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.     

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。     

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。     

Hausdorff距离在图像匹配中的应用

在图像匹配过程中，经常有目标图像被遮掩和外部点存在的情形，使识别过程较为困难。介绍了将部分Hausdorff距离和基于平均距离值的MHD相结合，用改进的Hausdorff距离对有遮掩和有外部点存在的目标图像进行匹配，仿真结果验证了该算法的有效性。     

基于新的加权Hausdorff距离的图像匹配

Hausdorff距离(HD)用于度量两个点集之间的距离,它不要求点之间的一一对应,是一种模糊度量,因而在匹配来自不同传感器的图像时广泛使用。在分析了传统HD算法的基础上,提出了一种基于结构张量加权的HD,称为STWHD。红外与可见光图像匹配的仿真实验表明,其抗噪能力较传统的HD算法有较大的提高。     

基于灰色关联分析的图像匹配方法

针对图像匹配正确率的问题,在研究灰色关联理论的基础上,提出了基于灰色关联分析的匹配方法,找出模板图像在待匹配图像中的最佳匹配位置。通过计算图像直方图的灰关联度及边缘点集间的Hausdorff距离,从图像的灰度分布和形状特征两方面来验证了定位的准确性。实验采用了多张不同的图片进行图像匹配,实验结果表明了该算法的有效性和良好的匹配效果,具有匹配效率高、匹配误差小等特点。     

采用黎曼度量的Hausdorff距离及其在图像匹配中的应用

现有的基于Hausdorff距离的边缘图像匹配利用边缘的位置信息,忽视了边缘的其他有用信息.为了提高基于边缘的图像匹配的鲁棒性,提出了一种基于黎曼度量的Hausdorff距离(RM-HD)图像匹配算法.通过边缘点的灰度和附近梯度信息构造了边缘结构张量,由于结构张量具有流形结构,采用流形的测地距离来度量边缘结构张量的距离...     

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。     

基于边缘特征的SAR图像与光学图像的匹配

提出了一种新的基于边缘特征的合成孔径雷达(SAR)图像与光学图像相匹配的算法，可用于无人飞行器的导航。首先针对SAR图像低信噪比的特定情况，提出了一种简单实用的线状特征提取方法。而后在提取边缘的基础上，采用改进的具有强抗干扰能力和容错能力的Hausdorff距离作为相似性准则进行图像匹配。在搜索策略上．采用遗传算法来加快搜索的速度。实验结果表明，这种算法匹配精度高，计算速度快。     

基于Hausdorff距离的地形匹配

Hausdorff距离是用于二值图像比较的一种有效的相似度量。利用Hausdorff距离作为图像差异的度量进行地形匹配的算法，首先，提取地形结构线作为特征，计算Hausdorff距离，Hausdorff距离的最小值对应最佳匹配。实验结果表明该算法是有效的。     

A Linear Time Algorithm of Computing Hausdorff Distance for Content-based Image Analysis

The Hausdorff distance is a very important metric for various image applications in computer vision including image matching, moving-object detection, tracking and recognition, shape retrieval and content-based image analysis. However, no efficient algorithm has been reported that computes the exact Hausdorff distance in linear time for comparing two images. Very few methods have been proposed to compute the approximate Hausdorff distance with higher approximation error. In this paper, we propose a linear time algorithm for computing the approximated Hausdorff distance with lower approximation error. The proposed method is effective to reduce the processing time, while minimizing the error rate in content-based image processing and analysis.     

新的近距离红外目标跟踪算法

提出了一种特征点匹配的近距离红外目标跟踪算法,该算法利用Harris算子提取目标的特征点,然后利用Hausdorff距离匹配帧间的特征点集,为了减少噪声和杂点的干扰,还引入了特征点邻域相似性度量.该算法在目标出现尺度伸缩、位置平移、角度偏转的情况下仍有较好的匹配性能.实验证明了该算法的有效性和可行性.     

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。