基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

基于光流的景象匹配定位算法研究

在景象匹配定位过程中，实时图与参考图常常因为天气、季节不同等原因差别很大，这就造成匹配概率和匹配精度下降。为此，提出了一种基于光流的景象匹配定位算法，它利用光流估计实时图序列中2个相邻帧的相对运动，并根据上1帧的匹配结果确定当前帧图像和参考图的大致位置关系，进而在1个小范围内进行搜索，完成实时图的匹配定位。仿真结果表明该算法不仅具有很高的匹配概率，还具有较好的实时性。     

双目立体匹配算法的FPGA实现

针对区域匹配算法在灰度变化比较大区域精度不高的问题,提出一种改进的匹配算法.利用Sobel算子计算各像素点的梯度值,根据梯度幅度直方图获得自适应阈值,动态建立支持窗口.改进传统的Census变换,用窗口内所有像素均值代替中心像素进行Census变换,在左右图像中寻找最佳匹配点获得视差图.利用FPGA并行处理和硬件实现的优点,对大数据量实时地进行处理,提高运算效率.实验结果表明:改进的立体匹配算法和硬件结构能够获得精度较高的视差图,处理640×480的图像对只需32.4 ms.     

基于特征点相似度的匹配定位算法

前视定位系统中可能存在如视点、方位和距离等误差,导致在匹配时刻获取的实时目标场景与模板中目标不一致,从而影响目标定位的准确性.本文提出了一种基于特征点相似度的匹配定位算法,首先在图像的尺度空间上提取尺度不变特征点.然后根据描述子来进行相似度的判别,得到初始的匹配点集,然后利用极线约束,从而消除匹配错误的点.利用类似RANSAC方法估计场景中目标的变换参数,从而确定场景中目标所在的位置、尺度变化和旋转角度.实验结果验证了该算法的有效性和鲁棒性.     

非参数变换和改进动态规划的立体匹配算法

针对传统稠密立体匹配方法在非纹理区、深度不连续处和遮挡处存在错误匹配率过高的问题,提出一种基于非参数变换和改进动态规划相结合的立体匹配算法.采用稀疏非参数变换相关方法计算初始局部匹配代价,并利用行列双向约束动态规划算法对匹配代价进行全局优化,在获取初始视差后分别对原始图像每一像素点进行可信性与纹理性检测,最后利用视差平面拟合结果代替非纹理与非可信区域像素点的原始视差,得到稠密视差图.实验表明,该算法具有较高的鲁棒性与匹配精度,尤其在处理图像的非纹理区、深度不连续处和遮挡处,可获得精确的匹配结果.     

改进的立体像对稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种改进的立体像对稠密匹配算法。该算法首先利用区域增长技术找到图像中的纹理单一区域,然后将整个区域作为匹配基元以得到纹理单一区域的稠密视差图。相对于点基元,区域基元包含的信息更多,且在图像中不易重复出现,因此可以减少误匹配发生的几率。在国际标准测试图像上进行了实验,结果证明该算法的可行性与准确性。     

一种SAR图像与光学图像匹配算法研究

INS/SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了较高的实时性和准确性要求.针对以往直线匹配算法与角点匹配算法的缺陷,首先提取SAR实时图像与光学参考图像直线中的直线与角点特征,然后在干线对粗匹配的基础上利用精确的角点特征进行小参数变化下SAR图像与光学图像的精匹配.经实验验证,该方法实时性与匹配精度高,可较好的应用于INS/SAR组合导航系统的图像匹配中.     

确定区域的人脸彩色传递

在对整幅图像色彩传递算法的基础上,提出了确定区域的人脸彩色传递法。首先利用改进的主动形状模型(ASM)方法定位人脸特征点,进而利用区域生长法确定人脸区域。在将参考图像和目标图像(彩色或灰度图)转换到去相关的对立色空间(lαβ颜色空间)后,对于彩色目标图像,分别调整肤色区域图各通道的均值和标准差;对于灰度目标图像,用亮度邻域统计量匹配的方法在参考图像中选取匹配点,并将匹配点的颜色赋值给目标图像中的对应点。最后,把传递结果转换到RGB颜色空间显示。实验结果表明,该方法能有效传递肤色,形成自然逼真的彩色人脸图像。     

自适应窗口和半全局立体匹配算法研究

针对区域立体匹配算法中匹配窗口的选择和在图像中视差不连续、弱纹理区域误匹配率较高的难题,提出了一种自适应窗口和半全局算法相结合的立体匹配算法.该算法先通过基于灰度的自适应窗口算法计算初始匹配代价,然后利用相邻像素之间的视差梯度作为约束,采用半全局立体匹配算法以得出视差图.最后对左右视差图进行左右一致性遮挡检测,获得精确的稠密视差图.针对不同的图像信息采用自适应窗口和半全局算法相结合的立体匹配算法,剔除、修正了视差不连续、弱纹理区域的误匹配点,得到匹配效果较好的视差图.实验结果表明:该算法有效降低了视差图在视差不连续、弱纹理区域和遮挡处的误匹配率.     

基于多摄像机的矿井危险区域目标匹配算法

为了解决多摄像机下矿井危险区域目标行为检测失效的问题,提出基于目标区域的配准算法.采用Lucas-Kanade光流法和基于块的背景运动补偿分别实现静态和复杂背景下的目标区域分割;用DOG对目标区域做尺度空间极值检测获得特征点对,并用主成分分析和尺度不变特征变换(PCA-SIFT)描述子作特征区域描述,在定义的目标区域匹配准则下,通过目标区域匹配度量比较实现匹配并通过基本矩阵约束消除误配区域.结果表明:该算法能够快速有效的实现矿井危险区域(低照度、目标类型复杂)下多摄像机运动目标匹配;与全图做PCA-SIFT匹配算法比较,计算复杂度降低71%～72%.     

根据灰度子图评价图像质量

图像质量评价研究是图像信息科学的基础研究之一．本文提出了一种基于灰度区域搜索、对比的评价方法．将图像视为由不同灰度区域组成的画面,寻找原图像每个灰度子图的失真,进而评价整幅图像的质量退化．仿真实验表明了该算法的有效性．     

用Harris-Laplace特征进行遥感图像配准

为克服图像在旋转及分辨率不一致时自动配准的困难,提出了一种新的自动配准方法:包括新的尺度空间投影算法和新的特征匹配算法。基于Harris-Laplace(H-L)特征的尺度不变性,新的尺度空间投影法运用H-L方法提取图像特征,然后将特征空间建立在依据特征点主方向的图像投影信息上,使得特征空间具有对图像旋转和分辨率大小不变的特性。新的特征匹配法则采用特征空间k-d树欧氏距离匹配和RANSAC一致性位置检验相结合的方法,实现了高效率无差错的特征匹配。通过比较分析与实验证明,该自动配准方法能够对不同分辨率、不同旋转角度的图像精确地实现自动配准。     

基于信息熵度量的高斯尺度空间角点检测算法

图像的多尺度表示是指从原始图像出发,导出一系列越来越平滑、简化的图像,这种简化意味着图像信息的丢失。图像角点是图像的一个重要的局部特征,本文结合尺度空间理论,实现了多尺度下Harris角点检测,并利用信息熵计算每一尺度下图像的信息量,信息熵是衡量不同尺度下图像信息的可靠方法。通过实验对提取出的特征点进行攻击,证明了这些点具有很好的鲁棒性,与单尺度Harris角点检测相比,该特征点具有更高的重复率,即尺度不变性。     

使用兴趣点局部分布特征及多示例学习的图像检索方法

提出了一种基于兴趣点的图像检索新方法.在尺度空间中检测兴趣点,依据兴趣点的分布将图像划分成一系列等面积的扇形子区域并提取图像特征.该特征既反映了兴趣点的局部特性,又考虑了兴趣点的空间分布结构,同时对图像旋转、缩放和平移具有不变性.在相关反馈阶段,将图像看作是由各子区域内兴趣点局部特征构成的多示例包,根据用户选择的实例图像生成正包和反包,采用多示例学习算法获得体现图像语义的目标概念.本方法缩小了用户查询中的歧义性,在Corel图像库中进行的实验表明,与其他基于兴趣点的图像检索方法相比,平均检索准确率提高7%以上,可以更准确地查找到用户所需图像.     

小波变换的多尺度方法在边缘检测中的应用

提出了一种基于小波变换的多尺度边缘算法,与传统的Guass尺度空间算法相比,本算法具有定位准确计算量小的优点,并可利用多尺度空间信息,识别边缘的特性,作为一个例子,本文给出了一个实验。     

基于面积和结构特征的水表图像二步分割方法

针对在水表图像中对指针进行分割提取这一问题,提出了一种基于面积和结构特征的水表图像二步分割方法;介绍了该分割方法的思路和分割过程;详细阐述了构成该分割方法的基于结构和灰度特征的哈夫变换分割算法和基于面积特征的阈值分割算法。通过实例,给出了采用该分割方法对水表图像进行分割的效果。     

基于Riesz变换的图像边缘检测

针对传统边缘检测算法易受光线变化影响的问题,提出一种基于Riesz变换空间下的相位一致性边缘检测方法。用Riesz变换替代Hilbert变换对图像进行处理,通过Riesz变换的不同尺度因子构造计算相位一致性所需要的变换空间,根据相位一致性计算方法在新的Riesz变换空间获得特征图像;使用非极大值抑制检测出图像边缘信息;与传统相位一致特征提取方法、2DLog-Gabor变换以及Canny边缘提取算法对比实验。仿真实验结果说明,该边缘检测方法在不均匀关照条件下可用于图像的边缘特征提取,相比在Hilbert变换空间下的相位一致特征提取方法运算速度快,算法可行有效。     

分形理论在植物根系图像放大中的应用

针对植物根系图像的分析处理需要,运用分形理论,提出了一种基于分形特征提取,对数字图像进行放大的方法,介绍了该方法的原理和实现算法.其基本思想是通过分形理论提取图像的特征信息,用迭代函数系统近似表示原图像,在不同尺度的图像空间迭代重建图像以实现放大.这种方法简单方便,可以实现非整数倍的放大,放大图像主观效果较好,在植物根系图像处理中进行了应用.     

空间目标序列图像识别技术

针对远距/近距空间目标成像的特点,提出一种基于序列图像的多尺度自动目标识别(ATR)方案.该方案综合利用目标的尺度变化、姿态变化及图像特征信息,分别构建多尺度目标分类器、姿态判别器,并估计目标识别结果可信度、相邻帧姿态变化的权重以及目标尺度权重;根据当前帧和上一帧的识别结果,进行目标类别的融合判别.对STK产生的10类仿真空间目标进行测试,试验结果表明:对远距空间目标,由于目标像素少,仅用单帧图像的识别率低,合理利用目标序列图像包含的信息,可有效提高目标识别率.     

数据压缩在人脸识别中的应用

提出一种基于DCT正变换和小波变换按照灰度值近似压缩的一种图像信息压缩方法和图像复原方法,对人脸识别中的图像进行数据压缩处理后进行归一化,并根据归一化向量的特征值所对应的特征矩阵存储图像,将位图存储过程变换为数据文件的存储,节约了存储空间.最后用Lucy-Richardson算法对压缩后的图像进行了恢复,以测试压缩过程中对图像冗余信息的删除是否有效,测试结果表明该方法对人脸识别中图像进行数据压缩是有效的,并且达到了人脸识别对图像精度的要求.