多传感器图像的二次匹配算法

针对光学图像的多光谱、多传感器图像的自动配准,提出了一种基于边缘重心的多传感器图像二次匹配算法.首先,通过边缘检测和相应的后期链接处理,提取出较为完整的图像边缘;然后,根据图像边缘的链码相关以及区域不变矩策略,寻找匹配边缘,并对已匹配边缘的重心进行一致性检验获得控制点对;最后,采用最小二乘法估计图像粗匹配变换参数.在粗匹配的基础上,根据匹配后图像共有区域内边缘的主要方向和重心,再次对图像进行细匹配,修正匹配参数以提高匹配精度.多种遥感图像数据的配准实验和对比试验证实了该自动算法具有较高的可靠性和配准精度.     

透视变换模型的Harris图像配准

针对图像末制导系统的图像配准问题,提出了一种透视变换模型下基于增强旋转不变性Harris算法的快速图像配准方法.首先,将Harris算法进行了旋转不变性的增强,利用增强后的Harris算法提取摄像系统中每帧图像的角点,采用基于归一化互相关(Normalized Cross Correlation,NCC)匹配算法进行角点的粗匹配;然后,利用随机抽样一致(Random Samples Consensus,RANSAC)算法对粗匹配的角点进行迭代筛选,剔除错误的匹配点,并将保留下来的精确匹配角点带入透视变换模型,计算出稳定的可反映图像平移、旋转和尺度变换信息的透视变换矩阵;最后,利用得到的变换矩阵对图像进行配准.实验表明,该方法对平移、旋转、尺度变化、视角变化以及光照变化和模糊变化均具有良好的不变性,可以快速高效地实现高精度的图像配准.     

结合小波模极大值和改进Hausdorff距离的电路板红外图像配准

电路板红外图像具有背景区域灰度单调、元器件发热区域轮廓模糊、噪声高、对比度低等特点,对配准精度和稳定性有很大影响。针对这些特征,提出了结合小波模极大值和改进Hausdorff距离的红外图像配准方法。首先用小波模极大值的算法提取边缘曲线;然后对传统Hausdorff距离进行改进,边缘曲线分段,并建立匹配基本单元;其次对基本单元粗匹配,压缩搜索空间,再进行精匹配,找出最优变换。最后采用Matlab进行仿真,实现图像精确配准。对比实验结果表明:该方法明显提高了配准精度,显著改善了配准稳定性。     

基于小波变换和对齐度准则的图像配准方法

图像配准是多传感器图像融合研究中的一项关键技术.由于基于特征的图像配准方法存在特征提取的多样性,对提取图像特征的鲁棒性和精确性都有很高的要求.文中在适用性很强的对齐度准则的基础上,提出了基于小波变换和对齐度准则相结合的图像配准方法.首先,分别利用小波变换模极大值和小波多尺度积提取出图像的边缘及特征点,再利用对齐度准则计算所有特征点对之间的对齐度,从而得到匹配点对.实验结果表明,该方法具有较强的适用性、抗噪性,精确性和有效性.     

利用特征点配准和变换参数自动辨识的图像拼接算法

提出了一种不同尺度的图像配准与自适应拼接算法.通过特征点匹配与图像间变换几何参数的自动辨识,实现了不同尺度和旋转图像间的匹配和拼舍.利用尺度不变特征点提取算法(SIFT)提取出待拼接图像的特征点,根据互信息量最大原则实现特征点的匹配,然后通过得到的匹配对的几何信息自动辨识出两幅图像之间的变换参数关系,得到反映图像平移、...     

基于边缘正则化小波描述的多传感器图像自动配准研究

本文提出了一种新的基于边缘的多传感器图像的自动配准方法,在本方法中,首先提出了一种基于正则化小波描述子的边缘描述方法,这种正则化小波描述子具有平移、旋转、尺度不变性;其次,在边缘匹配算法上,根据最小距离分类器原则提出了边缘匹配判据,并提出了一种基于小波系数域的快速边缘匹配算法,且进行算法复杂性分析;最后,从匹配成功的边缘中抽取匹配控制点并采用一致性检验方法来去除错误匹配点。讨论了图像变换模型与基于最小均方根误差准则的图像变换参数估计。该算法匹配精度高、运算速度快。实验结果验证了这种方法的有效性与实用性。     

动目标红外图像配准算法研究

论述了基于红外图像背景边缘特征的块匹配配准算法。在图像背景中,利用灰度变化和边缘特征,并根据红外目标的亮度特征避开有目标的区域,搜索合适的图像块;在块匹配时,将图像块进一步细分,改进了相似度测量算法的准确性.实验证明,整个配准算法简单实用,准确有效。     

基于多尺度红外与可见光图像配准研究

利用尺度空间理论对多分辨率的红外与可见光图像配准算法进行研究,提出利用红外与可见光图像的多尺度特征点及边缘作为配准的特征,利用特征尺度确定用于相似度匹配的子图像大小,使用LTS-Hausdorff(least trimmed square Hausdorff)距离判断子图像的相似性。利用尺度空间理论及多尺度下图像的特征能更加全面的对图像进行描述。在利用多尺度特征获取到匹配对后,再利用随机一致性检测对匹配对进行提纯并获取空间变换的参数,然后使用该参数对红外与可见光图像进行配准与融合。实验结果表明,基于多尺度的图像配准方法,能有效对红外与可见光图像进行配准。     

一种用于红外与微光图像配准的改进型SURF算法

针对红外与微光图像配准的特殊性, 为了减少配准计算量,提出了一种从主方向确定和特征点描述 两方面加以改进的加速鲁棒特征(Speeded Up Robust Feature, SURF)配 准算法。首先检测微光图像和红外图 像的边缘,然后用改进型SURF算法提取两种图像边缘上的特征 点,并采用最近邻距离法对原始特征点进行筛选。在得到较高精 度的特征点后进行粗匹配。接着用随机抽样一致 性(RANdom SAmple Consensus, RANSAC)算法对一次筛选后的 特征点进行精匹配。最后利用精确的特征点建立变换模型,并 将重采样后的待配准图像与参考图像实现配准。实验结果表明, 该算法不仅可以解决红外与微光图像的配准问题,而且在匹配精度和 算法运算时间等方面的表现均优于原始SURF算法。     

基于改进Hough变换的印刷电路板定位配准

电路板自动光学检测中常通过检测电路板的边缘直线来确定其旋转角度和平移量从而完成定位配准,存在运算量大、精度不高的问题.对传统Hough变换检测直线方法进行改进,从图像金字塔、约束投票角度、约束搜索点的区域3个方面提高Hough变换的效率,并利用最小二乘拟合法提高检测精度.定位配准时,先运用改进的Hough变换求取电路板边缘直线的近似参数;然后在原图上对边缘直线进行拟合求取电路板的精确旋转角度和平移量,完成定位配准.实验表明本文方法能准确完成电路板的定位配准,对大小为1 920×1 080像素的电路板图像,定位时间约为60 ms,定位误差小于1个像素.     

一种基于小波变换的雷达图像边缘提取方法

图像最基本的特征是边缘,边缘特征提取是多传感器信息融合与景象匹配中的重要内容.合成孔径雷达图像通常带有较强的相干斑噪声,用传统的边缘检测算法效果很不理想.本文针对合成孔径雷达自身的特点,利用小波变换的特性,提出一种将小波变换的多尺度分析与模糊加权中值滤波相结合的边缘特征提取方法.实验证明方法有效,边缘定位准确,并对噪声有抑制作用,将提取结果用于匹配,定位精度达到1个象素.     

小波变换在医学图像边缘提取中的应用

边缘是图像的重要特征。医学图像往往较模糊．其边缘特征难以用传统方法检测。小波变换具有良好的局部化特性、多分辨特性．及检测信号局部突变的能力。对图像进行二维小波变换，其梯度模值反映了图像的边缘。介绍一种基于小波变换的图像边缘提取方法。实验证明．与传统边缘检测方法相比，该方法去噪效果好，能提取图像中较弱的边缘，且能使边缘细化。这些特点使得他特别适合于医学图像边缘的提取。     

利用目标直线边缘交点的某型航侦CCD相机图像拼接

针对某型航侦CCD相机图像序列之间的特殊变换关系,提出了一种基于目标直线边缘交点的图像拼接方法。该方法在将相机图像重叠区域分割为较小独立区域的基础上,首先使用Canny边缘检测算子提取各个区域中的边缘信息,并用Hough变换提取边缘中的直线边缘。其次通过提出一种依据直线极坐标参数的区域扩展和选择策略来选择包含完整目标的子图像区域,并提取该区域中目标直线边缘的交点。最终根据提取到的直线边缘交点坐标实现图像配准,且采用双线性插值法融合配准区域,实现了图像的无缝拼接。实际的飞行效果验证了该图像拼接方法的有效性。     

一种基于对称性边缘的多光谱图像配准方法

多光谱成像技术是遥感领域的一项重要技术。多光谱图像配准技术可以提高遥感图像的应用效率和能力。基于边缘结构在多光谱图像中较为稳定这一特性,提出了一种基于对称性边缘的多光谱图像配准方法,该方法主要包含“图像比例调整”、“对称性边缘提取”和“互信息配准”等三个步骤。基于天宫二号宽波段成像仪的遥感数据设计了一种多子图配准方案,验证了所提方法在可见光、短波红外和长波红外三个谱段之间图像配准的有效性。设置对比实验,将所提配准方法与其他多光谱图像配准方法进行比较,结果表明该方法在天宫二号宽波段遥感图像的配准中具有较高的精度。     

基于不可分加性小波与形态学梯度的图像边缘提取方法

针对传统的图像边缘提取方法只强调图像中的水平和垂直边缘的不足,提出了一种基于不可分加性小波和形态学梯度相结合的图像边缘提取方法。根据二维不可分小波理论构造了低通滤波器,利用它对原图像进行加性小波多尺度分解;对低频子图像求形态学梯度,对增强后的高频子图像取模极大值;将所得梯度图与边缘图作加性小波逆变换,得重构后的边缘梯度图;并利用二值形态学方法对其进行处理,得最终结果边缘图。实验结果表明,本文算法可获得较好的边缘图像,与经典的边缘提取方法相比,该方法具有完整性、多方向性、平移不变性和快速性的特点。     

HHT在眼底图像边缘检测中的应用

在眼底图像处理中,边缘检测技术是许多研究领域的重要预处理手段,如眼底图像特征提取和基于图像特征的图像配准方法等等。将希尔波特-黄变换（HHT,Hilbert-Huang Transform）方法应用于眼底图像边缘检测,提出了基于二维经验模式分解的图像边缘检测算法。实验结果表明,利用HHT方法的自适应多分辨特性,可以有效提取出眼底图像的细节信息,又不会检测出过多的虚假边缘。该方法为眼底图像的其它处理方法提供了有效的预处理手段。     

基于边界距离场互信息的图像配准方法

基于图像边界平均Hausdorff距离的配准方法实现简单、速度快、有较大应用价值,但对图像边界不完全对应的情况配准效果不好。提出了一种以图像边界距离场互信息作为相似度函数的图像配准方法,以参考边界的距离场和浮动二值边界为两个离散概率分布,将其互信息作为相似度函数进行配准。实验结果表明,该算法对图像内容完全一致和内容不完全对应的图像均可得到良好的配准结果。     

基于改进Keren配准方法的超分辨率算法

提出一种基于边缘检测和Keren配准方法的自适应归一化卷积超分辨率重建算法。为了进一步提高低分辨率序列图像间的配准精度,该算法将边缘检测与Keren配准算法相结合。首先利用Roberts算子对图像序列进行边缘检测,然后利用基于简化四参数仿射变换模型的Keren改进算法求出边缘图像间的平移和旋转参数。仿真实验结果表明即使在含有噪声及大角度旋转情况下,相比Keren改进算法该算法配准精度得到了显著提高;其中采用Roberts算子相比其他传统算子可获得更高的配准精度。最后采用自适应归一化卷积超分辨率融合算法进行超分辨率重建,真实混叠图像序列的实验表明,基于提出的这种配准方法的超分辨率重建图像获得了很好的视觉效果和更高的分辨能力,具有良好的应用价值。