基于畸变程度分割的SAR实时图像精配准方法

由于大气干扰、地形起伏、雷达平台不稳定等原因,无法避免合成孔径雷达(SAR)成像时图像的几何畸变,这种现象在无人机实时SAR图像上尤其显著.为解决SAR图像几何畸变的问题,提出一种基于图像分割的配准方法.该方法通过图像畸变程度对图像区域进行分类,针对不同的畸变区域计算各自的映射关系,最后利用图像拼接重构完成整幅图像的配准.实验结果表明,与基于变化域配准方法、基于灰度相关性配准方法、基于特征点方法相比,本文配准方法的稳定性和配准精度更高.     

基于相似图像配准的图像修复算法

传统基于纹理合成的图像修复算法只能从破损图像中提取有用信息,不能修复复杂结构;基于深度学习的修复算法训练时间长,纹理合成效果不理想.为解决上述问题,该文提出了一种基于相似图像配准的图像修复算法.首先提出一种破损图像的相似度计算方法,利用图像的深度学习特征,在数据库中寻找与之最为相近的图像,为修复过程提供更多的有效信息;...     

基于SURF的图像配准改进算法

为了更好地在保证图像配准的速度前提下,提高配准的精度,本文提出一种新的基于SURF的图像配准改进算法。改进算法将单向匹配与方向一致性约束两者结合起来,先对待配准图像进行单向匹配,再计算出各个匹配点对之间的特征向量方向差值,当差值在一定阈值范围内时认为匹配成功,从而剔除错配点对,提高匹配的精度。实验结果表明,该算法在保证不增加匹配的时间前提下,提高了匹配的精度。     

基于SIFT图像配准算法优化研究

为了满足在图像配准过程中对于准确度和稳定性的要求,提出一种基于SIFT和改进的RANSAC图像配准算法。首先采用SIFT算法进行特征点提取和最近邻匹配方法进行粗匹配,然后对RANSAC算法进行改进,对两幅图像中关键点相似性的评价函数进行改进和优化,实现关键点对的精准匹配,最后进行图像配准。实验表明,算法能够提高图像匹配的准确度同时降低图像匹配时间,具有一定的适用性。     

基于ICP算法的掌纹图像配准研究

针对图像配准经典迭代最近点(ICP,iterative closest points)算法存在的收敛效率低、容易陷入局部收敛的问题,给出了一种基于掌纹图像识别的改进ICP算法。该算法结合经典ICP算法和掌纹识别算法的优势,同时准确地嵌入容器模板类来存储图像的像素坐标信息,并引入二元搜索树(k-d tree)来寻找最近点集合,最终得到一个基于香港理工大学公开掌纹图像库的图像配准程序系统。实验表明:通过该系统所得到的结果具有较好的鲁棒性和适用性。     

基于图像混合特征的城市绿地遥感图像配准

为了解决同一场景城市绿地遥感图像因视角变化等原因不在同一坐标系,以致于不能对其进行变化检测的问题,提出一种基于图像混合特征的遥感图像配准方法. 1）提取SIFT特征点:从待配准图像和参考图像提取足够的SIFT特征点;2）基于混合特征的SIFT特征点配准：首先在特征点集Y和X之间进行对应关系评估,然后利用对应关系建立空间映射函数不断更新形变后源点集的位置;3）图像配准：基于源点集和形变后的源点集来构造一个映射函数,从而对图像进行配准. 在与当前流行的4种算法（SIFT、CPD、RSOC、GLMDTPS）的对比实验中,提出的算法均给出了精确的配准结果,在大部分实验中其性能超过了其他算法.     

基于MATLAB的图像配准方法

图像配准常常是作为其他图像处理应用的前处理步骤使用的,往往用于图像的对准、目标识别与定位。介绍了在MATLAB系统中,如何应用MATLAB的IPT函数对图像进行配准的方法:首先用人机交互的方法在待配准图像与基准图像之间进行图像配准所必需的匹配控制点的选取,然后用这些匹配控制点来计算两图像的某种空间几何变换关系,最后利用这个空间几何变换关系对待配准图像进行几何变换,获得配准结果。实验表明,该方法实现容易,且非常有效。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

语音特征匹配的图像配准方法

为了解决传统DTW算法准确度和效率不高的问题,提出了一种基于图像配准方法的语音特征匹配算法.该方法将MFCC参数映射为二值图像,并通过引入图像配准的方法进行模板匹配,达到了语音特征匹配的目的.实验结果表明,与传统的DTW算法相比,该方法的准确率、召回率和算法执行效率有了明显的提高.     

图像拼接中surf配准算法的研究

图像拼接技术作为获取全景图像的工具,已经受到越来越多学者的关注。为了得到良好的拼接图像,减少图像空间几何畸变,便要对图像进行严格的配准。Surf(Speed-Up Robust Feature)算法是近年来图像配准的研究热点之一。对传统surf配准算法进行理论分析并在此基础上提出改进算法,特征点检测时,利用设立阈值来去除多余的特征点,并用MATLAB软件对改进算法进行仿真分析。实验结果表明,改进后的算法虽然减少了特征点个数,但增加了配准的成功率,前后性能相当且速度更快。     

基于相位相关的图像匹配算法

为了有效提高图像匹配算法的速度和精度,提出了一种基于相位相关的图像匹配算法。该算法先将基准图像和目标图像进行对数极坐标变换并提取变换后图像的轮廓作为特征区域;然后对两幅图像的轮廓区域分别进行距离轴和角度轴方向上的投影,最后通过比较投影分量的大小确定两者是否匹配。为了降低对整幅图像进行计算所带来的计算耗时,提出了一种分步采样的方法。实验结果表明,该算法执行速度快,抗噪声、压缩能力较强,当目标图像相对宿主图像发生旋转、缩放的变化时,仍能较准确地完成两者之间的匹配工作。     

旋转不变性图像模板匹配快速算法

综合利用图像梯度幅值统计的旋转不变性,梯度角度统计的旋转迁移性以及图像梯度角度统计的旋转自相关系数分布对称性,基于图像的3种不同特征,分两步精确快速地完成了统计匹配运算。仿真试验结果显示:本文算法在模板图像发生任意角度旋转的情况下匹配性能好。该算法时间复杂度小,并且在模板图像灰度发生一定程度的非线性变换、缩放、遮挡等情况时仍具有良好的鲁棒性能。     

一种改进的立体图像实时相位匹配算法

为了在基于现场可编程门阵列(FPGA)的双目相机系统中实现实时立体图像匹配,提出一种改进的立体图像实时相位匹配方法。在一定视差范围内,将图像分为互相不重叠的子块,通过比较相邻块的方向值和Gabor滤波结果,以寻找合理视差值为目标,使实测相位差能够最佳匹配到理想相位差。采用流水线技术与并行处理方式对算法进行硬件结构的映射,以提高该算法在硬件系统上运行的效率。实验结果表明,改进算法能够以97.3MHz的处理速度在Stratix II型FPGA硬件实验平台上对1024×1024的灰度图像实现30fps实时匹配处理。     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

基于模板匹配的改进型目标识别算法

针对图像处理过程中采用局部特征提取与特征匹配的目标识别算法对纹理不丰富物体识别精度差、在同一次学习过程中不能多视角识别同一个物体的缺点,提出采用基于模板匹配的改进型目标识别算法,提高对纹理不丰富物体的识别速度及准确率。利用梯度作为特征量完成模板匹配,结合DOT算法去除次要的梯度特征,只采用幅值大的主导梯度方向作为特征量进行模板匹配,融入仿射投影变换算法、将模板特征二进制化来提高在线同时识别多个不同物体、多视角识别同一个三维物体的速度及准确率。试验证明,该目标识别算法对复杂背景中纹理较少的物体,发生微小变形、微小平移和光照变换的物体识别效果鲁棒性强。     

基于边缘特征的多源图像分层匹配算法研究

针对灰度相关的匹配算法不能适用于多源图像的匹配问题,提出了一种基于边缘特征的分层匹配算法．该算法首先提取出两种非同源图像的边缘特征作为匹配的特征空间,并且为了提高匹配算法的速度,主要采取了以下几种措施：采用粗匹配和精匹配相结合的分层序贯相似度检测算法（SSDA）作为搜索策略;在粗匹配阶段运用跳跃式的搜索策略和亚抽样模板．然后在精匹配阶段为了兼顾匹配的精度采用逐点扫描的全像素点匹配．通过对真实合成孔径雷达（SAR）图像和光学图像的仿真,结果表明该算法能够较好地适用于多源图像的匹配,并且大幅提高了匹配算法的速度．     

基于SIFT算法的图像匹配方法

依据Brown的理论,并基于SIFT算法提出了一种有效的图像匹配方法。首先对图像进行高斯和Wallis滤波处理,然后采用简化SIFT算法进行特征点提取,最后通过特征点双向匹配方法实现图像的精确匹配。通过对缺陷版图图像的试验验证了该方法具有匹配点数量多、准确率高、无重复点等优点。将该方法应用于优化线网的自动检测方面得到较好的效果,并为版图的优化打下了基础。     

基于自适应遗传算法的图像匹配

为了解决图像匹配中计算速度慢和匹配精度不高的缺陷，提出了一种基于自适应遗传算法(AGA)的匹配方法，该算法与传统遗传算法的不同在于其交叉概率和变异概率随个体的适应度值而变化，避免了后者易陷入局部极值的缺陷，从而增强了算法的快速性和全局收敛性能．图像与模板的相关值是一多峰值函数，模板匹配实质上是多峰值寻优过程．将AGA应用到图像匹配，是以相关值为适应度函数，通过选择、交叉、变异等遗传操作，对遗传个体进行迭代寻优，找出图像中的最佳匹配点．实验结果表明，基于该算法的图像匹配具有运算量小、匹配精确等优点，且算法稳定．     

Fast matching pursuit for traffic images using differential evolution

To obtain the sparse decomposition and flexible representation of traffic images,this paper proposes a fast matching pursuit for traffic images using differential evolution. According to the structural features of traffic images,the introduced algorithm selects the image atoms in a fast and flexible way from an over-complete image dictionary to adaptively match the local structures of traffic images and therefore to implement the sparse decomposition. As compared with the traditional method and a genetic algorithm of matching pursuit by using extensive experiments,the differential evolution achieves much higher quality of traffic images with much less computational time,which indicates the effectiveness of the proposed algorithm.     

基于特征匹配的视频稳像算法

应用电子稳像技术的基本原理,以机载成像设备所摄取的图像为研究对象,实现了抖动视频序列稳像的过程。首先对参考帧图像提取特征点,在当前帧找到匹配的特征点以求取帧间运动矢量。采用Kalman滤波方法对运动矢量进行处理,去除抖动分量,再对参考帧进行逐帧运动补偿。经过穏像前后的视频序列帧间差值对比可知,很好的去除了视频序列的抖动。