基于点特征的图像配准方法综述

图像配准作为图像信息领域的一项重要技术,在遥感测绘、目标识别、三维重建和导航制导等方面有着广泛的应用。近些年来,基于点特征的图像配准方法取得了快速发展。相对于基于区域的图像配准算法,基于点特征的图像配准方法具有更强大的区分能力,能够在图像视角变化、存在噪声甚至一定遮挡的情况下近实时地实现配准。首先研究基于点特征的图像配准算法的基本流程,侧重介绍SIFT、SURF、FAST和BRISK几种算法。分析讨论了几项评价点特征图像配准算法性能的指标,并展望该领域研究前景。     

图像配准方法及其在目标跟踪中的应用

给出了一种基于点特征的图像配准方法,可以用于复杂背景下任意角度旋转的图像之间的配准。图像配准算法分为四个步骤:用Forstner算子分别提取参考图像与待配准图像的特征点;使用旋转不变特征向量获取特征点之间的初始匹配关系;使用投票算法剔除误匹配点对,获取正确配对的同名点对;用最小二乘方法由正确配对的同名点对获取图像之间的配准参数。给出了基于点特征的图像配准方法在目标跟踪中的应用方法,并进行了仿真实验,结果证明该图像配准算法可以对复杂背景下弱对比度静止目标进行精确跟踪,而且算法具有很好的通用性。     

基于SURF 与BRISK 的遥感图像配准

针对SURF算法在构建局部特征描述符阶段耗时过长的问题,提出一种基于BRISK二进制特征描述符的改进SURF算法。应用SURF算法中快速DoH(determinant of hessian)算子检测特征点并确定主方向,采用BRISK描述符进行特征描述,通过匹配阶段采用汉明距离双向匹配和RANSAC算法剔除误匹配,并利用最小二乘法获取精确配准模型完成图像的配准。对比实验结果表明：该算法大幅提高了匹配速度,其匹配性能也超越了原SURF算法,能够较好地完成遥感图像配准。     

一种基于改进SIFT的SAR图像配准算法

为克服SIFT (scale-invariant feature transform)描述子应用于SAR图像配准领域时配准精度低的不足,提出一种基于改进SIFT的SAR图像精确配准算法.该方法首先提取特征点的SIFT描述子和改进的旋转不变纹理化特征描述子,再利用典型相关分析特征融合算法将2种描述子融合,形成新的特征描述子,计算2幅图像中各个特征点间的改进加权距离并通过预先设定好的阈值完成粗匹配,最后通过随机抽样一致性算法去除误匹配实现精匹配,并代入仿射变换模型以求得变换参数,完成图像的配准.仿真结果表明:该方法的匹配性能明显优于SIFT及PCA-SIFT算法,能够有效处理图像在尺度变化、灰度变化、旋转角度变化的情况下SAR图像配准问题,且配准精度达到了亚像素级.     

两种基于无人机序列图像的三维重建方法比较

无人机序列图像的三维重建是指从无人机获取的二维图像中恢复场景的真实三维信息,即利用无人机携带的数字摄像机作为传感器,综合运用图像处理、图像计算等技术计算图像中场景的三维结构,其中涉及众多的理论和算法,在军事、测绘、灾场重建中有重要应用。现阶段,基于无人机序列图像的三维重建技术仍存在较大的发展空间。介绍了已有的基于无人机序列图像的三维重建技术主要方法和发展现状,对各方法的优缺点进行了比较和分析。在此基础上,提出了三维重建过程中需要解决的一些问题,并对无人机图像三维重建技术的发展趋势进行了展望。     

基于局部异常因子算法的三维声纳单帧重建研究

海洋环境的复杂性会使三维声纳获取到的点云中存在异常点,从而影响点云的后期处理和可视化。将获取到的声纳数据依次进行三维波束成像、最大值滤波和坐标系转换,进而得到原始点云。提出将局部异常因子(LOF)算法应用到点云去噪、剔除干扰的异常点,并用一种改进三角网生长方法进行单帧重建。改进三角网生长法简化了三角网生成中关键的“第三点”搜寻过程,通过实际数据处理分析得知：相比于传统阈值去噪方式,基于LOF算法的去噪方式能够在保持目标真实轮廓的前提下有效剔除非目标点;经过所提去噪方式的声纳数据能够得到更贴合实际目标轮廓的三维重建结果。     

基于角点检测法的图像配准

采用角点检测算法,对图像中任一像素点和以它为中心的圆形区域USAN进行图像配准,将边缘提取和轮廓跟踪过程融为一体,并通过沿圆弧曲线扫描获取角点信息建立图像间角点的对应关系,由此得到初配准参教,且使用迭代过程以提高配准的精度.试验证明,该算法对图像间的旋转角度没有限制,配准精度高而且计算量小.     

基于单演相位的红外图像配准

将单演相位（monogenic phase）的概念用于红外图像特征点的匹配,完成了红外图像的配准。其核心思想是用Harris角点检测算法提取特征点,然后以单演信号元素{p（x）,q1（x）,q2（x）}构成相关矩阵．提取出初始特征匹配点对,再用随机抽样一致性算法（RANSAC）去除伪匹配的特征点对,选择内点集估计对极几何的基本矩阵,实现图像的配准。实验验证,单演相位的应用高效稳定地完成了红外图像的配准。     

基于ICT图像配准技术的固体火箭发动机装药缺陷诊断

针对人眼观察固体火箭发动机ICT图像容易误判及遗漏缺陷的问题,采用ICT图像配准技术,将待检固体火箭发动机的ICT图像与无缺陷标准ICT图像配准对比,以便突出固体火箭发动机装药缺陷。改进了基于归一化互信息量为配准测度的配准方法,在配准测度中添加进了ICT图像像素之间的位置信息,以增强配准算法的精度和鲁棒性。实验结果证明,提出的方法可以精确的完成图像的自动配准并可使缺陷部位灰度对比更加显著,便于捕捉缺陷。     

基于特征点的图像配准方法研究

图像配准是将不同条件下(时间、传感设备、气候、角度等)得到的两幅或者多幅图像进行匹配、叠加的过程.通常,每种配准技术都是针对某一类具体应用的,有一定的局限性.文中提出了一种融合的、基于特征点的图像配准方法,首先采用小波变换和USAN区域特性相结合的角点检测方法,然后利用互相关和RANSAC相结合的方法进行特征点匹配,最后采用薄板样条法求解点变换矩阵.通过这种方法可以弥补不同配准方法的不足,提高配准精度.通过对人物、景物等大量图像进行实验分析,证明此算法具有很好的配准精度、环境适应性和实时性.     

基于近邻点重加权的点云特征线提取算法

针对3 维点云模型特征线提取存在断裂、不完整问题,提出一种基于近邻点重加权的点云特征线提取算 法。算法分为提取特征点和特征点连接成线2 个环节,在特征点提取环节,引入近邻重加权局部质心算子获取特征 点集,通过欧式最小生成树构建特征线。实验结果表明：采用近邻重加权局部质心算法进行特征点提取,跟传统基 于曲率的算法相比其结果更加准确和稳健,能有效提取点云模型的几何特征。     

基于深度卷积生成对抗网络的航拍图像去厚云方法

针对航空图像中厚云去除的难题,提出一种基于深度卷积生成对抗网络的航拍图像去厚云方法。将图像中被云遮挡的区域看作图像修复问题中的缺失部分,利用卷积神经网络的对抗学习补偿缺失信息。设计了包括生成器-鉴别器的深度卷积生成对抗网络模型。生成器采用编码器-解码器结构,构建了包含重建损失、对抗损失和总变差损失的联合损失函数,不断训练以生成云区的预测图像;鉴别器衡量生成图像的真实性,以对抗损失作为损失函数。通过不断迭代联合优化生成器和鉴别器,以使网络预测性能提高。引入泊松图像编辑平滑边界,以降低颜色差异和边界伪迹的影响。在模拟含云图像与真实含云图像上实验结果表明,所提出方法的去云效果在峰值信噪比、结构相似性、自然图像无参考质量评价算法及其改进算法指标优于经典方法,更符合人眼主观感受,且具有较小的运算复杂度。     

基于高阶累积量的聚束合成孔径雷达二维目标特征提取

本文研究了聚束式合成孔径雷达目标特征提取算法。证明在目标由几个主要散射点构成时,特征提取实际是二维谐波恢复的过程。针对高斯色噪声的影响,提出采用高阶累积量的特征提取算法。并提出一种简单的谐波配对算法。该算法与FFT和基于自相关函数的MUSIC算法相比, 能更有效地抑制高斯色噪声的影响。     

旋转视频中特征点的迭代筛选与光流估计匹配研究

转动抖动补偿是视频稳像的难点,针对转动抖动补偿中的关键技术特征点的筛选与匹配展开研究。建立了图像的6参数仿射模型;推导得到估计有意运动参数的超定方程;采用最小二乘迭代算法来去除绝对误差和(SAD) 算法误判的特征点;采用金字塔(LK)光流算法来对旋转视频进行特征点匹配。编程实现算法;用特征窗口梯度矩阵法(KLT)提取特征后,分别用SAD算法和LK光流算法进行匹配,求解得到旋转变换阵参数误差,分析、比较并图示了误差原因;利用Kalman滤波去除无意运动;对含转动抖动的视频进行稳像补偿。在自主移动机器人平台上开展了实验。结果表明LK光流算法相比SAD算法对旋转视频的特征点匹配误差小,结合Kalman滤波可有效补偿转动抖动,将最大8.37°的转动抖动稳像到3.68°以下。     

动态环境下无人地面车辆点云地图快速重定位方法

无人地面车辆在战时全球定位系统定位信号缺失情况下,依靠车载传感器确定在已有地图中的位置是无人车辆发挥效能的关键。现有方法多基于二维栅格地图,难以适用于场景变化大的复杂环境,为此提出了一种动态环境下基于三维点云地图、采用聚类词带模型的快速定位算法。通过连续多帧激光雷达点云数据进行反向溯源,利用贝叶斯公式进行动态障碍物剔除,对点云进行聚类并提取各类的视点特征直方图描述子,进而构建词典与数据库并快速匹配,实现无人车点云地图中快速起始位置寻址;基于改进的实时激光定位与建图算法,完成了后续精准定位。实车实验结果表明：该算法在动态环境下能有效准确地在三维点云地图中精准定位,满足实时性需求。     

复杂背景下的颜色分离背景差分目标检测方法

针对复杂背景下运动目标检测失检率高的问题,提出了用于复杂背景目标检测改进的 基于RGB 颜色分离的背景差分目标检测方法。主要是对RGB 三通道图像独立进行背景差分运 算,阈值二值化后合并三通道前景图像,得到完整前景目标图像;再利用检测的边缘对前景图像进 行修正,消除光照变化带来的噪声;RGB 三通道使用自适应权值的递推算法进行背景更新。最后 采用实验室采集的图像序列进行了仿真实验,结果表明,该方法在复杂场景下有效识别颜色差异, 避免了灰度值相近而造成的目标缺失,提高了检测精确性。     

Super-resolution Restoration of Remote-sensing Images

A novel image restoration scheme, which is super-resolution image restoration algorithm Poisson-maximum-afterword-probability based on Markvo constraint （MPMAP） combined with evaluating image detail parameter D, has been proposed. The advantage of super-resolution algorithm MPMAP incorporated with parameter D lies in the fact that superresolution algorithm MPMAP model is discrete, which is in accordance with remote-sensing imaging model, and the algorithm MPMAP is proved applicable to linear and non-linear imaging models with a unique solution when noise is not severe. According to simulation experiments for practical images, super-resolution algorithm MPMAP can retain image details better than most of traditional restoration methods; at the same time, the proposed parameter D can help to identify real point spread function （PSF） value of degradation process. Processing result of practical remote-sensing images by MPMAP combined with parameter D are given, it illustrates that MPMAP restoration scheme combined PSF estimation has a better restoration result than that of Photoshop processing, based on the same original images. It is proved that the proposed scheme is helpful to offset the lack of resolution of the original remote-sensing images and has its extensive application foreground.     

红外图像弱小点目标检测技术研究

针对低信噪比、背景和噪声干扰严重的红外图像中运动点目标的检测问题,提出了一种背景预测和目标轨迹搜索相结合的高效检测算法。该算法首先对序列图像进行高通滤波,然后对滤波后的图像进行背景预测,将原图像与背景预测图像相减获得残差图像,依据图像阀值分离出少量的候选目标点,再将含有候选目标的序列残差图像经过最大合并算法形成组合帧图像,最后利用目标运动的连续性和一致性在组合帧图像中搜索目标运动轨迹。