SIFT与形状上下文结合的异源图像匹配算法

针对红外图像和可见光图像灰度差异大、匹配困难的问题,提出了一种基于改进的尺度不变特征变换和形状上下文描述的局部多特征匹配算法。首先通过高斯差分检测算法分别提取两幅图像的特征点;针对特征点梯度方向存在反转现象,结合梯度镜像方法对特征点统计特征点邻域梯度方向信息;然后引入图像边缘特征生成形状上下文描述子,与梯度方向描述子级联成联合描述子;最后采用欧氏距离和卡方距离加权的联合距离和最近邻算法对特征点进行匹配。实验结果证明,在红外图像和可见光图像匹配中,该算法相比原始SIFT算法能有效减少误匹配特征点对,达到较高的匹配精度。     

基于局部保持匹配的改进图像匹配算法

针对传统图像匹配算法存在误匹配率高、匹配耗时长等问题,提出一种基于局部保持匹配(LPM)的改进图像匹配算法.该算法首先对图像进行双边滤波,减少噪声干扰,之后在尺度不变特征变换(SIFT)算法下提取鲁棒特征点,并利用欧氏距离进行粗匹配得到初始匹配集;然后利用LPM算法对初始匹配集中具有相似局部邻域结构的特征点进行保留,剔...     

一种鲁棒的SAR图像匹配方法

针对合成孔径雷达（Synthetic Aperture Radar,SAR）图像匹配中虚假匹配和鲁棒性欠缺的问题,提出了一种鲁棒的SAR图像匹配方法。首先通过正射校正来进行预处理,从而消除SAR图像的旋转;然后利用相关匹配方法初步提取同名点;最后根据同名点的空间位置来筛选同名点并计算仿射矩阵进行匹配,提高了SAR图像匹配的精度和鲁棒性。实验证明了所提方法的有效性。     

拉普拉斯特征耦合方差度量的图像匹配算法

为了解决当前图像匹配算法主要是通过像素点间的距离信息来实现特征匹配,忽略了图像间的方差信息,导致匹配结果中存在较多的错误匹配等不足,本文提出了一种基于拉普拉斯特征制约与方差度量的图像匹配方法。首先,引入Harris算子,对图像特征进行粗提取,并利用像素点的拉普拉斯特征,删除伪特征点,对粗提取的图像特征进行优化,获取更为准确的图像特征。然后,依据图像的梯度特征来计算图像特征的方向信息,以此建立特征点的邻域,通过求取该范围内的Haar小波值,从而得到特征向量。采用区域方差模型对图像的方差信息实施度量,并联合特征点的欧氏距离,对特征点进行更为准确的匹配。最后,采用随机样本一致性(RANSAC)机制对特征匹配结果实施优化,剔除其中的错误匹配,从而完成图像匹配。实验结果显示：较当前较为先进的匹配算法而言,在旋转、缩放等几何变换干扰下,所提算法具备更高的匹配准确率,维持在90%以上。     

BM3D算法在海洋SAR图像去噪中的应用

相干斑噪声一直是困扰SAR图像处理的重要问题,噪声往往将有用信号完全掩盖。由于海洋图像邻域相似性高,将三维块匹配(BM3D)算法应用于海洋SAR图像相干斑噪声的滤除中,能够得到较好的去噪效果。该算法是基于变换域方法和非局部思想发展而来的,通过相似图像块匹配分组生成三维矩阵,然后在三维变换域去噪,最后逆变换还原图像。通过对BM3D算法的深入研究,发现该算法去噪性能与其参数密切相关。针对海洋SAR图像,通过大量实验,总结BM3D参数选择原则,优化了算法的去噪性能。     

基于拓扑结构的图像拼接算法

针对加速稳健特征(SURF)算法匹配特征点对较多,造成拼接精度低、计算量大的缺点,结合网络拓扑学理论提出了一种剔除误匹配的SURF改进拼接算法.算法定义并采用连通矩阵得到特征点的拓扑结构,将两幅图像的连通矩阵做异或运算得到判断矩阵,多次迭代剔除特征点集合中错误匹配点和匹配度较低的点,得到拓扑结构完全相同的特征点集合,有效减少了匹配特征点对的数量,提高了特征点对的匹配正确率.根据最终的特征点集合计算变换矩阵完成两幅图像的拼接处理.对比实验结果表明,针对同一组图像进行拼接处理,所提算法的特征点匹配正确率较SURF算法提高了28.28%以上;对于小分辨率图像拼接,耗时基本保持一致;对于大分辨率图像拼接,所提算法耗时大大减少.     

基于局部二进制模式和图变换的快速匹配算法

针对图像匹配在图像拼接、目标识别等领域的应用中尺度不变特征变换（Scale Invariant Feature Transform,SIFT）算法计算复杂度高、实时性较差的问题,提出了一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换（Graph Transformation Matching,GTM）的匹配算法.首先采用SIFT特征检测提取特征点并以特征点为中心取13×13的图像块作为特征区域;然后用本文提出的局部旋转不变二进制模式（Local Rotation Invariant Binary Patterns,LRIBP）描述子对特征区域进行描述产生29维的特征描述向量,降低了描述子的复杂度,并以欧氏距离为度量准则进行初始匹配;最后采用图变换匹配算法剔除误匹配点,从而提高算法的运算速率和匹配精度.仿真结果表明,本文所提算法不仅具有较高的精度和较强的鲁棒性,并且减少了算法的运算量,提高了算法的实时性.     

一种多视角自适应的模板匹配目标检测方法

基于灰度的模板匹配方法难以解决航空图像多视角变换问题,而基于特征点的模板匹配方法难以解决低分辨率小目标模板图像匹配不稳定的问题。为此,提出了一种基于变换矩阵空间优化搜索的模板匹配方法。首先将多视角下的投影变换空间进行离散化建模,利用归一化灰度的模板与实时图像,以投影后模板图像与实时图像之间的绝对误差和（SAD）建立优化模型;然后通过优化搜索算法寻找到模板图像与实时图像之间的最优变换矩阵,检测出实时图像中的包含的模板目标;最后针对搜索的时间复杂度较高问题设计了基于分支界限法的加速算法。利用公开数据集和实际图像进行仿真实验,结果表明所提的模板匹配方法相比传统特征匹配方法对于高斯噪声、高斯模糊和图像有损压缩等图像退化具有更好的适应性,在大视角差异和低分辨率条件下具有更低的投影误差和更高的稳定性,并解决了单模板多目标的匹配检测问题。     

基于改进AKAZE算法的快速图像配准方法

针对无人机影像匹配容易出现匹配速率低、鲁棒性差的问题，提出一种改进AKAZE(accelerate-KAZE)算法的快速图像匹配方法。首先，在特征提取阶段，使用AKAZE算法对非线性尺度空间进行构建，采用fast retina keypoint(FREAK)描述符对特征点进行有效描述；之后，利用基于网格的运动估计（GMS）方法对所获得特征点进行预匹配，并进行鲁棒性优良的区分；最后，在随机抽样一致性（RANSAC）算法的基础上对匹配结果进行进一步筛选。为了验证所提方法的有效性，使用Oxford标准图像数据集和RSSCN7遥感图像数据集进行实验，对所提方法与改进AKAZE、ORB、KAZE、SIFT+FREAK算法进行对比，确保所提方法在保持较高准确率的同时能够实现快速的图像配准。在图像光照变化、模糊变换及压缩变换下，所提方法能够保持较好的鲁棒性，可以满足无人机影像实时匹配的需求。     

二维匹配滤波实现多角度SAR成像

 多角度SAR图像能够更全面描述目标不同角度下的特征信息,对目标识别具有重要意义.实现多角度SAR成像需要解决两个问题,一是在多角度测量模式下,传统成像算法的远场条件不能满足,成像散焦严重;二是空间采样不连续使得基于傅里叶变换的成像算法产生很高的旁瓣.本文利用二维匹配滤波函数的聚焦功能实现多角度SAR成像.通过调整成像参考点位置构造二维匹配函数,然后将测量数据用匹配函数进行滤波.与传统SAR成像算法相比,本文提出的多角度SAR成像算法突破了空间采样必须均匀和连续的束缚,更具有普适性.实验结果表明本文算法不仅能够实现多角度SAR成像,提高成像分辨率,而且多角度SAR图像能够描述目标散射特征的空间变化.     

一种用于组合导航的SAR图像快速匹配算法

提出了基于合成孔径雷达(SAR)图像匹配技术的惯性导航系统(INS)/SAR组合导航方法。首先将计算机视觉领域的快速鲁棒性特征(SURF)算子用于对SAR图像的局部特征描述,然后对兴趣点建立快速索引,并用阈值为0.6的最近邻法则进行快速的初匹配,最后使用随机抽样一致(RSC)进一步去除错误的匹配点对。实验中,用2组真实的SAR数据对算法进行仿真并与尺度不变特征变换(SIFT)算子进行比较,结果显示,两者的鲁棒性相差很小,但在匹配时间上本文算法明显优于SIFT算子,本文算法更适用于组合导航的SAR图像匹配。     

基于邻域一致性的极化SAR图像仿射配准

极化SAR图像的配准是极化SAR图像处理的基础,需要具备较高的精度与速度.基于深度学习的极化SAR图像配准大多数是结合图像块特征的匹配与基于随机抽样一致性的参数迭代估计来实现的.目前尚未实现端到端的基于深度卷积神经网络的一步仿射配准.该文提出了一种基于弱监督学习的端到端极化SAR图像配准框架,无需图像切块处理或迭代参数...     

A hybrid feature extraction method for SAR image registration

Extracting and matching correct correspondence between two images are significant stages for feature-based synthetic aperture radar (SAR) image registration. Two methods of feature extraction were employed in this study. Blob features were obtained by combining a Gaussian-guided filter (GGF) with a scale invariant feature transform, and corner features were obtained from the GGF. A GGF can store edge information and operate more effectively than a Gaussian filter. The ratio of average was used to compute gradients in order to reduce the speckle effect. Fast sample consensus (FSC) algorithm was combined with complete graph method for feature correspondence matching. Although FSC algorithm can extract valid correspondence, it may not be efficient enough to deal with SAR images due to its random nature and the large number of outliers in the data. Therefore, a graph-based algorithm was employed to solve the problem by eliminating outliers. The proposed hybrid method was tested on several real SAR images having different properties. The results showed that the proposed method performed the automated registration of SAR images more accurately and efficiently.     

基于多尺度多方向Gabor模板的光学/SAR景象匹配

合成孔径雷达(SAR)成像制导通常采用光学基准图和SAR实时图进行特征提取和景象匹配.提出了一种光学/SAR异类影像匹配方法,利用多尺度多方向Gabor模板提取图像的Gabor特征后进行特征匹配,首先对SAR图像进行方向Frost滤波预处理,然后分别计算光学图像和SAR图像的高斯梯度图像,再利用多尺度多方向二维Gabor滤波器模板分别对两幅高斯梯度图像进行特征提取,最后对两组特征矩阵进行归一化互相关匹配.该方法直接利用光学图像和SAR实时图进行景象匹配,实验表明,该异类影像匹配方法较其他传统方法具有较高的鲁棒性和准确性.     

基于模糊贴近度和非紧凑邻域的变化检测

提出一种新的模糊贴近度差异图,并基于主动轮廓模型完成了两时相SAR图像水灾变化检测。所提方法克服了上下文不敏感方法假设的类统计分布模型与实际的两者之间的拟合度对变化检测性能的影响,突破了上下文敏感方法只参考固定形状和大小的紧凑邻域内信息的限制,利用无固定形状和大小的非紧凑邻域内信息,提高了变化检测性能并改善了视觉效果。两组实测SAR图像数据集的变化检测实验结果均表明,所提方法的变化检测性能优于其他相关方法的。     

Content-based image retrieval using a fusion of global and local features

Color, texture, and shape act as important information for images in human recognition. For content-based image retrieval, many studies have combined color, texture, and shape features to improve the retrieval performance. However, there have not been many powerful methods for combining all color, texture, and shape features. This study proposes a content-based image retrieval method that uses the combined local and global features of color, texture, and shape. The color features are extracted from the color autocorrelogram; the texture features are extracted from the magnitude of a complete local binary pattern and the Gabor local correlation revealing local image characteristics; and the shape features are extracted from singular value decomposition that reflects global image characteristics. In this work, an experiment is performed to compare the proposed method with those that use our partial features and some existing techniques. The results show an average precision that is 19.60% higher than those of existing methods and 9.09% higher than those of recent ones. In conclusion, our proposed method is superior over other methods in terms of retrieval performance.     

Synthetic aperture radar image segmentation by a detail preservingMarkov random field approach

A multichannel image segmentation method is imposed that utilizes Markov random fields (MRFs) with adaptive neighborhood (AN) systems. Bayesian inference is applied to realize the combination of evidence from different knowledge sources. In such a way, optimization of the shape of a neighborhood system is achieved by following a criterion that makes use of the Markovian property exploiting the local image content. The MRF segmentation approach with AN systems (MRF-AN) makes it possible to better preserve small features and border areas. The purpose of the paper is to show the usefulness of the concept of MRF-AN for SAR image segmentation     

图像分块匹配的SAR目标识别方法

提出基于分块匹配的合成孔径雷达（Synthetic Aperture Radar,SAR）目标识别方法。对待识别SAR图像进行4分块处理,每个分块描述目标的局部区域。对于每个分块,基于单演信号构造特征矢量,描述其时频分布以及局部细节信息。单演信号从幅度、相位以及局部方位3个层次对图像进行分解,可有效描述图像的局部变化情况,对于扩展操作条件下的目标变化分析具有重要的参考意义。对于构造得到的4个特征矢量,分别采用稀疏表示分类（Sparse Representation-based Classification,SRC）分别进行分类,获得相应的重构误差矢量。在此基础上,按照线性加权融合的基本思想,通过构造随机权值矩阵进行分析。对于不同权值矢量下获得的结果,经统计分析构造有效的决策变量,通过比较不同训练类别的结果,判定测试样本的类别。所提方法在特征提取和分类决策过程中充分考虑SAR图像获取条件的不确定,通过统计分析获得最优决策结果。实验在MSTAR数据集上设置和开展,包含了1类标准操作条件和3类扩展操作条件。通过与现有几类方法对比,有效证明了所提方法的有效性。     

基于非下采样Contourlet变换的SAR图像增强

该文基于非下采样Contourlet变换(NSCT)和SAR图像的统计特性,提出一种SAR图像增强方法,给出一种基于非下采样塔型分解的斑点噪声方差估计算法和一种基于方向邻域模型的弱边缘增强算法。该文在不同方向子代进行斑点方差估计,利用局部方向统计信息对NSCT系数并进行强边缘、弱边缘和噪声分类并进行弱边缘的增强和噪声的抑制。实验结果表明,该方法在方向信息保留和斑点抑制上优于非下采样小波变换(NSWT)相应方法。