基于图非负矩阵分解的图像配准

本文提出一种新的利用图的谱对应绝对值特征向量的非负矩阵分解图像配准方法.首先利用图像特征构造了无向权图的非负权矩阵,通过非负矩阵分解得到了包含原始图像全部特征的特征基图像;然后将非负权矩阵谱对应绝对值特征向量作为非负矩阵分解的初始值进行迭代,既能反映图的结构特征信息,又能提高图像的匹配率;最后在特征基向量空间找到了两图...     

基于图像迹的快速配准算法研究

针对基于灰度的图像配准速度较慢的弊端,给出了"图像迹"的定义,通过计算图像的迹差,求累积误差的最小值进行图像配准.通过实验验证,这种方法在保持高的配准概率的前提下,大大地提高了配准速率,降低了算法复杂度,不仅抗噪能力强,而且仅仅只有和差运算,也易于硬件实现.     

一种基于投影和多分辨谱分解的图像配准方法

本文结合积分投影与多分辨谱分解技术,提出了一种实时图像亚像素配准算法。该算法首先引入积分投影方法将图像序列中的每帧图像转换成两个一维积分投影向量,再应用多分辨谱分解方法对两个投影向量分别进行处理,从而精确地获取图像在二维空间上的亚像素平移量。实验结果表明,本文算法具有计算量小、精度高、收敛速度快等优点,尤其适合于硬件实时实现。     

图像配准方法研究

图像配准是图像处理的基本任务之一,常常是作为图像处理应用的前期处理步骤使用,用于将不同时间、不同传感器、不同视角下获取的两幅或多幅图像进行匹配。本文在对图像配准的几种变换介绍的基础上总结了现有的几种配准方法,并分别分析了其存在的优缺点,在文章结尾对图像配准的发展趋势做了展望。     

图像配准的统计数值分析

从图像的灰度信息出发,对联合概率分布进行计算分析,通过最大化联合概率分布在二维平面上的聚集度来完成图像的配准过程,并就图像在完全配准、不完全配准、相互独立的情况下其灰度值的联合概率分布进行了数值统计分析.文中以长波红外图像、中波红外图像、短波红外图像为例进行了仿真.分别对5种配准情况的不同配准测度进行了数值和图表分析对比,分析了不同配准测度之间的评价一致性问题.     

基于小波分析的可见光图像自动配准方法研究

研究了一种快速,准确,抗噪的可见光图像自动配方法。首先用小波分析技术提取两幅图像的特征点,然后对两幅图像之间的角度差进行补偿,最后用多层特征点匹配技术完成两幅图像的变换参数的估计,对一定研究领域的可见光图像自动配准的仿真实验表明;该方法可以比较快速,准确,自动地得到这些图像之间的配参数。且对噪声具有一定的适应能力。     

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.     

多源图像配准技术分析与展望

在给出多源图像配准的定义后,将常见的图像配准方法分为基于图像灰度的方法和基于图像特征的方法两大类。以此为分类基础,对国内外现有的图像配准技术和方法进行了分析和评述,并重点介绍了基于图像特征的配准方法。随后对图像配准技术所面临的主要难题作了分析。最后介绍了图像配准在军事、遥感、医学等领域的应用,并展望了其未来的发展。     

基于投票策略的图像配准算法

针对二维刚体图像配准,本文提出了一种由粗到细的图像配准方法.该方法首先由多尺度Harris角点检测算法提取出参考图像和目标图像的特征角点,采用基于投票策略的特征点匹配算法进行初步配准,有效地减少假点和不稳定点,然后对变换矩阵参数进行初估计,采用基于窗的精细算法对变换矩阵参数进行精估计,并得到最终的变换矩阵.实验结果表明,该算法具有高精度,对噪声鲁棒和低计算量的特点.     

基于三角形几何相似性的图像配准与拼接

介绍了一种基于三角形几何相似性的图像配准方法.提取两幅待拼接图像的特征点,将每幅图像各自的重叠区域内或图像内容复杂情况下的选定区域内的特征点任意组合为三角形,得到分别对应于每一幅图像的三角形集合.然后根据定义的新的三角形表示方法,包括最大角方向和最小角方向,在两组三角形集合内层层筛选任意组合的三角形对,最终找到其中的匹配三角形对,即相似三角形对,从而找到匹配的点对.最后计算图像间变换矩阵,对图像进行拼接,得到了一张具有更宽视野的无缝拼接图.该方法只与特征点间相互几何位置有关,所以对两幅图像间的灰度差异、任意的旋转、缩放等都表现了很强的鲁棒性.     

基于小波域局部统计模型的图像去噪方法

提出了一种基于小波域局部统计模型图像去噪方法.该方法利用图像小波子带的方向性特点以及小波系数尺度内和尺度间的相关性:将小波系数尺度内的相关性建模为一种各向异性马尔可夫随机场(Markov Random Field,MRF)先验概率模型,将小波系数尺度间的相关性建模为局部奇异性的条件概率模型.通过在贝叶斯框架中采用这种先验概率模型和条件概率模型可以得到一种具有自适应性的贝叶斯萎缩函数.利用这种萎缩函数可以实现对小波系数的修正.实验结果表明利用该方法进行图像去噪能够取得良好的效果,同时可以有效地保留图像的细节.     

基于熵及不变矩特征的图像检索

提出了一种基于熵及不变矩特征的图像检索算法.图像首先被划分为不同分块,结合图像信息熵的概念,提出采用单元熵来描述分块特征,从而将图像转化为由单元熵构成的熵矩阵;在此基础上,利用不变矩来描述该熵矩阵的特征,并在对该特征归一化的基础上用于图像检索.结合不变矩的特性,试验中对算法的尺度不变性、旋转不变性、平移不变性及对噪声的不敏感性进行了验证,试验结果证明了算法的有效性.同时,由于熵的对称特性,算法对于图像灰度的变化也有较强的鲁棒性.     

基于Contourlet变换尺度间相关的图像去噪

Contourlet域数据分析表明,信号的变换域系数在尺度间相关性高,而白噪声则呈弱相关或不相关。通过相关性强弱区分噪声与信号系数,并结合阈值函数,提出了基于Contourlet变换尺度间相关的图像去噪新算法。实验结果表明,新方法去噪后的图像比小波相关去噪算法的PSNR值更高,视觉效果更好,尤其适用于纹理轮廓丰富的图像去噪。     

基于Haar小波的海底地形匹配方法研究

提出了一种基于地形的小波场特征的相关匹配的方法．在小波场的相关匹配技术中，由于小波的垂直分量和水平分量反映了图像的边缘等高频信息，所以分解后的小波特征场相关性小，有比较高的匹配精度；同时，由于数据量压缩，提高了匹配速度，适应于地形匹配的快速实现．     

一种改进多分辨率图像融合算法

提出一种基于局部熵的多分辨图像融合算法。利用小波变换得到待融合图像的多分辨结构,同时得到图像的多分辨局部熵序列。以局部熵为判据,在图像多分辨结构相应各级上进行融合,得到融合图像的多分辨结构,利用小波逆变换重构融合图像。实验结果表明,该图像融合方法在保留TM多光谱图像光谱分辨率的同时,通过融合SPOT全色图像提高了空间分辨率,丰富了图像细节信息。     

基于最大熵原则和灰度变换的图像增强

提出了一种利用最大熵原则和灰度变换进行图像对比度增强的方法.在最大熵原则基础上利用条件迭代算法对图像灰度级进行最佳分类,对各分类区域进行相应的灰度变换,根据不同需要选取变换参数,在图像对比度增强同时各区域均衡性也得到很大改善.将利用条件迭代算法计算最大熵多阈值的方法与最小均方误差(LMSE)计算多阈值的方法进行比较,实验结果表明,文中所用方法在迭代次数上大大低于基于最小均方误差算法所需迭代次数,节省了图像处理时间,图像均衡化效果也相对提高.     

双目视觉中距离约束的小波变换同名点匹配

针对一类特殊小波变换系数不同尺度下的过零点能提供在不同尺度下信号急速变化点的位置信息,提出了一种基于小波变换的多尺度过零点的双目立体视觉模型的同名点匹配方法,该方法采用由粗到细的匹配策略,利用转化的距离信息先匹配大尺度的小波变换系数的过零点,记录其过零点位置信息,然后应用顺序约束,即物体在左右影像点的投影顺序的一致性,匹配小尺度的小波变换系数的过零点,降低了同名点匹配搜索的复杂性,减少了误匹配,解决了同名点准确匹配难、计算量大等问题.采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况.     

双正交冗余小波变换的图像去噪方法

由于正交小波变换的不具备线性相位、不具有平移不变性等特性,导致其在图像去噪领域仍存在很多问题,本文将双正交冗余离散小波变换应用到几种经典小波阈值图像去噪方法中,以克服标准正交小波变换在阈值图像去噪中存在的问题.实验证明该方法的去噪效果明显优于正交小波方法和普通双正交小波变换的去噪效果.     

基于复小波变换与层间模型的图像去噪

很多小波去噪方法认为小波系数是相互独立的,然而大量实验表明实际图像的小波系数之间是有较强的依赖性。在本文中,我们将利用复小波变换的优势以及小波系数之间的依赖性,提出一种新的图像去噪方法。该方法先确定滤波器系数,再对复小波变换系数建模,并根据MAP准则给出系数的收缩方法进行去噪处理,最后作复小波逆变换。同时在变换的系数抽取之前估计系数的方差,可以使方差估计更准确。     

支持向量像素抽样的快速图像匹配方法

提出了一种新的支持向量(SupportVectorMachines,SVM)回归的快速图像匹配方法。该方法将匹配模板图像中每个像素的位置坐标和灰度信息作为训练样本,通过选择合适的模型参数,进行SVM回归训练,获得少量的支持向量。依据SVM位置坐标对模板图像进行像素抽样,实现匹配数据的有效压缩。定义了图像支持特征向量,用少量的特征数据描述整幅图像变化的结构信息,保证了匹配数据的置信度。采用相关系数作为相似性测度,实现互相关匹配。实验结果显示,在一幅100×100的光学图像中提取85个支持特征向量点作为匹配数据,匹配概率可达到100%,匹配速度比传统相关匹配方法快近四倍。