基于仿射变换模型的图像配准中的平移、旋转和缩放

文中讨论了二维仿射变换的平移、旋转和缩放等特性。对可见光波段和红外波段图像采用基于特征的配准,以边界作为特征进行相关运算,求出边界对应位置的关系,建立仿射变换 模型,按照最大相关原则自适应确定最佳配准参数k、θ、△x和△y,能够实现图像的自动配准。并利用实际可见光与红外图像给出了运用仿射变换模型的实验结果,表明该模型可有效解决图像配准中的平移、旋转和缩放。     

基于兴趣点检测和仿射变换模型的序列图像拼接

针对序列图像的拼接问题,提出了一种基于兴趣点检测和仿射变换模型的图像配准算法,利用Harris算子检测兴趣点,并引入灰度交叉匹配和兴趣点坐标离散度两级约束策略确定同名兴趣点,通过在图像间建立仿射变换模型实现图像的配准;提出了一种自适应加权归一化函数对拼接图像进行处理,消除由于图像间灰度差异而导致的拼接缝。实验结果表明算法具有较高的配准精度和良好的像素融合效果。     

利用仿射变换和互相关法的航侦图像快速拼接

根据某型航空侦察CCD相机的工作原理,提出了一种适用于该相机图像的快速拼接方法.首先运用相机工作参数估计相连图像间仿射变换模型参数,进而初步确定图像重叠区域;然后在估计的重叠区域内采用互相关配准方法精确估计配准参数;最后采用双线性插值方法对图像重叠区域进行融合.实际运行结果表明,该方法不仅能有效减少图像拼接时间,降低图...     

基于信息融合的目标图像跟踪

本文通过将图像相关算法和卡尔曼滤波器之间的信息进行融合，得到一种新的目标图像跟踪算法，并对该算法的估值性能进行了深入分析，理论计算和仿真结果表明，该算法较常规相关算法具有更好的鲁棒性和跟踪性能。     

基于归一化图像的抗仿射变换攻击的水印算法

对于鲁棒的数字图像水印技术来说,仿射变换是最难对付的一种攻击。将水印嵌入到基于几何矩的归一化图像中是一种抵抗仿射攻击的方法,但由于原始图像的归一化图像和遭受了仿射攻击后的归一化图像在尺寸上不相同,这就使得嵌入和提取水印很难实现同步。本文提出了一种基于归一化图像的数字水印算法,选择归一化图像中的某个参数作为水印,嵌入水印的过程就是在原始图像的基础上叠加一个原始图像的非线性变换,使得其归一化图像的该参数处于预定的变化范围之中。实验证明此算法对于大多数StirMark攻击来说都是鲁棒的。     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

红外图像实时跟踪系统

系统组成及工作原理 实时红外图像自动跟踪系统,对红外成像传感器获取的地面场景图像数据中指定目标区域进行实时自动跟踪,实时解算出目标在图像场景中的精确位置,并输出目标偏离系统视轴的方位,通过伺服控制回路,驱动稳定平台跟踪目标.同时,图像跟踪系统接受来自外部控制系统的控制命令和数据,并按总体通讯协议要求向外部控制系统回送跟踪系统的状态、图像数据和系统关键参数.     

基于Camera Link接口的图像跟踪系统的设计与实现

为了提高图像跟踪对小目标的跟踪精度,采用高帧频和高分辨率的数字相机作为输入。系统采用以DSP和FPGA以及大容量缓存的硬件架构,通过FPGA的逻辑编程灵活调配系统的资源,将图像采集、图像预处理、图像跟踪、图像显示等功能合理分配至各个硬件单元。经实验验证,各个功能单元达到预期效果。这里介绍的基于Carema Link接口的图像跟踪系统,其显著特点在于图像处理能力强,跟踪精度高。     

基于模型互更新的多模图像融合跟踪算法

针对复杂环境下引起的目标失跟问题,提出了一种基于模型互更新的可见光与红外图像融合跟踪算法。基于把视觉跟踪问题视为“中心-周围”分类的思想,首先从可见光与红外图像中分别提取目标及周围像素点的特征,然后采用Boosting算法训练得到跟踪模型。基于分类结果计算像素点的置信度,采用决策级融合方法得到似然图像,通过均值漂移算法估计目标位置。最后在Co-Training框架下结合目标跟踪结果进行模型的互更新。实验结果表明,该算法提高了跟踪的鲁棒性,有效利用了多模图像的信息。     

基于粒子滤波框架联合仿射和外貌模型的目标跟踪

针对视频序列中目标的跟踪问题,提出了一种基于粒子滤波框架的联合仿射和外貌模型的目标跟踪算法.该算法首先提取图像帧之间的相关特征点,通过求解Sylvester方程得到仿射参数,然后将仿射参数嵌入到基于仿射群的粒子滤波框架中进行平滑估计.利用基于仿射群的一阶自回归过程模拟状态的变化,联合仿射特征点模型和外貌模型进行似然估计,得到粒子的最佳平均状态,进而对目标实施跟踪.实验结果表明,在目标经历姿势和尺度变化、遮挡以及复杂背景等情况下,提出的算法能够有效地跟踪目标,较之其他相关算法具有很强的鲁棒性.     

基于K-L变换的两传感器图像自动配准

基于合成孔径雷达(SAR)图像和光学图像间的变形可用仿射变换来近似,提出了一种SAR图像和光学图像自动配准的方案.对分割后的图像进行K-L变换得到两幅图像的主分量与坐标轴之间的关系,从而得出两幅图像的角度关系,接着,利用旋转后图像的横纵象素范围的比值和前景重心偏移值得到仿射变换的缩放和平移参数,最后再利用二值图像相关对仿射变换的结果图像进行精配,从而实现较高精度的图像配准.实验结果表明,在满足精度要求的情况下,本方法可以自动完成具有明显方向性和较大前景目标图像的配准任务.     

基于图像融合的双波段目标跟踪算法研究

针对红外和可见光图像各自的特点以及单一传感器在目标跟踪中的缺陷,提出了基于双波段融合图像的目标跟踪算法。该方法对原始图像进行小波分解后,为了满足目标跟踪的稳定性及实时性,重点考虑目标跟踪时需要的边缘等细节信息,采用对低频系数取零,高频系数基于小波系数绝对值取大的融合方法,然后对融合后的图像采用基于Mean shift算法进行目标跟踪。实验结果表明,此算法可以稳定并且实时跟踪目标,通过对单波段采用相同的跟踪算法进行比较,算法在性能上优于单波段的目标跟踪。     

基于仿射和复合混沌的图像自适应加密算法

基于有限整数域上的三维仿射变换和复合混沌,提出了一种新的数字图像加密算法,先置乱图像中像素的位置并根据像素坐标混合像素值,然后依次进行非线性的扩散、代换、再扩散,代换时用图像数据扰动耦合的多个混沌系统以进行自适应加密.算法如此迭代3轮,可有效地抵御选择明文攻击;密钥空间巨大,可抵御穷举攻击.其中的置乱操作可以直接作用于任意宽高比的图像,不需要进行预处理.构造的混沌系统形式简单,符合模块化设计思想,易于并行实现.     

抵抗仿射变换攻击的多比特图像水印

目前,大多数鲁棒图像水印所面临的最大问题就是几何攻击,而几何攻击又以仿射变换为主,攻击者只需对目标图像做轻微的几何形变就可以使嵌入其中的水印信息失效。本文在Ping Dong等人提出的基于图像归一化方法的抵抗任意仿射交换攻击的鲁棒数字水印的基础上,改进了原有的归一化方法,去掉了归一化过程中的约束条件,简化了归一化的过程。并且在此基础上提出一种新的水印嵌入方案,克服了文献[1]中水印方案水印不可见性较差的问题。实验证明,本文提出的方案对仿射变换攻击具有很好的鲁棒性,嵌入的水印容量较大且水印图像的质量较高。     

基于概率图模型目标建模的视觉跟踪算法

提出了一种视觉跟踪任务中基于局部特征和概率图模型的目标建模方法,将目标表示为一组具有仿射不变性的区域特征,并通过概率图模型描述特征之间的空间约束关系。在目标跟踪过程中,首先在空域上利用信任传播算法,推断概率图模型中各个特征的状态,然后根据推断的结果设计改进的重要性采样函数,采用粒子滤波算法在时间域上对目标进行跟踪。为了适应目标在运动中的变化,模型根据特征的稳定程度自适应地进行更新。实验结果表明,该方法具有较强的鲁棒性,能够有效实现复杂场景下的目标跟踪。     

光电目标图像自动跟踪技术研究

概括介绍了相关跟踪、特征跟踪和对比度跟踪等技术,根据各种复杂环境下的算法适应性的需要,提出了一种改进的相关跟踪算法,即对图像进行粗采样预处理,降低匹配图像的分辨率,再进行图像归一化分区域相关匹配算法.实验证明,此方法有效地提高了算法的适应性.     

上下文感知相关滤波的红外目标跟踪改进算法

针对在目标跟踪过程中由于红外目标遮挡、快速运动而导致的跟踪失败问题,提出了一种基于上下文感知的相关滤波跟踪算法,在引入目标背景信息的同时改进其算法的更新策略。在训练阶段引入上下文信息,使得相关滤波器具有更好的鉴别性,以应对跟踪过程中出现的快速运动、运动模糊以及遮挡等情况。在模型更新阶段引入一种高置信度模型更新策略,解决了在模型更新过程中由于目标严重遮挡造成的目标丢失或模型污染问题,提升了算法的性能。实验结果表明,与其他相关滤波类算法相比,所提出的算法在精确度和成功率方面分别提升了6.4 %和5.1 %,同时能以较快的速度运行,满足实时性的要求。     

Shearlet变换域自适应图像去噪算法

首先采用Haar小波滤波器,设计出一种数字Shearlet变换算法。然后对Shearlet系数间的相关性进行统计分析,提出了一种尺度相关的自适应阈值收缩图像去噪算法。最后选用峰值信噪比和视觉质量为评价标准,实验验证算法的去噪性能。结果表明,本文算法获得更高的峰值信噪比,更好地保留了图像的细节信息。     

一种基于视觉的图像变形方法与实现

提出一种基于视觉的图像变形算法,根据深度信息将图像进行变形处理后,能够模拟该图在新视角下显示效果,从而减少由于用户视角位置变化而需要刷新重传的数据。实验结果表明,当用户在小范围内改变视角时,图像可自动根据约束关系移动和缩放,从而实现模拟的用户视觉效果,减少传输数据量,适应较低的传输带宽下的情况。