一种基于边界搜索策略的匹配算法

基于灰度相关的图像匹配法,因匹配概率高而广泛应用于各个领域,但传统灰度相关算法的搜索策略是遍历性的,匹配速度较慢.为提高图像匹配速度,本文提出了一种基于边界搜索策略和矢量关系的匹配算法.该算法从矢量关系的角度,分析图像间差异.采用高维空间矢量表征图像所含信息,通过计算矢量之间的角度衡量待匹配区与模板的相关性.实验验证了采用的矢量角度作为图像间关系的测度的合理性和准确性,表明了该算法的图像匹配具有快速性和较高的准确性.     

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。     

图像匹配中的性能优化

图像匹配是计算机视觉和图像处理领域中一项非常重要工作。提高图像匹配的速度和匹配的结果精度是图像匹配研究要达到的最终目的。该文针对图像匹配方法进行了研究。主要研究了两类图像匹配算法:直接基于图像灰度信息的算法和基于图像特征的匹配算法。对传统的图像匹配理论中的常用的图像匹配技术和方法做一个归纳介绍,对具有代表性的算法进行了分析评价,归纳出一种图像匹配的改进策略。依据信息论的原理,发现图像模板匹配中存在着信息冗余,通过去除冗余信息,利用比较少的可利用点对进行匹配。先对要匹配的模板图像做个条件的判断,对满足条件判断的模板图像先选出信息含量大的行或列,然后在该行或行上进行匹配,这种算法的优点是特征序列的提取简单快速。它继承了特征提取的特点,同时也改进的传统模板匹配算法。实验结果表明,这种算法大大减少了冗余点之间的计算,从而加快了图像匹配的效率,同时匹配的精度也保持相对稳定。     

基于差分矩阵的KMP图像快速匹配算法

针对KMP图像匹配方法应用于带噪声或子图与模板灰度非一致时的图像匹配中存在效率较低,匹配成功率很低的问题,提出了一种基于差分二值矩阵的KMP图像快速匹配算法。该算法先对图像矩阵进行差分求值,利用二值矩阵再进行KMP图像行匹配的方法搜索可能的匹配位置,比较这些位置的整个图像的匹配情况,从中筛选出正确的匹配位置。同时,在行匹配过程中通过记录开始的匹配位置来减少搜索空间,提高效率。实验表明,该方法有效提高了匹配速度,保证了匹配正确率。     

图像快速匹配算法研究及DSP实现

图像匹配问题是图像处理中的一个经典问题,在计算机视觉、模式识别和医学图像处理等方面有着广泛的应用.提出了一种新的快速图像匹配方案:采取物理分层和逻辑分层结合的手段改进图像匹配算法.物理分层对图像进行多分辨率分解,把图像按金字塔从低到高的样式分解成一组分辨率由大到小的图像层.逻辑分层在匹配步骤上分为粗精两步,第一步采用快速但匹配精度较低的图像匹配算法取得图像的粗匹配点,第二步采用速度较慢但匹配精度高的算法获得精匹配点.试验结果表明,改进后的匹配算法能很好地满足匹配实际应用中的实时性问题,且能适应匹配对象受一定噪声点干扰、局部整体光照变化以及复杂背景干扰等情况.     

一种结合SIFT和对应尺度LTP综合特征的图像匹配算法

由于SIFT特征是一种性能良好的局部特征,常被广泛应用于图像匹配,但SIFT特征点有128维描述符,所以具有匹配复杂度高和计算量大等缺点。为了提高图像匹配效率,研究了一种新的图像匹配方法。该方法通过构建尺度空间、检测极值点、确定关键点等步骤生成SIFT关键特征点;然后利用特征点周围邻域点的旋转不变LTP特征和相对灰度直方图来描述,替代传统SIFT特征点的128维描述,图像匹配过程中使用街区距离代替欧氏距离;最后利用光照变化、模糊变化、尺度和旋转综合变化三组图像进行算法仿真匹配实验。实验结果表明,本算法在图像尺度、旋转、光照变化条件下具有更高的匹配精确度,并且有效地提高了图像的匹配速度。     

一种新的基于灰度的图像匹配方法

传统的基于灰度的图像匹配方法，不能处理多传感器图像间的匹配，基于特征的方法往往又比较繁琐。该文为了满足图像匹配计算量小，适用性强的要求，提出了基于灰度的MVGA（Mutual Variance combined with Genetic Arithmetic）法。我们采用了遗传算法的思想和结构，选择交互方差作为算法的适应度函数，并对算法各个过程优化，从搜索空间上最大地降低复杂度。新算法是一种基于灰度的方法，不需要提取特征就可以完成多传感器图像之间的匹配，结合采取了有效的优化策略．使算法具有较高的匹配速度。实验验证了该算法的有效性。     

基于线性变换模型的图像匹配

针对图像的平移、旋转、尺度变换等整体匹配,提出了一种图像线性变换的匹配算法.首先定义待匹配图像匹配点间的线性变换模型,以对应像素灰度差平方和作为图像匹配误差函数,然后借助最小化误差函数确定参数迭代增量,由迭代法求得最佳线性变换参数.为减少计算量与提高收敛速度提出了三种改进策略:增加权函数、图像网格点采样和增加加速动量项.实验显示对于小范围平移、旋转及尺度变换的图像能进行准确快速的整体匹配,而改进策略能有效提高图像匹配速度.     

一种图像高精度匹配方法

针对传统图像匹配精度不高、速度较慢的情况,为提高速度抑制噪声,提出一种高精度图像匹配方法。利用Harris提取角点进行灰度相关匹配找到粗匹配点,再利用Ransac算法得到较高精度匹配点,根据得到的匹配点求出基础矩阵。最后利用基础矩阵得到极线约束对Ransac得到的较高精度匹配点去除极少数误匹配点解算基础矩阵,利用第二次解算的基础矩阵求出高精度极线方程,并利用极线方程对Harris角点进行一维搜索匹配,找到高精度匹配点,进行仿真实验。反复实验表明,方法精度高、速度快,是一种实用的高精度图像匹配方法。     

基于仿射不变闭合区域和SURF的图像匹配算法

针对现有基于自然特征的增强现实系统中图像匹配准确度低、计算量大和鲁棒性差的问题, 提出了一种基于仿射不变闭合区域和SURF(speeded-up robust features)的图像匹配方法。对输入的图像首先利用灰度直方图均衡进行图像增强得到二值化的图像, 提取图像中的闭合区域作为图像的仿射不变区域, 然后运用SURF检测算法提取闭合区域的图像特征描述, 最后使用SURF双向匹配算法实现图像的匹配。实验结果表明, 图像匹配的准确度有很大程度的提升, 同时计算耗时更少; 提出的方法能够满足增强现实系统的要求。     

基于序列图像匹配算法的匹配概率估计

建立了匹配仿真试验的贝努里(Bernoulli)统计模型,根据数字特征法,估计了基于序列图像匹配算法的匹配概率计算公式,证明了该模型的无偏性,并进行了精度分析。并给出了成功匹配的概率分布模型,定义了序列图像匹配算法的匹配概率,通过实例分析了序列图像匹配算法的匹配概率、图像序列数、单幅匹配概率之间的定量关系,为实际图像匹配系统算法、序列数目的选择提供了重要的理论决策依据。     

基于特征匹配的集装箱识别与定位技术研究

集装箱识别与定位是实现港口自动化的关键技术之一。模板匹配是一种较常用的 图像识别方法,但传统的模板匹配算法仅基于像素的灰度信息进行对比匹配,当外部环境稍有 变化时,算法的鲁棒性会大幅下降,且存在匹配效率不高,适应性不强等问题。提出基于目标 颜色模板预定位与变步长图像块匹配分割相结合的算法,将具有形状不变性的特征向量作为集 装箱实时识别与定位的重要依据,实验结果显示该识别方法能有效提高图像分割效率,同时对 目标平移、旋转、尺度变化具有适应性。     

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.     

基于万有信息定律的图像阈值分割方法

提出基于万有信息定律的图像阈值分割方法。针对熵阈值法仅利用图像灰度概率信息，导致它对有些图像的分割无效，该文从万有引力定律中得到启发，提出信息场中万有信息定律，将其用于图像分割的最佳阈值选取。实验结果表明，该方法是可行的，且对有些图像的分割效果要好于传统的Kapur熵方法。     

基于灰度权重NMI的快速图像匹配

结合灰度匹配和特征匹配的优点,提出基于灰度权重NMI的一种复合图像匹配新方法,定义了灰度权重的概念,使其既能在特征匹配中增强NMI特征提取的质量,又能在灰度匹配时减少相关的运算量,提高了匹配的速度和质量。     

一种改进的全视角人脸纹理图像生成方法

传统的全视角人脸纹理图像生成方法计算量大、鲁棒性差,不能很好地解决配准和接缝问题。为此,提出一种改进方法。对待拼接的人脸图像进行归一化处理,利用基于列特征向量的灰度值匹配算法实现图像的精确匹配,使用双重融合算法处理重叠区域,使图像平滑过渡。实验结果表明,该方法匹配速度较快、鲁棒性较强,能有效消除误匹配。     

基于实时地形校正的InSAR图像匹配算法

针对侧视雷达/可见光图像匹配制导系统中由于雷达图像地形畸变引起的误匹配问题,提出了一种基于干涉合成孔径雷达（InSAR）的实时地形校正图像匹配算法。该算法以侧视雷达成像几何构象为基础,利用InSAR获取的实时地形数据对获取的SAR景象数据进行实时几何校正,生成无畸变的SAR景象数据,然后利用校正后的SAR景象数据与提前安装的可见光基准数据进行基于去均值归一化互相关模板的图像匹配。实验结果表明,通过实时地形校正,该景象匹配算法在复杂地形区域的匹配概率和匹配精度都大大优于传统SAR景象匹配算法,有效地提高了SAR图像匹配制导技术的适用性。     

一种新的提高雷达景象匹配可靠性的方法研究

从图像特性的角度,研究了匹配实时图对比度变化对雷达景象匹配可靠性的影响,并根据匹配过程中的特点,从理论上推导出了对比度和相关系数的定量关系,通过大量实践表明,提高实时图的对比度可以提高雷达景象匹配的可靠性,通过对比度来增强匹配可靠性是一种行之有效的方法.     

基于二维Gabor小波变换的角点匹配算法

图像配准研究的核心问题在于提高配准的速度和精度,而图像配准的结果主要取决于特征的匹配精度。为了提高特征匹配精度,本文提出了一种基于二维Gabor小波变换的角点匹配算法。该算法首先采用改进的Harris角点检测方法提取角点,得到角点位置的坐标,利用多个二维Gabor小波模板对参考图像和待配准图像进行滤波,从滤波图像中提取角点坐标处的复Gabor小波系数,并以此作为角点的特征描述,然后引入两种相似性度量因子对角点进行匹配。通过对不同图像进行大量的实验,该算法在选择合适的参数,同时采用最长公共子序列度量因子的情况下,能成功提取较多的同名点对,并且能够取得较高的匹配率。