基于改进Hausdorff距离的图像匹配快速算法

针对Hausdorff距离的特性及其在图像匹配中的应用,提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔,然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明,该方法能在保证匹配精度的同时,有效加快匹配速度。     

基于轮廓特征的红外与可见光图像配准方法研究

红外光与可见光处于不同波段,其图像间的相关性较小.传统的基于特征的图像配准方法(如利用角点、边缘点等),在特征点选择时容易造成误匹配,这是由于有时特征点间的距离比较近造成的.针对此问题,本文提出了一种基于图像轮廓特征的红外与可见光图像配准方法.首先通过设置目标过滤器来提取明显的轮廓,再利用部分Hausdorff距离对轮廓进行匹配,计算出匹配轮廓对的面积和质心,并以此作为配准依据来对两种不同的图像进行配准.然后通过实验证明该方法的配准精度更高且克服了特征点误匹配的难点,这就可以解决刚性变换中红外与可见光图像间的配准问题.     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题.该文提出一种基于显著轮廓特征的SAR图像"由粗到精"的匹配新方法.该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果.试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配.     

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

本文提出一种改进的部分Hausdorff距离作为模板和图像中物体轮廓相似性的测度,较大地减少计算量。同时把遗传算法引入图像匹配识别。由于GA的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此GA和改进的Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,以达到模板和图像间的有效匹配。     

基于免疫克隆选择算法的快速图像匹配

提出了一种新的免疫克隆选择算法,该算法基于一个压缩阈值和新的收敛标准,可动态确定种群的大小,具有很强的全局和局部搜索能力.对传统的Hausdorff距离作了改进,新方法可有效地克服传统算法的不足,作为模板和图像中物体轮廓相似性的测度,可较大地减少计算量.把免疫克隆选择算法和改进的Hausdorff距离相结合用于图像匹配,可以较快地完成全局搜索,达到模板和图像间的有效匹配,仿真实验证明了该方法的优越性.     

结合小波模极大值和改进Hausdorff距离的电路板红外图像配准

电路板红外图像具有背景区域灰度单调、元器件发热区域轮廓模糊、噪声高、对比度低等特点,对配准精度和稳定性有很大影响。针对这些特征,提出了结合小波模极大值和改进 Hausdorff 距离的红外图像配准方法。首先用小波模极大值的算法提取边缘曲线;然后对传统Hausdorff距离进行改进,边缘曲线分段,并建立匹配基本单元;其次对基本单元粗匹配,压缩搜索空间,再进行精匹配,找出最优变换。最后采用 Matlab 进行仿真,实现图像精确配准。对比实验结果表明：该方法明显提高了配准精度,显著改善了配准稳定性。     

基于改进去伪匹配SURF算法的静态手语字母识别

针对SURF(Speeded-Up Robust Features)特征点不稳定性导致的伪匹配问题以及距离特征判别兴趣点真伪的方法未考虑到图像尺度变化情况的匹配问题,本文结合深度图像提出一种改进的去伪匹配SURF算法用于静态手语识别。改进的去伪匹配算法采用手势轮廓面积加权的距离特征判别法,同时,采用角度特征判别法综合剔除错误匹配点。实验表明,手势轮廓面积对距离的加权有效解决尺度变化对匹配点去伪的影响,且本方法对光照、复杂背景、角度和尺度变化有较强鲁棒性,具有更高的识别率。     

基于多尺度Canny算子的人耳几何特征提取与识别

针对人耳特点提出了一种基于耳廓边缘几何结构的识别方法,在结合多尺度Canny算子检测出单像素耳廓边缘的基础上,通过提取耳轮边缘上的若下关键距离来描述耳轮形状,提取耳甲腔边缘上的角点区域来描述内耳结构,最终利用耳轮形状特征向量及内耳结构特征向量实现分类识别.特征向量的表示分别以长轴和质心作为参照标准,保证了其具有平移、旋转和缩放不变性.在选取的人耳图像库上实验取得了较高的识别率,同时,对光照条件变化具有一定的鲁棒性,实验结果表明该方法的有效性以及利用人耳图像进行身份识别的可行性.     

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广     

一种基于进化策略的边缘特征匹配方法

针对存在旋转变化的多源图像匹配问题,提出了一种基于改进的部分Hausdorff距离(LTS-HD)和进化策略相结合的边缘特征匹配算法。通过仿真实验,该算法与基于部分Hausdorff距离的匹配算法相比,实时性和精确性都有了很大的提高。     

改进Hausdorff距离和粒子群算法在激光制导中的应用

为提高激光成像制导精度,实现遮挡条件下的有效识别,提出一种基于改进Hausdorff距离和粒子群算法的激光图像匹配算法。首先提取基准图和实时图的边缘特征;而后针对原始Hausdorff距离易受噪声、孤立点及遮挡影响的不足,提出一种自适应部分均值Hausdorff距离,并将其作为相似性测度;最后改进粒子群算法以完成搜索匹配,一方面提出混沌惯性权值以提高其搜索能力,另一方面通过引入混沌局部搜索避免算法过早收敛。实验结果表明,该算法不仅具有较高的匹配成功率,而且实时性较好。     

基于Hausdorff距离的自动目标识别算法的研究

红外自动目标识别是智能化图像处理及应用开发的方法.由于传统的图像匹配方法受到诸如景物的遮挡、背景和噪声的影响比较大,并且需要建立模板与图像间的对应关系,因而使实际图像的匹配变得困难.为了克服上述缺陷,以便快速地进行图像匹配,提出了一种基于Hausdorff距离的自动目标识别算法.该算法不仅加快了匹配过程,提高了抗噪性能,而且能准确匹配遮挡图像.实验结果证明,该方法是正确有效的.     

基于图像理解的LPR系统研究

设计了一种基于图像理解的智能车牌识别系统,利用水平和垂直投影进行车牌区域定位。通过基于垂直投影和模板匹配的字符分割方法有效地解决了背景变化、车牌尺寸变化、字迹模糊等问题,在对120幅472×332大小的车辆图像采用基于模板匹配的ORC识别方法,在Hausdorff距离分类器上进行了相关匹配测试实验。识别率达96.7%,识别时间稳定在0.3~1.2 s之间。     

基于遗传算法的导航实时图像匹配算法

由于一般图像匹配算法均采用全局搜索法,耗时较大,为满足景象匹配辅助导航系统实时性的要求,提出了一种将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法,利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,提高了匹配搜索的快速性.同时,提出了一种基于特征图像分支点提取的加权Hansdorff距离图像匹配算法,并给出了相应的权值求解公式,利用加权Hausdorff距离作为遗传算法的适应度函数,能够明显减少匹配搜索的计算量,提高匹配结果的精度.仿真分析表明,将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法能够很好地满足景象匹配辅助导航系统的实时性和精度要求.     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

基于Hausdorff距离的非刚体目标自适应轮廓跟踪

本文提出了一种基于Ｈａｕｓｄｏｒｆ距离的非刚体目标的轮廓跟踪算法。它的特点在于从二维序列图像中提取非刚体目标的二维可变模板，从而实现对非刚体运动目标的跟踪。此算法的主要思想在于将空间运动的非刚体目标的二维图像变化分解成二维运动变化和二维形状变化，从而加大了模板适应力，辅以过零点检测及金字塔快速搜索算法，可以实现非刚体目标的快速跟踪。最后，本文给出了对人体轮廓进行跟踪的实验结果。