序列图象中运动点目标实时跟踪算法

本文提出一种用于图象序列中跟踪运动点目标实时跟踪算法，文中的分析了图象序列中点目标运动特征及跟踪搜索窗口启发函数之后，讨论了基于点目标运动特征的具有自敌视砂搜索窗口的点目标这时跟踪算法，对该长法的实验结果表明，此算法可稳定跟踪运动点目标，并满足实时性的要求。     

一种快速实用的特征点匹配算法

该文提出的方法,使用了基于投影的粗筛选和候选点的策略,使用基于距离约束对匹配点对进行校正和消除错误匹配,提高计算速度和可靠性。实验结果证明,提出的方法具有较大的实用性。     

一种非刚体运动图象序列的特征点对应方法

提出了一种非刚体图象序列特征点对应的新方法 ,首先根据图象序列帧间的时间间隔很小这一特点 ,指出特征点在图象帧间的运动具有平滑性 ,进而提出了一种特征点运动平滑的代价函数。然后将目标跟踪技术应用于特征点的跟踪 ,利用两个一维卡尔曼滤波器分别对特征点的两个坐标进行预测跟踪。在图象帧间的特征点对应过程中 ,该文综合考虑了特征点的预测位置与实际位置之间的距离以及特征点的平滑代价函数等因素 ,从而使特征点的运动轨迹得到正确的延续。特征点的遮挡问题可以通过特征点跟踪过程中对特征点位置的预测得到解决。实验证明 ,该文方法能建立非刚体运动特征点的正确对应 ,并能解决特征点的遮挡问题。     

一种非刚体运动图象序列的特征点对应方法

提出了一种非刚体图象序列特征点对应的新方法,首先根据图象序列帧间的时间间隔很小这一特点,指出特征点在图象帧间的运动具有平滑性,进而提出了一种特征点运动平滑的代价函数。然后将目标跟踪技术应用于特征点的跟踪,利用两个一维卡尔曼滤波器分别对特征点的两个坐标进行预测跟踪。     

基于运动平滑性的动态图象序列的特征点对应

建立帧间的运动特征点对应是图象序列分析中的一项非常重要且非常困难的工作。根据图象序列的特点,该文提出了一种运动平滑的代价方程,并将运动平滑性与帧间特征点的欧氏距离相结合,以完成图象特征点运动轨迹的确立。由于此文的方法没有建立在运动的刚性约束之上,所以该方法同样适用于各种非刚体运动的特征点对应。     

神经网络图象匹配算法训练样本粗集求解

为了快速地进行神网络图象匹配求解,提出了一种基于粗集理论的神经网络图象匹配训练样本选择算法,即利用知识约简对神经网络图象匹配训练样本决策表进行属性约简,从而剔除了其中冗余的匹配信息.实验结果表明,该算法不仅能有效简化训练样本,以降低神经网络图象匹配系统的复杂性,还能减少神经网络图象匹配算法的训练时间.     

基于改进Hopfield神经网络的图像特征点匹配算法

针对图像特征点匹配算法的运行时间呈指数增长的问题,提出了一种新的匹配算法NHop.该算法通过加入新的网络输入输出函数、点对间差异的度量和启发式选择目标点的方式,对传统的Hopfield神经网络进行了改进.新算法不仅解决了传统Hopfield神经网络运行时间长、能量函数易陷入局部极小点的问题,而且也有效地实现了图像特征点的匹配.实验结果表明,与传统的Hopfield神经网络相比,NHop算法的匹配速度更快、准确率更高,对于图像特征点的匹配效果更好.     

序列图形中运动点目标实时跟踪算法

本文提出一种用于图象序列中跟踪运动点目标实时跟踪算法。文中在分析了图象序列中点目标运动特征及跟踪搜索窗口启发函数之后，讨论了基于点目标运动特征的具有自适应搜索窗口的点目标实时跟踪算法。对该算法的实验结果表明，此算法可稳定跟踪运动点目标，并满足实时性的要求。     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

基于特征点匹配的自适应目标跟踪算法

由于实际场景复杂多变,目标在运动过程中往往会出现形变、遮挡等问题,增加了跟踪的难度。为了解决上述问题,提出一种基于特征点匹配的自适应目标跟踪算法。算法初始化时在选定的目标区域内提取特征点,跟踪过程中通过对前后两帧的特征点进行匹配,计算出目标的位置、尺度和旋转变化,进而实现对目标的跟踪。同时通过对特征点的不断更新,可以使算法具有一定的抗遮挡能力。实验表明,该方法在实际应用中效果很好。     

基于奇异值分解的宽基线图像匹配算法

图像匹配是计算机视觉中许多应用研究的基础.窄基线匹配技术虽然较为成熟,但是解决能力有限,不能处理较大的尺度、旋转、亮度以及仿射变化引起的宽基线图像序列的匹配.针对宽基线图像序列匹配的特点,在分析传统SVD匹配算法不足的基础上,引入具有尺度和旋转不变性的特征,改进邻近矩阵的度量方式,设计了一种新的基于奇异值分解的宽基线自动匹配算法.通过对比实验表明,该算法性能优于基于SIFT距离的匹配器和原SVD匹配算法,对于存在较大的尺度、旋转、亮度等宽基线变化的图像序列,能够自动获得更多的正确匹配点对和较高的准确性,鲁棒性强,甚至对视角和仿射变换也有一定的适应性.     

图象序列运动目标特征点对应的极指数栅格方法

目前的图象序列特征点对应方法是建立在相邻图象间的特征点在运动形式上变化不大 ,即相邻两帧图象间的时间间隔较小这样的一个假设之上的 ,但当相邻图象间的时间间隔较大时 ,则这些方法很难找到对应的特征点 .为此 ,提出了一个由粗到细解决图象序列特征点对应的新方法 ,该方法首先进行粗定位 ,即利用极指数栅格方法来得到运动后目标特征点的大致范围 ;然后通过细定位来得到对应的特征点 .为了使人们对该方法有一全面了解 ,还介绍了该方法的原理 ,并给出了实验结果 .实验证明 ,该方法可以很好地解决时间间隔较大的两帧图象间的特征点对应问题 ,其最大的优点是比通常的方法简单有效 .     

基于彩色图像序列的特征检测和跟踪

研究了彩色图像序列中特征点检测和跟踪方法。提出了彩色图像序列的解决方法,推导了相应的计算公式。同过对不同噪声等级的图像序列进行比较实验,结果表明彩色特征检测和跟踪方法具有更高的鲁棒性和精度。     

基于混沌神经网络的图像复原算法

文章提出了一种基于混沌神经网络的图像复原新算法。在对退化图像进行复原的过程中,针对Hopfield算法易于陷入局部极小的缺点,在Hopfield神经网络中引入暂态混沌和时变增益,充分利用混沌理论的全局搜索性能进行＂粗＂搜索,当搜索到全局最优解附近时,再利用Hopfield算法进行局部搜索。通过对图像复原后的效果进行比较,证明基于混沌神经网络方法得到的图像复原的信噪比更高,目视效果更加。     

基于序列影像的城市三维建模

提出了一种从序列图像建立城市三维模型的算法框架。该方法使用三条序列影像和匹配生成的数字表面模型，结合几何约束的多视特征匹配，从图像获取三维点、线信息。同时讨论了基于感知编组的几何模型生成算法，以及纹理优选与自动映射。实验结果证明该方法是有效的。     

基于图像分块与特征融合的户外图像天气识别

在视频监控及智能交通等领域,雾、雨、雪等恶劣天气会严重影响视频图像能见度,因此快速识别出当前的天气情况,并自适应地对监控视频进行清晰化处理极为重要.针对传统天气识别方法效果差以及天气图像数据集缺乏的问题,构建了一个多类别天气图像分块数据集,并提出了一种基于图像分块与特征融合的天气识别算法.该算法基于传统方法提取平均梯度...     

基于神经网络的盲图像恢复

1 引言图像恢复是图像处理学中的一个重要领域,其主要目的是利用退化图像的某种先验知识来重建或恢复原图像。图像的退化模型可表示为: Y=HX N (1)其中y为退化图像,H为退化模型的点扩展函数,X为原始图像,N为加性高斯白噪声。