旋转图像的三维相关不变性

三维不变特性的构建是三维目标识别过程中的一个核心步骤,旋转图像作为对三维目标曲面信息的一种很好的表达,满足了旋转和平移变换不变性,却不满足尺度变换不变性.为了构建一种在旋转、平移和尺度变换下的不变特性,首先定义了相关不变性的概念,然后使用Tsallis熵值对旋转图像进行了描述.在相关不变性的框架下,利用Tsallis熵...     

基于小波域的红外图像序列噪声分析与去噪

由于相同的去噪方法对不同噪声类型的去噪效果不一样,采用基于小波域的图像噪声类型识别方法,利用小波高频子带系数的直方图识别了图像的两类主要噪声：高斯噪声和椒盐噪声.对红外图像系列的噪声进行了分析,长波红外图像主要受到高斯噪声干扰,中波红外图像主要受到椒盐噪声干扰.提出了一种改进的小波全局阈值去噪方法.仿真实验表明,该方法较传统方法的PSNR提高了2~3 dB,处理速度较快.     

基于红外序列图像的特定目标智能检测

红外成像探测技术是目前以及未来军事作战需要倚仗的重要技术。以卫星红外序列遥感图像为处理对象,采用人工智能相关技术对图像数据进行目标检测。针对序列图像检测到的特定目标进行关联分析,并通过目标灰度提取以及运动变化信息来生成特定目标的轨迹报告。实验结果表明,多目标检测的平均正确率为90%,部分场景可以达到95%,误检率为7%;多目标跟踪的平均正确率为91%,误检率为6%,为及时发现和预警特定目标提供了信息支撑。     

基于HMM的红外点目标序列图像扰动补偿方法

利用红外图像扰动信号短时平稳的特性,在统计的基础上提出采用隐马尔科夫模型统计信号模型来描述扰动,得到一种基于学习的扰动模型,并利用学习得到的模型参数计算后续帧中的扰动情况,进行预测补偿,以保证目标运动的连续性,克服扰动对跟踪的影响,实验取得了较好效果。     

基于整体变分的红外和可见光图像融合

针对红外与可见光的融合图像存在对比度低、场景细节信息不清晰的问题,提出基于整体变分的红外和可见光图像融合方法。该方法将每次迭代后的融合图像分别与可见光和红外图像进行差分运算,作为整体变分模型的正则项和保真项。同时,引入关于红外图像的非增扩散函数来引导扩散,抑制红外图像边缘信息的平滑,从而把图像融合问题转化为图像去噪问题,最终转化为一个泛函求极值问题。实验结果从视觉质量及客观评价上验证了该方法的有效性。     

红外高炮弹点目标序列图像自动提取

针对光电经纬仪跟踪测量过程的红外高炮序列图像的弹点目标,进行了相关研究.结合目标弹道轨迹规律,动态预测下一弹点位置,以预测点为中心的小范围图像区域内,使用最大类间差OSTU阈值法分割图像,对分割后的二值化图像进行连通性分析,提取出目标的脱靶量.以分辨率640×512的1000帧红外序列图像为实验数据,能够在2 min内自动处理完成,且目标提取准确度99%以上.     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

基于旋转和尺度不变性的图像识别研究

根据对数极坐标转换的尺度与旋转不变性特征,进行了角度发生变化、尺度发生变化和角度与尺度同时发生变化情况下的相似度分析.研究了转换阵识别的一维统计匹配、二维转换阵匹配、双边缘信息匹配三种算法并且进行了相关实验及实验结果的数据分析.     

一种具有旋转不变性的压缩域纹理图像分类方法

该文提出了一种具有旋转不变性的、基于DCT压缩域的纹理图像分类方法。此方法主要是在DCT压缩域中合理组织频率系数,使其具有与小波分解相类似的图像多分辨率结构,由此设计了抗旋转能力强的纹理图像分类算法。这些操作直接在游程长编码(RLE)形成的码流上进行,处理的数据量较少,处理速度快。实验结果表明,这种分类方法具有较高的准确性。     

基于角点和Hu矩不变量的可见光和红外图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征和透视变换模型的方法.首先采用自适应阈值对红外与可见光图像进行分割,然后利用Harris因子分别在分割后的红外和可见光图像上检测角点.通过分析角点邻域在原始图像上的相关性实现角点的粗匹配.接着通过RANSAC算法对角点进行细匹配,删除outliers,再...     

镜像不变的折反射全向图像与透视图像匹配

该文针对折反射全向摄像机的不同配置可能使全向图像和透视图像存在的镜像关系,而尺度不变特征变换算法并不对镜像保持不变性,提出将透视图像进行一次水平翻转,然后将原图与翻转后的图像分别与全向图像进行匹配,取效果好的匹配作为最终结果,从而实现镜像不变。针对全向图像的环形畸变,提出先将透视图像变换为扇形图像后再进行匹配。实验结果显示,将透视图像变换为扇形图像后再与全向图像进行匹配,匹配点总数增加,而错误匹配点数减少,匹配结果明显好于变换前的匹配结果。     

基于旋转不变直方图的快速匹配穷搜索

 针对视觉跟踪中旋转目标的快速鲁棒跟踪问题,提出了一种基于旋转不变直方图的快速匹配穷搜索算法.文章首先对现有的直方图匹配算法进行了简单回顾,然后在分析目标旋转导致矩形模板失效原因的基础上,提出了旋转不变直方图的概念,并通过基于双圆定位的旋转不变直方图对目标进行了准确的定位和旋转校正.旋转不变直方图利用圆的旋转不变特性和分布式直方图的算法复杂度优势,实现对目标模板的全局最优穷搜索,利用双圆圆心的相对位置关系,实现对矩形模板的旋转校正.最后对一系列视频序列进行了跟踪实验,结果表明该算法能够实现对任意角度旋转目标的鲁棒跟踪,且算法复杂度较低.     

基于红外图像的避雷器故障检测方法

在电力系统中,利用计算机视觉和图像处理技术对避雷器进行故障检测,在保障电力系统的安全运行方面具有非常重要的作用。提出了一种基于红外图像的避雷器故障检测方法。该方法首先对输入图像进行预处理,利用尺度不变特征变换（Scale-invariant feature transform,SIFT）描述子和K-means++算法训练视觉字典精确定位避雷器,然后利用线性谱聚类对选择出的区域进行分割,最后通过分析避雷器热像的特征,实现避雷器故障的检测。实验结果说明所提出的算法可以有效地检测避雷器故障。     

基于尺度不变特征变换的快速景象匹配方法

传统基于特征的景象匹配方法存在冗余点多、匹配精度低等问题,难以同时满足实时性及鲁棒性要求,对此,论文提出一种基于尺度不变特征变换(SIFT)的快速景象匹配方法。在特征提取阶段,采用高速分段特征检测器(FAST)在多尺度检测角点作为初始特征,经过高斯差分(DOG)算子在尺度空间中进行特征的2次筛选,简化原有遍历式的特征搜索过程;在特征匹配阶段,采用仿射模型模拟变换关系建立几何约束条件,克服SIFT算法由于忽略几何信息而产生的误匹配。实验表明：该方法在匹配精度和实时性方面均优于SIFT算法,且对光照、模糊、尺度等变换具有良好的鲁棒性,能够更好地实现景象匹配。

     

异步多特征红外与可见光图像匹配算法

针对红外与可见光图像特征点匹配的难题,提出了一种基于异步多特征的红外与可见光图像匹配算法。首先采用多尺度FAST －9角点检测算法进行特征点提取;而后,对提取的特征点构造主方向;再统计特征点邻域的梯度方向,构造一种类SIFT的特征点描述子;采用阈值宽松的最近邻匹配算法进行粗匹配;然后,提取特征点邻域边缘信息构造基于边缘的形状上下文描述子;最后采用相应的相似性度量算法对粗匹配结果进行提纯。实验结果表明,提出的算法对旋转、尺度、视角变换具有鲁棒性,且能够实现不同天候条件下的图像匹配,正确匹配率较SURF算法有明显提高。     

基于区域SIFT特征的凝胶图像间蛋白点匹配算法

针对传统匹配算法对旋转和扭曲图像匹配效果不佳的问题,提出一种基于蛋白点区域SIFT(Sale Invariant Feature Transform)特征的凝胶图像间蛋白点匹配算法.首先,提取蛋白点区域SIFT特征;然后,根据SIFT特征实现蛋白点粗匹配,并采用RANSAC (Random Sample Consensu)方法剔除误匹配特征点;最后,通过计算粗匹配点集之间的TPS(Thin Plate Spline)变换关系,采用几何相关法完成蛋白点间的精匹配.通过对国际凝胶图和Bio-Rad公司测试图等不同图源的凝胶图像进行蛋白点匹配实验,结果表明,该算法具有较高的匹配精度,其匹配误差小于2.2％,对旋转和扭曲图像同样具有良好的鲁棒性.     

基于红外多目标图像序列的自动判读技术

提出了一种红外多目标图像序列的自动判读方法,先着重阐述一种目标序列段自动变步长搜索方法精确定位有用目标序列段,然后对图像二值化分割批处理方法以及判读脱靶量计算等关键性技术进行说明,最后输出准实时脱靶量;探讨目标搜索中步长和信号量阈值对搜索时长以及精度的影响.实验结果表明,对于低SNR的红外弱小多目标图像序列,该判读方法能缩短判读时间,提高判读的准确性.     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。