结合二次Otsu和SIFT的光学和SAR水域图像快速配准

针对光学和SAR图像水域辐射、几何性质差异过大而难以获得共性特征,以及大场景图像配准耗时过长的问题,提出一种基于二次Otsu阈值分割法和尺度不变特征变换法(SIFT)的光学和SAR图像配准方法.首先为了降低数据量,减弱微小目标和噪声带来的干扰,对光学图像和SAR图像进行小波变换;然后针对图像一次Otsu分割后的"过检"现象进行二次分割,获得更准确的水域分割;最后通过改进的空间一致性准则和RANSAC消除初始匹配点中的较多误配.实验结果表明,该方法可以有效地提高光学和SAR图像的配准准确度,加快配准速度.     

图像多尺度配准的小波域SURF算法

针对SURF描述子仅利用特征点的局部邻域信息而对于局部场景发生变化的图像容易产生误匹配的现象,提出了图像多尺度配准的小波域SURF算法。该方法对图像进行小波分解,利用低分辨率上得到的变换参数剔除高分辨率上的错误匹配,得到精确匹配点对,对图像进行配准。实验结果表明,该方法能有效地剔除误匹配点,提高图像配准的精度。     

基于轮廓特征的SAR图像自动配准

针对SAR图像的自动配准问题,提出了一种基于轮廓特征的快速配准方法。在对SAR图像正确检测和分割的基础上提取图像的区域轮廓,并对其几何特征属性进行准确描述,利用配准点可以实现自动图像配准,仿真试验表明可以获得亚像素级配准结果。     

形态小波域多尺度马尔可夫模型在纹理图像分割中的应用

针对图像分割中小波域多尺度马尔可夫模型(MRMRF-W)无法有效描述图像非线性特征,提出了一种在形态小波域下的多尺度MRF模型（MRMRF-MW）,实现纹理图像分割。该模型结合了形态小波和MRF各自的优势,能够对图像进行非线性多尺度分解,并在各尺度上进行空间关系建模。通过对两个纹理图像库（Brodatz纹理库、Prague纹理库）中图像的分割实验,验证了该模型的有效性。     

基于多尺度形态学融合的分水岭图像分割方法

提出了一种基于多尺度形态学融合的分水岭图像分割方法，采用多尺度结构元素对输入图像并行滤波，并对结果图像进行基于小波变换的图像信息融合。针对小波分解的不同频率域，选择不同的融合规则，既抑制噪声又保持目标轮廓信息。最后，采用最大熵法自适应确定算法的初始阈值，并给出一种有效的区域合并方法来优化分割结果。实验证明，采用此分割方法可以获得较好的分割结果。     

Snake与多尺度分析的医学图像分割研究

为提高分割精度,提出Snake与多尺度分析相结合的医学图像分割方法。根据先验知识给定图像一个初始的粗略轮廓,然后对图像进行多尺度增强,在不同的尺度下应用Snake算法进行轮廓提取,相当于在曲线的收敛过程中进行了修正,从而使得轮廓在不同的尺度中逐渐优化,分离出精确的轮廓。实验结果表明,该方法是有效的,对医学图像分割的精度优于传统的Snake模型。     

基于视觉特征的多传感器图像配准

多传感器图像配准在空间图像处理中有非常重要的应用价值,但同时也面临着多源空间数据各异性困难。考虑到图像配准过程中的多分辨率视觉特征,采用基于小波的多分辨率图像分解来指导从粗到细的配准过程,利用扩展的轮廓跟踪算法提取满足视觉特征的轮廓,在轮廓链码曲率函数的基础上实现基于傅里叶变换的多分辨率形状特征匹配。与已有的基于特征的图像配准算法进行实验比较,实验结果表明该方法对于从多传感器得到的异质图像具有良好的配准效果。     

具有SIFT描述的多尺度角点图像配准

角点含有丰富的图像结构信息,在图像配准中是广泛应用的图像特征。Harris算法是经典的角点提取算法,Harris角点对图像旋转具有不变性,但对尺度变化敏感,在有尺度变化的图像配准中,应用受限。仿照SIFT特征点提取过程,提出了一种多尺度角点提取方法,提取的多尺度角点对图像旋转和尺度变化有很好的适用性。并用SIFT描述子描述,用光学及SAR图像进行了配准实验。结果表明,与SIFT、Harris算法相比,本文方法在保证配准精度的基础上,配准时间减少40%以上,特征点在配准过程中的利用率提高一倍多。     

基于改进SIFT的SAR图像配准方法

针对尺度不变特征变换(SIFT)配准方法在处理SAR图像时精度不高的问题,提出一种基于改进SIFT的精确配准方法。在提取关键点SIFT描述子及其邻域多尺度自卷积矩不变特征的基础上,利用基于典型相关分析的融合算法对SIFT与矩不变特征进行融合,形成新的关键点描述子,使用阈值实现粗匹配,并结合关键点的距离与邻域灰度相关性构建相似矩阵,采用奇异值分解方法精确确定匹配点对,求出仿射变换模型参数,从而完成图像配准。实验结果表明,该方法的配准结果优于SIFT方法,且配准精度达到亚像素级。     

多时相星载SAR图像精配准技术研究

介绍了一种多时相星载SAR精配准的技术方法，首先根据人工粗配准解决图像的旋转和尺度不一致，然后采用特征点提取算子和图像匹配的方法检测两时相SAR图像上的同名特征点，根据特征点构建不规则三角网最终实现图像的精确配准。通过多对星载SAR图像进行了精配准处理，采用定性和定量检验，表明该方法能达到很高的配准效果，配准精度优于一个像素。

