重叠区域的局部连续性为依据,计算校正矩阵以校正测量过程中环境扰动带来的拼接结构错 动。实验中,将本方法与目前商业设 备的拼接测量功能进行了对比。实验表明,本文方法不但适用于特征丰富的结构,也适用于 相似度高的阵列性结构,可在重叠度为6%时实现有效拼接。     

基于特征区域匹配的运动物体检测

提出了一种利用特征区域的匹配实现运动目标提取的检测方法。特点是能通过背景图像与当前图像的特征区域中心位置偏差，确定运动目标在背景图像中的确切位置。实验证明，这种方法运算量小，适应性强，并且能在复杂的背景环境下有较好的检测效果。     

机器视觉技术的红外弱小目标状态感知方法

为在复杂场景下精准感知多个红外弱小目标，提出基于机器视觉技术的红外弱小目标感知方法。依据搜索窗口与筛选条件，从红外图像中筛选出候选感兴趣区域，采用多目标分割算法，应用显著性特征从候选感兴趣区域中提取感兴趣区域，并提取感兴趣区域的加权灰度均值特征，将其作为Soft-FART网络的输入，通过Soft-FART网络模糊匹配知识库与感兴趣区域的加权灰度均值特征，选取大于警戒条件的目标作为感知到的红外弱小真实目标，并将感知结果输出。实验结果表明，该方法可在不同场景下精准感知红外单独弱小目标和多个红外弱小目标，且在高噪声环境下依然具备较好的红外弱小目标感知性能。     

一种基于兴趣点特征匹配的图像镶嵌技术

提出一种基于兴趣点特征匹配（IPFM）的图像自动镶嵌技术。首先利用混合的角和边检测器获取待镶嵌图像中的兴趣点，通过采用一种双向最大相关系数匹配的方法提取出初始特征点对，然后用空间坐标距判别准则剔除伪特征对，最后利用正确匹配特征点对实现图像的镶嵌。此外，在图像融合技术中引入了域值的概念，从而解决了重叠区域图像平滑过渡问题。实验表明：该方法能够快速准确地提取出两幅图像间的对应特征点，大大降低了误匹配的概率；在图像间存在小的旋转量情形下，仍能有效地实现图像的平滑镶嵌。     

基于TAPF算法的匹配区选择方法研究

针对TAPF匹配滤波算法研究景象特征与匹配性能的关系,提出景象特征指标体系,并以此为基础结合相关面特征和模板的容差性等因素系统地制定景象匹配区选择方法准则.利用现有卫片/航片进行匹配选择试验,结果表明,该方法可以成功地规划出满足系统要求的景象匹配区.     

面向引线框架缺陷的图像配准算法

为了降低引线框架缺陷识别的误检率,比较了基于灰度的模板匹配和基于特征的匹配算法之间的优缺点,并针对引线框架缺陷检测中参考图和检测图存在差异的特点,提出基于区域定位和不变矩的特征匹配算法。该算法通过边缘检测定位出特征区域,并用不变矩进行区域特征描述。在缺陷识别试验中,相比于模板匹配算法,该算法表现出更快的结算速度,更高的配准精度,更低的配准失败概率。结果表明,该配准算法适用于引线框架缺陷识别,降低误检率。     

双维度交叉特征点协同匹配的点云拼接算法

为提高结构光三维重构系统的点云匹配速度及精度,提出二维视图及三维点云交叉特征点协同匹配的方法.首先,通过投影变换及维度映射关系实现待拼接投影图像的归一化,经预处理后提取端点及分叉点作为关键点,对同类点进行三角划分及相似匹配得到初始点集,并将其映射至三维空间.其次,利用kd-tree搜索得到双邻域质心,根据三点构成的三角...     

针对间断纹理环境中的图像特征追踪和匹配算法研究

针对同时定位与地图构建(SLAM)中的特征匹配关键环节,提出一种融合特征点和特征区域的图像追踪与匹配算法,以解决交替出现纹理丰富和纹理缺失的间断纹理环境中图像特征易丢失、误匹配率较高的问题。首先,利用ORB算法和半稠密直接法分别对图像提取特征点和特征区域。其次,使用渐进一致采样法(PROSAC)剔除ORB算法的误匹配特征点,并计算特征点的正确匹配率。最后,针对纹理缺失环境中特征点丢失严重的问题,以特征点的正确匹配率作为判断依据,对低匹配率图像,则基于特征区域使用半稠密直接法实现图像的追踪,同时对追踪结果进行非线性优化,提高了特征区域追踪的准确性和稳定性。实验结果表明,该算法适用于间断纹理环境,在纹理丰富和纹理缺失条件下均可提高图像匹配的准确率。     

增量式SFM中特征点检测与匹配方法的改进

图像特征点的提取与匹配是增量式SFM重建系统中至关重要的一步。为了提高匹配的准确率以及有效匹配点对的数量,提出了一种改进方法:首先在多尺度空间中利用自适应阈值的FAST角点检测算法获取特征点;然后计算特征点与其多个环形邻域之间的灰度对比信息,再与采样区域的局部梯度信息融合得到特征点描述子;接着利用曼哈顿距离与切比雪夫距离的线性组合代替欧氏距离完成特征点的稀疏匹配;最后利用稀疏匹配结果作为种子点对进行同步生长,在多约束条件下得到最终的稠密匹配结果。在Oxford数据集上的实验证明了改进的稀疏匹配算法的准确率与有效匹配点对数量都高于SIFT算法,在增量式SFM系统中的实验证明了稀疏匹配与稠密匹配的组合算法可以获得更好的重建效果。     

一种动态序列重力匹配算法

由于重力异常具有随机性,导致序列重力匹配算法精度受到匹配轨迹起始点位置的影响,因此,该文提出了一种动态序列重力匹配算法。该算法通过对构建多起点匹配轨迹序列,动态选择起始点,构建匹配轨迹序列,通过相关极值法提高重力匹配精度。结果表明,动态序列重力匹配算法重力匹配精度高,实时性好,能为水下载体长时间航行提供导航信息。     

基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。     

基于SIFT算法及三角形约束的SAR影像匹配方法

将三角形约束方法引入到合成孔径雷达(SAR)影像匹配中。利用尺度不变特征转换(SIFT)算子生成特征点;采用鲁棒性较好的随机抽样一致(RANSAC)算法剔除错误匹配点,得到更高精确度的同名点;最后利用SIFT算法得到的同名点建立Delaunay三角网。在同名相似三角网内,以三角形重心点作为内插的虚拟同名点,并对虚拟同名点进行归一化互相关(NCC)约束,剔除不满足阈值要求的虚拟同名点对,同时根据内插得到的虚拟同名点建立新的三角网,对三角网进行动态更新,用于获取更多虚拟同名点,直至满足匹配要求。实验结果表明,本文方法能够有效增加匹配特征点数量,提高雷达影像的匹配精确度。     

一种两步式相关极值重力匹配算法

针对相关极值重力匹配算法实时性较差且要求初始误差较小的问题,该文提出一种两步式相关极值重力匹配算法。首先使用快速均方差相关(MSD)算法进行粗匹配,然后提取合适的粗匹配结果作为刚性变换的基准,将惯性导航系统(INS)轨迹变换到实际轨迹附近,产生新的待匹配轨迹,最后在新待匹配轨迹附近进行精确搜索,寻找代价最小路径。通过仿真实验验证了两步式匹配算法效果。两步匹配结合2种方法的优势,使重力匹配法适应于INS初始误差较大的情况,提高效率和实时性,同时保持匹配结果的高精度。     

多摄像机场景下的目标匹配比较研究

基于如颜色直方图(Color-histogram)等特征的目标匹配方法由于特征本身受光线变化、背景复杂度等因素影响而对于不同场景中目标的识别准确率存在差异.针对这一现状,选取了基于Color-histogram、SIFT和SURF特征的目标匹配方法分别应用于多摄像机场景下的目标匹配.然后,通过纵向比较同一种方法应用在不同视频集中所显示出的识别率和横向比较同一视频组中应用不同方法所得到的识别率来分析它们之间应用效果的差异性.由实验结果可知,该比较研究所得结论可以为此领域的后续研究提供一种关于特征选择的参考.