基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分 Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分 Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

基于SAR图像的快速景象匹配方法

景象匹配制导作为复合制导中的一种重要制导方式,其要求匹配算法在保证匹配时间短的同时具有较高的匹配精度。针对这一问题,提出了一种归一化互相关与改进的部分Hausdorff距离复合的景象匹配算法。为了降低匹配时间,该算法选取图像边缘为特征空间,采用小波变换将原始图像分解为一系列维数较小的子图像,进而在子图像上逐层进行匹配;同时为了提高匹配精度,在子图像上采用归一化互相关算法进行粗匹配,然后在原图上粗匹配点的邻域内利用改进的部分Hausdorff距离完成精匹配,获得精确的匹配位置。仿真结果表明,与传统算法相比,该算法具有较短的匹配时间与较高的匹配精度。     

基于遗传算法的导航实时图像匹配算法

由于一般图像匹配算法均采用全局搜索法,耗时较大,为满足景象匹配辅助导航系统实时性的要求,提出了一种将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法,利用遗传算法的非遍历搜索机制,迅速收敛到全局近似最优解,提高了匹配搜索的快速性.同时,提出了一种基于特征图像分支点提取的加权Hansdorff距离图像匹配算法,并给出了相应的权值求解公式,利用加权Hausdorff距离作为遗传算法的适应度函数,能够明显减少匹配搜索的计算量,提高匹配结果的精度.仿真分析表明,将遗传算法和加权Hausdorff距离算法相结合的图像匹配算法能够很好地满足景象匹配辅助导航系统的实时性和精度要求.     

一种基于Hausdorff距离目标跟踪的改进算法

针对复杂背景下运动目标跟踪问题,提出了一种基于Hausdorff距离的目标跟踪改进算法。作为模板与待匹配图像相似性的度量,传统的Hausdorff距离容易造成误匹配;现有的Hausdorff距离改进算法虽然可以从一定程度上克服上述缺点,但是计算复杂,难以满足实时性。为了能够很好的解决上述这些问题,达到稳定实时的跟踪,结合Hausdorff距离提出一种新的图像匹配策略。实验表明,该算法匹配精度高,适用性强,同时大大加快运算速度。     

基于改进Hausdorff距离的图像匹配快速算法

针对Hausdorff距离的特性及其在图像匹配中的应用,提出了一种基于改进Hausdorff距离准则的快速图像匹配算法。首先对图像进行小波分解和Harris角点检测后得到图像的特征点金字塔,然后利用改进的Hausdorff距离作为度量准则从特征点序列图像的最大尺度开始逐级向低尺度进行匹配。实验结果证明,该方法能在保证匹配精度的同时,有效加快匹配速度。     

一种基于进化策略的边缘特征匹配方法

针对存在旋转变化的多源图像匹配问题,提出了一种基于改进的部分Hausdorff距离(LTS-HD)和进化策略相结合的边缘特征匹配算法。通过仿真实验,该算法与基于部分Hausdorff距离的匹配算法相比,实时性和精确性都有了很大的提高。     

基于概率迭代匹配的水下机器人定位算法

该文针对水下机器人在核电站水池中的位置估计问题,提出基于扫描声呐的概率迭代匹配定位算法进行机器人水下定位。首先分析了扫描声呐的信号特征,对声呐信号进行预处理的方法,通过阈值去噪、距离限定和减少采样来降低信号干扰和剔除多余数据,提高计算效率。然后针对声呐量测存在较大噪声的问题,提出基于概率迭代匹配的算法。利用马氏距离计算声呐扫描图与核电站水池环境地图之间的最近匹配点,同时通过置信度提高匹配的精度,以寻优迭代估计得到水下机器人的绝对位姿。与传统的最近点迭代算法的仿真比较表明该算法提高了水下机器人的估计精度。最后,通过水池实验验证了该算法的有效性。     

改进Hausdorff距离和粒子群算法在激光制导中的应用

为提高激光成像制导精度,实现遮挡条件下的有效识别,提出一种基于改进Hausdorff距离和粒子群算法的激光图像匹配算法。首先提取基准图和实时图的边缘特征;而后针对原始Hausdorff距离易受噪声、孤立点及遮挡影响的不足,提出一种自适应部分均值Hausdorff距离,并将其作为相似性测度;最后改进粒子群算法以完成搜索匹配,一方面提出混沌惯性权值以提高其搜索能力,另一方面通过引入混沌局部搜索避免算法过早收敛。实验结果表明,该算法不仅具有较高的匹配成功率,而且实时性较好。     

改进Hausdorff距离和量子遗传算法在激光制导中的应用

为了在激光成像制导中提高目标识别的精度和实时性,并在遮挡条件下进行有效识别,采用基于改进Hausdorff距离和量子遗传算法的激光图像匹配算法,选择图像的局部边缘特征为特征空间,针对传统Hausdorff算法及几种改进Hausdorff距离存在的问题,提出了一种新的改进Haussdorff距离作为相似性度量;在搜索策略上,选择量子遗传算法进行并行搜索,为防止种群过早收敛,提出了种群灾变策略,并应用动态的量子旋转角调节收敛的速度和方向。通过理论分析和实验验证,取得了不同参量条件下的目标识别对比数据。结果表明,该算法可以消除激光图像中局部遮挡、噪声以及出格点等因素影响,鲁棒性好、匹配精度高、计算速度快。     

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。     

CCD像元尺寸对傅里叶变换法相位测量精度的影响

针对随机抽样一致性算法(RANSAC)计算量大、耗时长、匹配点选取不当会影响变换矩阵精度、阈值的鲁棒性较差, 以及不能完全去除误匹配等不足, 提出了一种基于SIFT特征和误匹配逐次去除的图像拼接算法。该算法首先提取图像的SIFT特征, 并利用近似的最近邻搜索算法(BBF)进行特征初始匹配, 然后利用一种误匹配逐次去除的迭代算法正确地估计图像间的变换矩阵。在这种误匹配逐次去除的迭代算法中, 采用预检测模型的方法, 减少了迭代运算的数据量, 提高了拼接速度; 采用匹配点按块随机选取的方法保证了变换矩阵的稳定性和精确度; 通过逐次筛选去除误匹配, 且在筛选过程中采用自适应阈值, 完全去除了误匹配。实验结果表明, 该算法在保证较高精度和鲁棒性的情况下, 缩短了拼接时间, 提高了拼接效率。     

结合形状信息的SAR图像特征匹配方法

合成孔径雷达（Synthetic Aperture Radar, SAR）图像匹配是实现图像配准和定位导航等任务的重要途径之一。本文研究基于局部特征的SAR图像匹配,针对SAR图像特征匹配中错配率高的问题,引入邻域共识思想,结合以往被忽略的特征形状信息,提出一种新颖的误匹配滤除方法。所提方法主要包括形状信息引导的邻域构建和共识度量两个主要步骤。在邻域构建步骤中,本文利用形状信息确定一个仿射不变图像区域,从而构建对几何稳健的邻域。在共识度量步骤,利用形状信息获取局部变换矩阵,然后利用局部变换矩阵对邻域进行重投影,最后根据重投影误差评估匹配的共识度,并以此判断匹配是否应该被滤除。为了验证算法有效性,本文利用21对L,X和Ku三个波段下多角度机载SAR和多分辨率星载SAR图像与五个先进方法进行了对比实验。结果表明所提方法在精度、召回率和F1值上都优于所有对比算法,尤其对多分辨率数据最为有效。另外,通过搭配三种常用的特征进行实验,本文发现所提方法对特征类型不敏感,其中在SIFT特征上效果最为突出。但是,所提算法在效率上要略低于其他同类算法。     

基于双向邻域过滤策略的图形匹配类遥感图像配准算法

针对遥感图像由于较大仿射变换关系、相似图案和多源性等导致图形匹配时出现伪同构现象,提出了一种基于双向邻域过滤策略的图形匹配方法.本方法采用双向邻域的图形特征描述子来表示特征点的邻域关系.当误配点的双向邻域任意顶点在后期迭代中被视为误配点时,将与匹配点集具有稳定双向邻域结构的点恢复至匹配点集,同时剔除伪同构中残留的误配点.通过与Random Sample Consensus(RANSAC)、Graphing Transformation Matching(GTM)算法以及提出的双向邻域匹配方式比较得出,基于双向邻域过滤策略的匹配方式能够处理空间顺序匹配时存在的伪同构问题,同时获得更高的召回率和匹配率.     

基于眼疲劳检测的显示器色彩匹配研究

以研究飞行器座舱显示器颜色匹配优劣为目的,在虚拟显示器上进行了模拟实验。利用PERCLOS方法对实验对象进行疲劳分析,检测在实验时间内眼睛闭合时间所占的比例,以此作为显示器色彩匹配方案优劣的量化指标。为显示器颜色匹配方案优劣的量化判断提供了一种切实可行的方法。     

基于尺度不变特征变换的快速景象匹配方法

传统基于特征的景象匹配方法存在冗余点多、匹配精度低等问题,难以同时满足实时性及鲁棒性要求,对此,论文提出一种基于尺度不变特征变换(SIFT)的快速景象匹配方法。在特征提取阶段,采用高速分段特征检测器(FAST)在多尺度检测角点作为初始特征,经过高斯差分(DOG)算子在尺度空间中进行特征的2次筛选,简化原有遍历式的特征搜索过程;在特征匹配阶段,采用仿射模型模拟变换关系建立几何约束条件,克服SIFT算法由于忽略几何信息而产生的误匹配。实验表明:该方法在匹配精度和实时性方面均优于SIFT算法,且对光照、模糊、尺度等变换具有良好的鲁棒性,能够更好地实现景象匹配。     

基于卡尔曼融合的激光雷达特征匹配方法

针对现有激光雷达特征匹配算法线段特征匹配定位不够准确的问题,提出了一种基于卡尔曼融合的激光雷达特征匹配算法。首先扫描一帧雷达数据,利用改进的激光雷达线段特征提取方法,提取出特征线段,得到局部地图。接着确定局部地图旋转、平移参数,再将局部与全局地图进行匹配,根据相对偏差得到匹配结果。然后基于卡尔曼,利用IMU数据作下一时刻的预测估计,利用激光雷达匹配结果作观测,两者融合得到最优估计。实验结果表明该方法相对现有特征匹配算法在特征线段的匹配准确性上更高,因此定位导航的精度和鲁棒性也更好。     

采用SIFT特征的高光谱数据自动几何精校正

针对几何精校正过程中人工选取控制点误差大、未考虑高光谱数据光谱特征一致性等问题,提出了基于SIFT特征的自动几何精校正方法。首先提取图像的SIFT特征,利用高光谱数据的地理坐标定位进行局部特征匹配,然后为了进一步提取高精度、分布均匀的控制点,提出了一种分区域的随机采样一致（Random Sample Consensus,RANSAC）算法。利用航空高光谱成像仪Hymap获取的新疆东天山数据进行算法性能的分析与验证,并采用CE90/CE95以及均方根误差等指标进行定位精度的评价,提出的基于SIFT特征的自动几何精校正方法能够达到0.8像元的定位精度,并且校正前后光谱的光谱角小于0.01 rad。     

极线和级次双约束的光栅投影测量方法

利用结构光辅助立体视觉技术在三维测量领域可以很好地解决被测物特征稀疏的问题,从而实现对物体几何尺寸的高精度测量。提出了利用极线和条纹级次双约束的方式,通过双目相机中的极线约束原理和多频外差法得到的光栅条纹级次进行混合约束,降低了立体匹配的待匹配区域。立体匹配过程中设计了一种带权值的窗口模板,利用相位信息配合模板匹配的方式确定初始匹配点,并通过初始匹配点与附近点的相位差值利用二次曲线拟合方法实现亚像素级匹配。实验表明:该方法在较小视场测量中应用良好,对直径10 mm大小的球体可以实现快速、准确的测量。     

一种有效的角点检测与匹配算法

角点的检测和匹配是三维重建工作的基础部分,也是关系到三维图像重建准确性的重要部分。提出了一种角点检测算法,集多种经典算法之长处,用双重不同的判定条件,提高了的角点检测的速度,增加了检测出的角点数,并且改善了角点的精确度。在此基础上进一步提出使用简单的模板匹配方法进行角点匹配。实验表明,该算法简单且精确度高．优于其他现有的算法,而且能够得到足够多的匹配对进行下一步的三维重建工作。     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.