基于邻域灰度信息的Hausdorff距离图像匹配方法

针对可见光与红外图像由于成像机理不同引起的图像灰度值差异大、边缘轮廓不一致、传统基于灰度和基于特征的匹配方法匹配概率不高等问题,在分析了各种Hausdorff距离算法的前提下,引入可见光与红外图像的灰度信息,提出一种基于邻域灰度信息Hausdorff距离的图像匹配方法。该方法在计算图像边缘特征点相似性的基础上,增加了邻域归一化灰度方差计算,有效解决了由于边缘差异引起的Hausdorff距离算法对可见光/红外图像匹配概率不高的问题。经可见光与红外图像匹配的仿真实验表明,在各种条件下,该算法与传统Hausdorff距离算法相比,有效提高了在不同光照下图像的匹配效率以及对噪声的抗干扰性能。     

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。     

基于信息测度特征和Hausdorff距离的图像匹配策略

由于传统的图像匹配方法受到诸如景物的遮挡、光照和噪声的影响比较大，并且需要建立模板与图像间的对应关系，因而使实际图像的匹配变得困难。为了克服上述缺陷，以便快速地进行图像匹配，通过引入信息测度概念来提取边缘特征点，并基于修正后的：Hausdorff距离构造相似性测度，提出了一种基于信息测度和：Hausdorff距离的图像匹配策略。该策略不仅加快了匹配过程，提高了抗噪性能，而且能准确匹配遮挡图像，从而较好地解决了基于传统Hausdorff距离的图像匹配因噪声点、伪边缘和出格点而造成的误匹配问题。实验结果证明，该方法是正确有效的。     

一种鲁棒型Hausdorff距离图像匹配方法

图像匹配是图像处理的一项关键技术,传统方法受光照、噪声和遮挡的影响,使匹配过程变得困难。为了提高图像匹配的鲁棒性,提出了一种基于方向信息的鲁棒型Hausdorff距离匹配方法。该方法采用方向信息提取图像边缘,通过计算边缘匹配率(edge matching rate,EMR)获得候选匹配区域,然后采用修正后的Hausdorff距离构造相似性测度。实验结果表明,该方法加快了匹配过程,提高了抗噪性能,并能够准确匹配含有遮挡和伪边缘点的图像,从而解决了基于传统Hausdorff距离匹配方法因噪声点、伪边缘点和出格点而造成的误匹配问题。     

景像匹配辅助导航系统中的图像匹配算法研究

图像匹配算法是景像匹配辅助导航系统的核心，而且其性能决定了系统的总体性能，为了提高景像匹配辅助导航系统导航的实时性和精度，就必须选用合适的图像匹配算法，为此，给出了一种快速有效的基于图像特征的图像匹配算法，该算法选用部分Hausdorff距离作为图像匹配时的相似性度量，并利用图像特征提取后的二值化图像进行图像匹配，同时在联合了3种图像匹配加速技术的基础上，将邻域技术引入到图像匹配搜索终止条件中，从而大大提高了图像匹配效率。仿真结果表明，该算法可以保证图像匹配的鲁棒性和有效性，同时，能有效克服图像噪声和几何畸变的影响。该算法实施景像匹配能够在5s以内完成，并与GPS输出周期(1s)相当，可以满足景像匹配辅助导航系统匹配导航的准确性和实时性的性能要求。     

角点和边缘结合的红外与可见光图像匹配

针对可见光与红外图像在复杂背景下匹配准确度低的缺点,提出一种新的基于边缘特征的匹配算法,算法首先对图像进行小波去噪,然后提取图像的边缘及其角点,在匹配测度上提出了新的CSS-EDGE-WHD距离,该距离测度在加权Hausdorff的基础上,结合了边缘角点的方向差异性,并推出相应权值,既利用了边缘点的位置信息,又利用了边缘上曲率极大值点(角点)的方向特性,对不同的边缘点采用不同的权值进行Hausdorff加权,最后将两种边缘点Hausdorff距离结合得到最终的匹配算法。仿真实验验证了该算法在背景复杂的红外与可见光图像匹配中也能保持较高的准确度。     

机载图像辅助导航实时匹配算法研究

针对机载图像匹配辅助导航系统的实时性和精度高的特点,提出了基于部分Hausdorff距离的粗匹配与基于广义点理论的精匹配相结合的匹配方法;该方法利用多尺度边缘检测提取机载图像的边缘特征,将参考图像和实时图的边缘特征进行粗匹配和精匹配,并做了仿真实验;实验结果表明,该算法优于与灰度相关和SSDA算法对比,并验证算法的有效性.     

一种内外轮廓加权的人耳检测算法

为了提高人耳检测中图像匹配的精确性,提出对内外耳轮廓加权,并利用Hausdorff距离进行人耳检测的算法。在传统的Hausdorff距离匹配中,图像如果受噪声干扰或边缘不连续等情况,检测结果不理想。因此为使检测位置更加接近外耳轮廓,需要强调外耳轮廓的作用,这通过对外耳加大权值、对内耳加小权值实现,然后再结合加权Hausdorff距离进行图像匹配计算。仿真实验表明,提出的算法是有效的。相比传统Hausdorff距离和平均Hausdorff距离的匹配,人耳轮廓加权的算法更加精确。     

加权Hausdorff距离算法在SAR/INS景象匹配中的应用

提出了一种基于特征图像分支点提取的加权Hausdorff距离图像匹配算法,并给出了相应的权值求解公式．为满足景永匹配导航系统实时性的要求,给出了细化处理的预处理方法,减少了特征文件的冗余度,提高了匹配搜索的快速性．同时,基于细化后提取出的分支特征点,应用加权Hausdorff距离算法进行图像匹配,克服了斑点噪声对合成孔径雷达（SAR）图像匹配的影响．仿真分析袭明．该算法能满足SAR／INS景泉匹配辅助导航系统实时性和准确性的要求．     

基于向量长度的Hausdorff距离图像匹配方法

针对采用Hausdorff距离描述两组点集之间相似程度时对孤立点噪声敏感的问题,提出一种基于向量长度的Hausdorff距离图像匹配方法。考虑图像中像素点之间的相互关系,连接图像中一个像素点和其他点构成一个向量长度集合,每个像素点对应一个向量长度集合,进行图像匹配时,计算模板图像中每个像素点的向量长度集合与待匹配图像中像素点向量长度集合的改进Hausdorff距离,从而得到匹配的量化结果。实验表明,新方法处理噪声图像具有较好的鲁棒性。     

基于加权相似性度量的特征匹配方法

针对图像特征匹配过程中采集图像易受噪声、光照、尺度等因素影响使产生的匹配结果鲁棒性差、误匹配率高等问题,提出一种基于加权相似性度量（WSM）的特征匹配方法。该方法首先采用基于网格多密度聚类的特征匹配（FM_GMC）算法对原始图像进行特征聚类块划分;其次在每一特征聚类块中,采用Canny提取边缘特征点并使用尺度不变特征变换（SIFT） 进行描述;然后采用加权的方式对特征聚类块之间的空间上下文信息间的Hausdorff距离、图像特征点外观描述子间的欧氏距离以及图像特征点的局部几何灰度信息的归一化互相关度量（NCC）进行相似性度量;最后依据最近邻距离比值（NNDR）对相似性度量结果进一步优化,从而确定特征匹配结果。以古建筑图像为数据集的实验结果表明WSM方法的平均匹配精确率达到92%,在匹配数量和精确率上优于常用的特征匹配方法,验证了该方法的有效性和鲁棒性。     

Hybrid image matching combining Hausdorff distance with normalized gradient matching

Image matching has been a central problem in computer vision and image processing for decades. Most of the previous approaches to image matching can be categorized into the intensity-based and edge-based comparison. Hausdorff distance has been widely used for comparing point sets or edge maps since it does not require point correspondences. In this paper, we propose a new image similarity measure combining the Hausdorff distance with a normalized gradient consistency score for image matching. The normalized gradient consistency score is designed to compare the normalized image gradient fields between two images to alleviate the illumination variation problem in image matching. By combining the edge-based and intensity-based information for image matching, we are able to achieve robust image matching under different lighting conditions. We show the superior robustness property of the proposed image matching technique through experiments on face recognition under different lighting conditions.     

基于改进的加权Hausdorff距离的图像匹配*

提出了一种改进的加权Hausdorff距离,并将其应用于字符图像的匹配.该方法根据字符图像的结构特征对字符不同区域设置不同的权重.实践表明该方法改善了图像匹配效果.     

基于特征的hausdorff距离图像配准

针对图像配准问题,提出了基于Harris及SIFT(Scale-invariant feature transform)特征的Hausdorff距离方法来实现图像配准。首先利用harris角点检测和SIFT特征提取参考图像和待配准图像的角点,通过两种方法获得的角点在融合之后获得更大的角点搜索范围,再利用相似一致性匹配原则剔除错误角点,进而通过改进的Hausdorff距离算法完成图像的配准操作。结果证明,改进算法比传统Hausdorff距离算法运行时间更短,算法时间降低约45%,具有较强的抗噪声能力和旋转鲁棒性,提高了图像配准的效率和精确性。     

基于Hausdorff距离的图像匹配并行算法设计与实现

随着图像匹配的应用越来越广泛,图像匹配的实时性要求也越来越高。为了提高图像匹配的速度和更好地利用多核计算资源,设计了一种基于Hausdorff距离的图像匹配并行算法。首先介绍了Hausdorff距离的定义,然后分析了图像匹配串行算法的效率,在此基础上设计了基于Hausdorff距离的图像匹配并行算法,最后采用Matlab在多核计算机上对并行算法进行了实现。实验结果表明,文中所设计的并行算法能够显著提高图像匹配速度,并具有较好的抗失真和抗噪声性能。文中设计的并行算法有较好的扩展性,可以将这种并行思想应用到其它图像匹配算法的并行设计中。     

一种基于鲁棒Hausdorff距离的目标匹配算法

在传统的基于边缘位置的Hausdorff距离匹配的基础上,将边缘的梯度信息引入到距离度量当中,构造了一种新的三维距离函数。在此基础上,提出了一种鲁棒的三维Hausdorff距离及其目标匹配算法,采用粗匹配与精匹配相结合的两步匹配策略有效解决了由距离度量维数增加所导致的算法复杂性增大的问题。实验表明,该算法相对于传统的基于边缘位置的Hausdorff距离目标匹配算法在鲁棒性上有很大的提高。     

一种基于Hausdorff距离的图像匹配算法

在图像匹配过程中,经常有目标图像被遮掩、有缺损的情形,使识别过程较为困难。文章在提取边缘特征点的基础上,用部分Hausdorff距离的均值对图像进行相似性度量。仿真实验结果表明,对上述提到的小目标识别效果良好,速度也较快。