基于最小最大圆度量的鲁棒模板匹配方法

为了解决强噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种鲁棒的图像匹配算法。在引进圆约束的条件下,对点点间距离给出了一种新的定义。在此基础上,对经典Hausdorff距离进行改进,提出了一种新的度量,即最小最大圆度量。以此度量作为景象匹配的相似性度量,并在搜索的过程中采用圆形窗,获得了一种鲁棒的图像匹配方法,即基于最小最大圆度量的鲁棒模板匹配方法。多组实验与分析表明,该算法可以有效地解决存在旋转、灰度对比度变化、噪声干扰、部分遮挡与强光饱和等变换与干扰存在下的景象匹配定位问题。     

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广     

基于局部特征和Mean Shift的目标跟踪算法研究

利用均值漂移进行目标跟踪的算法,在被跟踪目标出现旋转、尺度变化、噪声干扰等情况下,无法得到准确的跟踪结果。文中提出了基于当前流行目标跟踪算法和局部特征相结合的算法,基于局部特征-形状上下文(Shape Context)特征的Mean Shift目标跟踪算法。该算法首先提取目标的轮廓信息和特征,根据采样点之间位置和距离关系建立Shape Context直方图,最后所有点的Shape Context直方图构成了图像的Shape Context特征,最后根据Mean Shift算法进行跟踪。实验结果表明,该算法在跟踪目标出现尺度变化、旋转、噪声干扰和遮挡等情况下能够准确地跟踪物体,鲁棒性好。     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多,误匹配率较高,容易受噪声及灰度变化影响等问题.该文提出一种基于显著轮廓特征的SAR图像"由粗到精"的匹配新方法.该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果.试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配.     

基于动态形状的红外目标提取算法

提出了一种基于动态形状的红外目标提取新算法。首先提出基于先验知识的动态形状概念以描述形变的时空相关性,用logistic主成分分析(PCA)将形状映射到低维度的潜变量子空间,并对潜变量变化趋势的建立自回归模型,通过模型预测指导分割过程。然后在马尔可夫随机场(MRF)的框架下将先验形状约束定义为从分割结果到先验形状间轮廓变换的距离,并结合目标的检测似然度信息统一为随机场势函数,再用GraphCut获取全局最优解分割。试验表明,该算法能够适应目标的外形变化,并能在目标被部分遮挡或难以从背景区分的情况下准确提取,鲁棒性较好,能够为机器视觉应用提供中级视觉的信息。     

融合一致性与差异性约束的光场深度估计

光场图像深度估计是光场三维重建、目标检测、跟踪等应用中十分关键的技术.虽然光场图像的重聚焦特性为深度估计提供了非常有用的信息,但是在处理遮挡区域、边缘区域、噪声干扰等情况时,光场图像深度估计仍然存在很大的挑战.因此,提出了一种基于极平面图(Epipolar plane image,EPI)斜线像素一致性和极平面图区域差异性的深度估计算法用于解决遮挡和噪声问题.EPI斜线像素的一致性采用旋转线性算子(Spinning linear operator,SLO)的颜色熵度量,能够提高深度图边缘的准确性以及抗噪能力;EPI区域的差异性采用旋转平行四边形算子(Spinning parallelogram operator,SPO)的卡方x2度量,能够提高深度图深度渐变区域的准确性,并使用置信度加权的方法将两种度量进行融合,可以减少遮挡区域和噪声的干扰.另外,充分利用像素邻域的颜色相似性,使用引导保边滤波器和马尔科夫随机场(Markov random field,MRF)全局优化策略进行后处理,进一步减少深度图的边缘错误,得到遮挡边缘准确的深度图.在HCI光场数据集上进行了实验,并与经典光场深度估计算法进行了对比,结果表明该算法在主观质量和客观指标两方面都有明显提升.     

融合一致性与差异性约束的光场深度估计

光场图像深度估计是光场三维重建、目标检测、跟踪等应用中十分关键的技术.虽然光场图像的重聚焦特性为深度估计提供了非常有用的信息,但是在处理遮挡区域、边缘区域、噪声干扰等情况时,光场图像深度估计仍然存在很大的挑战.因此,提出了一种基于极平面图(Epipolar plane image,EPI)斜线像素一致性和极平面图区域差异性的深度估计算法用于解决遮挡和噪声问题.EPI斜线像素的一致性采用旋转线性算子(Spinning linear operator,SLO)的颜色熵度量,能够提高深度图边缘的准确性以及抗噪能力;EPI区域的差异性采用旋转平行四边形算子(Spinning parallelogram operator,SPO)的卡方x2度量,能够提高深度图深度渐变区域的准确性,并使用置信度加权的方法将两种度量进行融合,可以减少遮挡区域和噪声的干扰.另外,充分利用像素邻域的颜色相似性,使用引导保边滤波器和马尔科夫随机场(Markov random field,MRF)全局优化策略进行后处理,进一步减少深度图的边缘错误,得到遮挡边缘准确的深度图.在HCI光场数据集上进行了实验,并与经典光场深度估计算法进行了对比,结果表明该算法在主观质量和客观指标两方面都有明显提升.     

基于显著轮廓特征的SAR图像轮廓匹配新方法

在以星载SAR图像作为基准图、机载/弹载SAR图像作为实时图的匹配导航和精确制导研究中,传统基于点特征的匹配方法存在特征点数目过多, 误匹配率较高,容易受噪声及灰度变化影响等问题。该文提出一种基于显著轮廓特征的SAR图像“由粗到精”的匹配新方法。该方法在对SAR图像进行预处理的基础上,采用改进的模糊C均值聚类(FCM)的图像分割方法来提取闭合轮廓特征;采用归一化轮廓中心距离描述符进行双向匹配,获得强鲁棒性的粗匹配轮廓对;在粗匹配轮廓上采用改进的局部二值模式(LBP)算子得到精匹配结果。试验结果表明,该方法在图像旋转、空间变化以及噪声干扰较大的情况下,具有精确性高、鲁棒性强的优势,适宜遥感SAR图像匹配。     

基于分块形状特征的异源图像匹配方法

在基于特征的异源图像匹配中,由于成像原因导致的轮廓不完整会使得匹配难度增加。针对这一问题,提出了一种基于分块形状特征的匹配方法。首先从基准图和实时图中提取轮廓特征并对其进行分块,然后提取分块特征并归一化,最后采用加权相似性度量实现匹配定位。由于利用候选目标区域信息排除了虚警,进一步提高了匹配的正确性和鲁棒性。采用该方法对红外与可见光图像进行了测试。结果表明,本文方法具有较好的匹配性能。     

基于曲率距离的时间序列相似性搜索方法

针对几种时间序列相似性度量方法存在的序列元素值依赖性,对序列信息挖掘不充分等问题,该文提出一种新的时间序列分段、近似表示和相似性度量方法。在对序列信息和规律充分挖掘的基础上,对时间序列进行分段并建立了各分段的精确拟合模型,用分段的拟合曲线在各时刻处曲率组成的曲率序列对原时间序列进行近似表示,给出了时间序列的曲率距离定义。最后,提出了基于曲率距离的时间序列相似性搜索算法。该方法充分挖掘了序列信息,对时间序列的主要形态特征进行了有效保留和识别,经实验验证了该方法的有效性、稳定性和准确性。     

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。     

Detection and segmentation of generic shapes based on affinemodeling of energy in eigenspace

This paper presents a novel approach for detection and segmentation of man made generic shapes in cluttered images. The set of shapes to be detected are members of affine transformed versions of basic geometric shapes such as rectangles, circles etc. The shape set is represented by its vectorial edge map transformed over a wide range of affine parameters. We use vectorial boundary instead of regular boundary to improve the robustness to noise, background clutter and partial occlusion. Our approach consists of a detection stage and a verification stage. In the detection stage, we first derive the energy from the principal eigenvectors of the set. Next, an a posteriori probability map of energy distribution is computed from the projection of the edge map representation in a vectorial eigen-space. Local peaks of the posterior probability map are located and indicate candidate detections. We use energy/probability based detection since we find that the underlying distribution is not Gaussian and resembles a hypertoroid. In the verification stage, each candidate is verified using a fast search algorithm based on a novel representation in angle space and the corresponding pose information of the detected shape is obtained. The angular representation used in the verification stage yields better results than a Euclidean distance representation. Experiments are performed in various interfering distortions, and robust detection and segmentation are achieved.     

结合图像局部信息和Hausdorff距离的活动轮廓模型医学图像分割算法

本文提出了一种新的基于距离局部信息的活动轮廓摸型。该模型的能量函数将区域可扩展能量项(region scalable fitting, RSF)和Hausdorff距离项结合,其中RSF项在目标边缘附近起主导作用,用来吸引水平集函数曲线到达目标边界;而Hausdorff距离由于包含了局部区域的相似信息,可以提高分割方法的稳定性。在保证分割精度的情况下,相对于区域可伸缩拟合及局部巴氏距离的活动轮廓模型RSFB方法,本文方法具有更快的收敛速度和更好的参数选择鲁棒性,对于解决图像分割中的边界模糊和噪声问题效果显著。实验结果显示本文提出的方法在超声图像和不均匀图像的分割中都有非常好的效果,且计算量较小。      

基于相似度优化的混合式视觉跟踪方法

针对复杂环境下视频目标跟踪问题,提出一种基于相似度优化的混合式视觉跟踪方法。首先,采用局部余弦相似性度量目标和候选模板的相似性,有效抑制因遮挡、光照突变等情况引起的脉冲噪声,提升模板匹配精确度;其次,基于目标函数的二次规划方法推导了局部目标的判别权重,有效提升了算法对目标和背景的判别能力;最后,在系统更新过程中引入模板的判别式更新,有效改善了模型漂移问题。实验结果表明,本文方法较好地改善了复杂挑战性背景下的跟踪鲁棒性和精确度。     

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。     

融合先验形状知识的主动轮廓模型研究

融合先验形状知识的主动轮廓模型（HACM）能够解决目标存在遮挡、局部形变、相似变换等实际问题,广泛应用于图像分割、轮廓提取等领域。本文以主动轮廓模型（ACM）为基础,从先验形状知识的提取以及知识的融合方法两个方面,总结近年来ACM在融合先验形状知识的目标轮廓提取领域的一些最新研究成果。首先研究基于区域不变矩描述子、样条函数以及水平集的形状知识提取方法,用于提取刚体性、非刚体性目标样本集所包含的轮廓信息,该信息具有一定的泛化能力,即针对样本集以外的目标轮廓具备一定的表达能力。然后以单目标轮廓提取问题为研究对象,从距离函数的角度分析各种先验形状知识与原始轮廓模型的全局性融合方法,并介绍了一种基于标识函数的局部融合方法。局部融合方法可以解决单知识、多目标情况下的轮廓提取问题。最后对文中所介绍模型进行总结分析,对该领域的研究方向进行了展望。      

基于同底三角形面积描述的形状检索

为了在形状匹配的过程中提高形状特征对边界噪声和图像变形的鲁棒性,同时兼顾形状匹配算法的检索精度和运算效率,提出一种基于同底三角形面积的形状匹配方法.该方法首先计算每个轮廓采样点的同底三角形面积描述子,并对该描述子进行局部平滑,使其更加鲁棒.然后采用加权L1度量方法计算两个形状所有轮廓点的同底三角形描述子之间的距离,获得匹配代价矩阵.最后利用动态规划算法计算匹配代价矩阵的相似度,获得形状距离,实现形状匹配.通过在MPEG-7、Kimia以及铰接形状数据库上测试分析表明,该方法对变形目标具有良好的鲁棒性,且提高了运算效率和检索精度.     

基于轮廓分层描述的目标识别算法研究

有效的目标轮廓分段是描述目标局部特征的关键环节.针对现有轮廓描述算法存在轮廓分段不合理的问题,本文基于认知心理学,提出了分层描述的轮廓描述算法.算法思想是首先根据角点特征将整个轮廓划分成一些轮廓分段,接着对轮廓分段的分布特点提出价值尺度,然后将多级轮廓分段按照价值尺度原则合并得到有限个能够完整描述目标轮廓的特征分段,最后将特征分段综合考虑长度尺度应用到Shape Context相似度检测模型中进行目标识别.通过对MPEG-7图像数据库中的图像进行实验分析表明该算法能够完整描述目标图像的形状特征,提高了目标识别率和形状检索率,并对部分遮挡的目标也具有良好的鲁棒性.基本满足目标识别识别和形状检索对准确率、稳定性、抗遮挡能力等方面的要求.