一种基于区域特征的景象匹配算法研究

景象匹配技术是飞行器匹配定位辅助导航系统的核心,如何提高其正确匹配率一直是研究的热点与难点。提出一种基于区域特征的景象匹配算法。首先,提取基准景象和实时景象的稳定极值区域,并计算出区域的灰度、形状、纹理以及起伏程度特性作为相似性度量的主要因素构造相似性度量函数;然后,计算区域对的Hausdorff距离,决定是否是对应区域。大量的模拟实验表明,该算法的匹配时间能达到0.138 s,正确匹配率达到92.67%,不仅能满足景象匹配的要求,且大大提高了匹配的时间与正确率,对导航系统的定位具有实用价值。     

一种立体景象匹配技术及其应用

景象匹配是航天武器精确制导的一种重要方法,大多采用二维图像进行匹配,其效率较低。文中提出一种立体景象匹配技术及相应的算法,在实验中得到了应用。主要做法是将三维图像离散成二维图像序列,而后与基准图进行比较。分析证明,大大提高了精度和效率。为此,文中还涉及了相应算法,易于编码和应用。应用表明,该算法的实时性和适应性较好,匹配时间能达到0．14s,正确匹配率达到92．5％。有待研究的图像立体匹配方法很多,诸如多基准图对离散化的系列实时图进行匹配,以及定义、构造立体图像的数学模型并进行匹配等。     

一种立体景象匹配技术及其应用

景象匹配是航天武器精确制导的一种重要方法,大多采用二维图像进行匹配,其效率较低。文中提出一种立体景象匹配技术及相应的算法,在实验中得到了应用。主要做法是将三维图像离散成二维图像序列,而后与基准图进行比较。分析证明,大大提高了精度和效率。为此,文中还涉及了相应算法,易于编码和应用。应用表明,该算法的实时性和适应性较好,匹配时间能达到0．14s,正确匹配率达到92．5％。有待研究的图像立体匹配方法很多,诸如多基准图对离散化的系列实时图进行匹配,以及定义、构造立体图像的数学模型并进行匹配等。     

基于ROC分析的Canny算法在景象匹配中的应用

根据ROC分析方法能对分类识别算法进行多门限评估的特点,利用其改进Canny算法性能并应用于景象匹配。首先由不同参数组合的Canny算子计算图像的多个边缘提取图,并逐像素进行统计,得到边缘像素相关图;然后采用ROC曲线分析找到最佳的关联阈值,从而确定理论边缘图;最后将参考图与实时图所对应的理论边缘图进行景象匹配。实验结果表明,该方法在参考图和实时图存在一定几何畸变和灰度差异的情况下,能取得较高的平均匹配精度与正确匹配概率。此外,该方法克服了传统Canny算子采用固定参数的缺点,根据多参数自动进行筛选优化,有较强的工程实用性。     

基于空间关系几何约束的无人机景象匹配导航*

针对GPS的信号强度较弱、易受各种电磁干扰,提出一种基于空间关系几何约束的景象匹配导航算法。首先基于空间关系几何约束的多匹配区选择方法,将实时图划分为多个分区;然后采用基于边缘响应的加权Hausdorff距离景象匹配算法对各个匹配区进行定位计算;最后,通过最优配准点坐标估计策略,解算出无人机实时图中心在基准图上的精确定位坐标。多区域景象匹配采用并行计算方法,利用历史导航信息来辅助修正景象匹配导航误差。实验结果表明,该算法可较好地满足无人机对景象匹配导航算法实时性、精确性的性能要求。     

基于FPGA的双目立体视觉系统

立体视觉的目的之一就是为了获得周围场景的3维信息,其关键在于匹配算法。然而即便是使用目前先进的通用处理器,其计算致密视差图所需的时间仍无法满足高速自主导航的需求。为了解决这个问题,提出了一种基于现场可编程门阵列(FPGA)的双目立体视觉系统的设计方案,同时介绍了系统的硬件结构,并在讨论区域匹配的快速算法的基础上,提出了基于FPGA的像素序列和并行窗口算法框架,用以实现零均值像素灰度差平方和(ZSSD)的匹配算法。该算法是先将视频信号经解码芯片生成场景立体图像对,并由FPGA来完成立体图像对的几何校正和ZSSD匹配算法,然后将获得的致密视差图通过PC I总线发送至上位机。实践表明,该算法效果好、速度快,不仅具有较强的鲁棒性,并且硬件系统性能稳定、可靠。此外,该方案还适用于像素灰度差的绝对值和(SAD)和像素灰度差的平方和(SSD)等多种传统区域匹配算法的快速实现和实时处理。     

基于相关系数符号的快速匹配算法*

针对经典灰度相关匹配算法耗时多的缺点,提出一种减少计算次数、提高匹配效率的新方法.该方法是先构造一幅相关图像,然后计算它与基准子图像的互相关数据并利用其符号分离候选匹配点,最后在匹配过程中,根据实时图像与相关图像的相关系数符号来选定匹配点区域,从而减少匹配计算次数,提高匹配速度.理论分析和实验表明,该方法不但能够保持经典灰度相关匹配算法具有较高的匹配精度和较强的抗噪能力的特点,而且大大缩短了匹配时间,使得经典灰度相关算法能够在实际中得以应用.     

快速并行两级景象匹配方法

文章分析了景象匹配系统的性能评价以及影响性能评价的三个主要因素,即实时图大小,参考图大小和匹配算法。分析了实时图大小的选取对匹配时间,匹配率的影响。并且针对巡航导弹的景象匹配制导系统的实时性问题,提出了一种快速并行两级景象匹配方法。该方法能够极大地提高匹配效率。试验中利用SAR图像和可见光图像进行景象匹配,每次匹配的时间从原来的约16秒减少到300毫秒左右,匹配率可达到90%以上。而且还具有可扩充性好的特点。     

CNN景象匹配算法的加速设计与FPGA实现

基于卷积神经网络的景象匹配算法较传统方法具有更高的匹配精度、更好的适应性以及更强的抗干扰能力。但是,该算法有海量的计算与存储需求,导致在边缘端部署存在巨大困难。为了提升计算实时性,文中设计并实现了一种高效的边缘端加速计算方案。在分析算法的计算特性与整体架构的基础上,基于Winograd快速卷积方法,设计了一种面向特征匹配层的专用加速器,并提出了利用专用加速器与深度学习处理器流水线式计算特征匹配层和特征提取网络的整体加速方案。在Xilinx的ZCU102开发板上进行实验发现,专用加速器的峰值算力达到576 GOPS,实际算力达422.08 GOPS,DSP的使用效率达4.5 Ope-ration/clock。加速计算系统的峰值算力达1 600 GOPS,将CNN景象匹配算法的吞吐时延降低至157.89 ms。实验结果表明,该加速计算方案能高效利用FPGA的计算资源,实现CNN景象匹配算法的实时计算。     

复杂地面目标前视红外景象匹配算法*

针对复杂地面目标前视红外图像边缘模糊、背景杂乱无章,无直接可用的同源基准图的情况,研究了一种灰度与形状特征相结合的由粗到精景象匹配算法。在粗匹配阶段,将积分图像引入归一化积相关算法中,并对其计算公式进行了近似,使运算速度大大加快;精匹配阶段,利用实时图与所制备基准图形状相似的特点,采用形状上下文进行匹配。实验结果显示,该算法匹配精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

一种抗视角变换的改进SIFT景象匹配算法

针对光电成像制导过程中,电视导引头实时获取的前视图像与预存的目标区域基准图像之间存在较大视角差异时,SIFT（Scale Invariant Feature Transform）算法得到的正确匹配点对数较少导致匹配失败的情况,提出一种改进的SIFT景象匹配算法。该算法通过在高斯尺度空间中提取抗仿射变换区域,并进行区域归一化处理来获得抗视角变换特征点集的方法,使正确匹配点对明显增加。实验结果表明,该算法对视角变换具有很好的鲁棒性：在视角差高达50°至60°以上时得到的匹配准确率较SIFT算法提高近5倍,具备工程实用价值。     

基于SIFT算子融合最大相异系数的自适应图像匹配算法

针对传统的尺度不变特征变换（SIFT）图像匹配算法存在的误匹配率较高、剔除误匹配点条件单一的问题,提出一种基于SIFT算子融合最大相异系数的自适应图像匹配方法。首先,在欧氏距离（Euclidean distance）比测度基础上,对SIFT算法中128维特征向量自适应获取最大相异系数优化;然后,确定最大相异系数最优取值进行匹配点筛选,并采用随机抽样一致性（RANSAC）算法进行匹配正确率计算;最后,利用Daniel Scharstein和Richard Szeliski立体匹配图像进行了算法验证。实验结果表明,改进算法较传统SIFT算法匹配正确率提升10个百分点左右,有效降低误匹配,更能够适应相似区域较多的图像匹配应用。在实时性上,所提方法单次匹配平均耗时1.236 s,可应用于实时性要求不高的系统。     

Shadow detecting using particle swarm optimization and the Kolmogorov test

An algorithm combining both gray level information and geometric features is introduced to detect cast shadows in gray level images. A simply connected candidate shadow region and a corresponding region are segmented by setting gray level thresholds, and neighbor-matching regions are constructed with a mathematical morphological algorithm. A shadow-non-shadow region pair is obtained from the result of Kolmogorov test for statistical features of both candidate neighbor-matching regions. Shadow regions are obtained by selecting the region with relatively lower average gray level from the matched region pair. The particle swarm optimization (PSO) algorithm is used to facilitate the feature extraction during the matching process. Experimental results showed the effectiveness of the proposed algorithm for cast shadow detecting in a single gray level image.     

多时相遥感影像的深度卷积匹配算法研究

针对传统人工设计的特征描述符在面对几何差异和辐射差异较大、地物变化明显的多时相遥感影像时,容易造成大量误匹配问题,提出一种适用于遥感影像的双筛选双约束的卷积神经网络匹配算法,通过CNN提取影像深层语义特征图,在特征图中筛选同时满足优先最大原则和精确极值原则的关键点,并在对应位置提取512维描述符。在特征匹配阶段,通过由粗到精的反向匹配约束和RANSAC约束相结合的策略,保证了误匹配点有效剔除的同时保留一定数量的正确匹配点对,提高了匹配的精度。实验结果表明：该方法的匹配数量适中,正确匹配率较实验选取的其他算法相比有所提高,影像配准误差减小2个像素左右,匹配运行时间提升明显,匹配效果良好并且具有一定的适应性和鲁棒性。     

基于Ncut的SIFT特征匹配算法

经典尺度不变特征变换(SIFT)特征匹配算法存在实时性差、纹理相似区域易发生误匹配的问题。为此,提出一种基于归一化分割(Ncut)的SIFT特征匹配算法。针对相同背景的运动视频,将归一化分割算法的图论聚类思想融入SIFT特征匹配中,根据运动趋势相似度对特征点进行Ncut运动聚类,再逐类分别匹配,通过缩小各特征点匹配过程中的搜索范围,减少匹配时间及不同特征类之间的误匹配。实验结果表明,该算法能提高匹配效率,对纹理相似区域的误匹配现象有较好的抑制作用,实现了相邻图像帧的特征稳定匹配。     

改进人工鱼群的ORB特征匹配算法

针对室内轮椅定位与地图构建中传统ORB（oriented FAST and rotated BRIEF）受到特征点检测与选取策略的影响导致特征匹配正确率不理想,提出一种改进人工鱼群的ORB特征匹配算法。使用改进后的FAST检测特征点,利用改进后的人工鱼群在组合优化问题中具有收敛速度快且易获得最优解的特点,在图像中计算出不同特征区域,根据特征点所在区域位置赋予其相应的状态,对不同状态的特征点选择保留或去除,使用汉明距离的RANSAC算法在特征区域之间进行特征匹配。实验结果表明,改进后的FAST在图像边缘处提取到更多的图像特征,在实际环境中改进后的ORB匹配算法平均正确匹配率达到了92.7%,比传统ORB平均正确匹配率高52.3%。     

基于改进的ORB算法与姿态估计的跟踪注册方法研究

传统的特征提取算法在图像匹配过程中易出现误匹配现象,本文在ORB算法的基础中融入一种最小平方中值估计法-LMedS方法,利用ORB算法的特点和LMedS方法去除可能存在的外点,消除误匹配现象,从而得到正确的匹配特征对,使特征匹配率有很大的提高。采用基于非线性最小二乘进行姿态估计,通过迭代算法估算相机姿态完成虚实注册。实验结果表明,本文的方法无论是在特征点匹配还是在实际场景中都具有很好的鲁棒性,在不同尺度角度、部分遮挡的情况下,同样具有良好的性能,准确、实时地完成跟踪注册。     

基于Harris角点和SIFT描述符的高分辨率遥感影像匹配算法

影像匹配是诸多遥感影像处理和影像分析的一个关键环节。传统基于角点的灰度相关匹配算法由于不具备旋转不变性而需要人工干预进行粗匹配,无法实现自动化。SIFT(scale invariant feature transform)算法能很好地解决图像旋转、缩放等问题,但是对于几何结构特征更加清晰、纹理信息更加丰富的高分辨率遥感影像而言,该算法消耗内存多、运算速度慢的问题非常突出。将两者结合,提出基于Harris角点和SIFT描述符的影像匹配算法。实验结果表明,相比SIFT算法,该算法大量缩减了运算时间,同时保留了SIFT描述符的旋转不变性和对光照变化的适应性,克服了灰度相关算法无法实现全自动的缺点,在高分辨率遥感影像匹配上效果较好。     

自适应邻域测试的图像误匹配点剔除算法

针对图像特征点暴力匹配与比率测试得到的匹配点对在数量与正确率不能兼顾的情况,提出了一种基于自适应邻域测试的误匹配点对剔除算法。对特征点进行暴力匹配与高阈值的比率测试得到初始匹配点集,对初始匹配点对中的每个匹配特征点进行自适应邻域测试,测试出初始匹配点集中明显的误匹配点对并将之剔除,达到只剔除误匹配而不会误剔除正确匹配的效果。实验结果表明,在保证正确率不降低的前提下,该算法获取的匹配点对数量比原算法多3成以上,并且该算法对图像旋转、尺度缩放具有较好通用性。