基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

KAZE算法在图像检索中的应用

给出一种KAZE算法与视觉词典库模型相结合的图像检索算法。利用KAZE算法提取特征点,构造特征描述子,进行预匹配;采用随机抽样一致性算法剔除误匹配点和错误点;通过K均值聚类算法对特征描述子进行聚类,建立视觉词典库模型。将图像特征描述子映射到视觉词典库模型,得到检索结果。实验结果表明,该算法可以检索相同或相似图像,图像检索的平均查准率为55%。     

基于HSV和CLAHE的复制粘贴篡改检测算法

针对现有的局部特征提取算法,如尺度不变特征变换、加速稳健特征等对面积较小的篡改区域和平滑区域无法准确提取特征点进行复制粘贴篡改检测的问题,提出了一种基于色调、饱和度、明度（HSV）颜色空间和限制对比度自适应直方图均衡化（CLAHE）的2阶段篡改检测方法.第1阶段,将待检测图像从红、绿、蓝颜色空间转换到（HSV）颜色空间进行加速稳健特征提取;第2阶段,针对平滑区域的篡改,通过CLAHE算法对图像进行特征增强之后,再采用加速稳健特征进行特征提取;然后利用广义2近邻算法进行特征匹配,并利用随机抽样一致性算法剔除错误的匹配点;最后通过形态学操作实现篡改区域的标示定位.实验结果表明,该算法能抵抗小面积区域和具有非显著视觉特征的平滑区域复制粘贴篡改,并对旋转、缩放等后处理攻击具有一定的鲁棒性.     

基于改进SURF和RANSAC算法的室内环境图像匹配

针对移动机器人在室内环境下定位及地图创建要求,比较SURF特征算法以及随机抽样一致性(RANSAC)算法各自优势,设计实现以改进SURF及RANSAC相结合的室内图像匹配方法.初始阶段,采用SURF算法提取图像特征,利用双向K最近邻分类法筛选提取到的特征点进行特征预匹配;再利用RANSAC算法对预匹配结果进行优化,剔除误匹配对,完成对图像的匹配矫正;最终得到准确的匹配图像.实验结果表明,此方法提高了匹配的正确率,也缩短了匹配时间,提高了匹配效率.     

鲁棒的掌纹图像特征提取方法

提出了一种基于低分辨率彩色图像的鲁棒的掌纹图像特征提取方法.采用均值平移算法对彩色图像帧中像素进行聚类,应用Ostu二值化方法分割出手掌,并提取出有效掌纹区域.采用KLT角点检测算法提取出有效掌纹区域内的特征点,给每个特征点赋予方向,并根据局部区域特征构造方向不变的特征向量,所有特征点及其特征向量的集合构成了掌纹图像特征.在识别时只须在两个特征点集之间查找匹配对应,并通过随机采样一致性检验最大一致集中内点个数是否大于自适应域值来确定两个手掌是否匹配.利用该算法对网络摄像头采集的手掌样本进行了实验测试,获得了较高的识别精度与性能.该算法对手掌的距离、方向、姿势没有特殊要求,是一种鲁棒高效的掌纹图像特征提取方法.     

多目立体视觉三维重建系统的设计

针对工业产品质量检测过程中产品三维表面的重建问题,提出一种基于多目立体视觉三维重建方法.设计了一套由八个直线分布的工业相机构成的三维重建系统方案.首先通过图像采集模块,在八个不同方向对目标物体进行图像采集.其次对采集到的图像进行预处理,其中包括图像背景抑制和目标物体分割.然后通过相机标定模块,对八个相机进行标定,获得它们的内外参数,并结合Harris角点检测及高斯差分检测算法对预处理后的图像实现特征点提取.在此结果上,再利用三角形法对提取到的特征点进行匹配和校正.最后采用泊松表面重建方法准确地获取和优化角点,并找到角点特征的匹配点,从而对物体进行三维表面的精确重建.实验结果表明,设计的系统能够重建出静止物体的局部三维表面,重建结果中的物体表面完整,结构清晰,表面上的字符重建完整,能够很好地进行识别.     

复杂环境异源高分辨率光学卫星影像匹配算法

针对复杂环境异源高分辨率光学影像匹配成功率低的问题,提出了一种基于窗口约束的特征点匹配方法.借助于异源影像近似核线对和同名直线,对特征点建立几何约束窗口,利用该窗口限定同名点搜索范围,通过特征点主方向的约束和特征欧氏距离提取初始匹配点,并基于局部随机抽样一致性(RANSAC)算法剔除误匹配点,最终利用同名点对影像进行纠正,实现异源高分辨率卫星遥感的自动匹配.结果表明:与传统的尺度不变特征变换算法(SIFT)相比,窗口约束匹配方法提取了更多的同名点,为复杂环境异源高分辨率光学遥感影像数据的高精度自动匹配提供了一种可行的方法.     

基于特征的显微图像全自动拼接

为了解决高倍镜下显微镜视野减小,无法完全捕获目标的问题,需要设计快速高效的方法对一系列显微图像进行拼接.在照片全景图重建的研究基础上,提出了一种基于特征的全自动显微图像拼接算法.该算法利用尺度不变特征变换（SIFT）提取图像中的特征,将获得的全部特征构建全局kd-Tree,使用优化的最优节点优先（BBF）算法搜索潜在的匹配图像对.采用随机抽样一致性算法（RANSAC）对找到的匹配图像对进行检验.根据最小生成树（MST）算法获得图像序列的连通分量,得到图像对之间的变换矩阵并将图像映射到拼接平面.对一系列显微图像的实验结果表明,该方法对图像中的背景噪声和亮度差异都有较好的鲁棒性,对相互之间只有少量重叠区域的图像序列也能获得可靠和精确的结果.     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

基于立体视觉的月球车运动估计算法

为了满足月球车自主导航的需要,提出了一种仅仅依靠月球车视觉系统提供的图像序列实现月球车六自由度运动状态估算的定位方法。对尺度不变特征转换点(Scale invariantfeature transform,SIFT)特征点跟踪匹配方法和运动参数估计方法进行了研究。在特征跟踪匹配时,引入了两个新的匹配约束条件以准确建立月球车运动前后环境特征点的对应关系。根据获得的特征点对应关系求解月球车的运动参数时,提出了一种鲁棒的估计方法,即首先用随机抽样一致性(Random sampling consensus,RANSCN)结合单位四元数方法剔除数据中的误匹配点,并求出车体运动参数的预估值,然后以此预估值并利用Levenberg-Marquardt非线性优化算法对运动参数进行精确求解。最后,通过模拟场地试验验证了该运动参数估计算法的有效性。     

动态场景下基于视差空间的立体视觉里程计

针对实际的复杂动态场景,提出了一种基于视差空间的立体视觉里程计方法.利用SIFT特征点的尺度和旋转不变性及一些合理的约束条件,实现左、右图像对和连续帧间的特征点匹配和跟踪.通过结合了RANSAC的最小二乘估计滤除运动物体上的干扰特征点,得到较为准确的运动参数的初始值,在视差空间中推导出视觉里程估计的数学模型,通过最小化误差函数得到最终运动估计.实验结果表明,该算法在室内外存在运动物体的复杂动态场景中都具有较传统方法更高的精度.     

检测红外弱小目标的对比滤波时域廓线算法简

The detection performance of the traditional temporal profile algorithm deteriolates when the dim small target has a velocity correspmding to equivalent that of cloud edge clutters. This paper proposes a temporal profile algorithm based on comparison filtering as a responding method to the fake-alarm occurrence existing in the traditional detection algorithm. Based on the analysis of the time domain characteristics of the dim small target, cloud edge clutters as well as the stationary background, the characteristic of the temporal profile is adopted to restrain the stationary background, and then the spatial domain comparison filter is structured based on the fact that the pixels of the cloud edge clutters are continuous in spatial domain while the pixels of the dim small target are discrete, and the images after removal of the static background are filtered by the comparison filter; lastly, the connecting line of the stagnation points (CLSP) based filtering is used to realize the detection of the dim small target. Simulation data show that this algorithm can significantly eliminate the fake-alarm caused by the cloud edge clutters with an equivalent velocity of the target, thus further improving the detection probability of the dim small target.     

掌纹轮廓特征点提取新方法

基于Harris角点检测方法的基本原理,提出了一种轮廓特征点提取的新方法。为了满足提取掌纹轮廓特征点的要求,根据掌纹中所要提取的轮廓特征点所在区域的生理特征(凸凹形区域),对Harris角点检测方法进行了改进,对算法进行了推导和讨论,并进行了实验研究。实验结果表明,用该方法提取的掌纹轮廓特征点能够方便地对掌纹进行定位,为实现掌纹自动识别算法打下了基础。     

基于最小二乘法的改进的随机椭圆检测算法

为了提高数字图像中椭圆检测的效率和准确性,提出了一个基于最小二乘法的改进的随机椭圆检测算法.该算法随机选取图像中的3个边缘点,在以这3个点为中心的窗口内,从边缘点中拟合出可能椭圆,并通过随机选取的第4个边缘点来确认可能椭圆.利用直接最小二乘法椭圆拟合的特性,引入可能椭圆边缘点收集和椭圆重新拟合的迭代过程来提取最终的椭圆参数.通过对含有不同噪声的仿真图片和包括残缺椭圆的实际图片的实验表明,新算法的改进是有效的.与原算法相比,新算法降低了对参数的依赖性,提高了检测的速度、稳定性和准确性,同时保留了原算法的抗噪声能力.     

粗糙模糊模型及其在入侵检测中的应用

研究了基于粗糙集理论建立粗糙模糊模型的方法,并使用该模型对入侵检测中的数据进行约简,得到反映正常行为特征轮廓的决策规则。同时给出了相应建立模型的步骤与约简算法。实验结果表明：该方法能有效地用于入侵检测。     

高光谱亚像元图像仿真与异常检测应用

为满足高光谱异常检测研究所需的大量地物高光谱图像需求,提出利用待观测地物的高光谱特性仿真数据及背景特性数据生成高光谱图像的方法,开展了典型飞机流动与传热模型、红外辐射特性模型、高光谱图像仿真模型研究;以实验测定的飞机反射率为输入开展目标特性计算,结合实际观测的背景起伏图像,在特定遥感器光谱响应特性、遥感器相对定标误差、随机加性噪声等条件下,生成了不同像元丰度、不同信噪比的高光谱图像,并应用经典的RX算法、CEM算法检测了仿真图像的异常像元。研究结果表明:建立的模型可以根据遥感器的性能指标参数、目标丰度要求生成亚像元高光谱仿真图像。图像可以反映目标飞机像元丰度、信噪比对检测结果的影响,通过调节输入参数可以高效建立针对亚像元异常检测的高光谱仿真图像;应用仿真图像进行RX算法检测高光谱仿真图像时,噪声会对检测结果产生较大影响,当信噪比低至10 dB时,RX算法难以检测出丰度0.4以下的异常像元,采用光谱匹配检测的CEM算法可以在较低像元丰度和信噪比下检测异常,提高检测概率。     

基于MAP和RF的无监督SAR图像变化检测

基于形态学属性断面(MAP)和随机森林(RF)分类器,提出了无监督合成孔径雷达(SAR)图像变化检测方法.首先,利用MAP算法提取差异图像的几何结构特征,构造深入描述图像结构化信息的特征向量空间;然后,在结合阈值法和偏移因子自动选取训练样本的基础上,用RF分类器在多维特征空间中对图像进行变化与否的判别;最后,利用数学形态学方法对虚警进行滤除.实验结果表明,与传统的基于阈值的变化检测方法相比,该方法不仅能很好地检测出变化区域,而且具有更高的检测精度.     

混合采样与遗传算法相结合的垃圾网页检测

垃圾网页检测存在数据不平衡、特征空间维度较高的问题,为此,提出一种基于随机混合采样和遗传算法的集成分类算法.首先,使用随机混合采样技术,通过随机抽样,减少多数类样本数量,用少数类样本合成过采样技术方法生成少数类样本,获得多个平衡的训练数据子集;然后使用改进的遗传算法对训练数据集进行降维,得到多个具有最优特征的训练数据子集;使用极端梯度算法（XGBoost）作为分类器,训练多个平衡数据子集,用简单投票法对多个分类器进行集成,得到新的分类器;最后对测试集进行预测,得到最终预测结果.实验结果表明,提出算法的分类结果与XGBoost的结果相比,准确率提高了约19.25%,且减少了建立学习模型的时间,提高了分类性能,是一种较好的分类算法.