基于融合特征的SURF配准算法

SURF算法是一种尺度不变、旋转不变且鲁棒性良好的配准算法,但其丢失了图像的颜色特征,因此对于彩色图像的配准效果不佳。为此,提出了一种基于融合特征的SURF配准算法。该算法首先利用彩色图像的颜色不变量和DLBP纹理特征构造融合特征灰度图,并提出了一种基于彩色图像颜色直方图的自适应方法来调节融合特征的权重;然后,利用SURF算法在融合特征灰度图上进行特征点的提取与匹配;最后,使用改进的RANSAC算法去除误匹配点。实验结果表明,对于彩色图像,此算法有效地增加了提取的特征点数,并加快了配准速率。     

A fast and fully automatic registration approach based on point features for multi-source remote-sensing images

Automatic registration of multi-source remote-sensing images is a difficult task as it must deal with the varying illuminations and resolutions of the images, different perspectives and the local deformations within the images. This paper proposes a fully automatic and fast non-rigid image registration technique that addresses those issues. The proposed technique performs a pre-registration process that coarsely aligns the input image to the reference image by automatically detecting their matching points by using the scale invariant feature transform (SIFT) method and an affine transformation model. Once the coarse registration is completed, it performs a fine-scale registration process based on a piecewise linear transformation technique using feature points that are detected by the Harris corner detector. The registration process firstly finds in succession, tie point pairs between the input and the reference image by detecting Harris corners and applying a cross-matching strategy based on a wavelet pyramid for a fast search speed. Tie point pairs with large errors are pruned by an error-checking step. The input image is then rectified by using triangulated irregular networks (TINs) to deal with irregular local deformations caused by the fluctuation of the terrain. For each triangular facet of the TIN, affine transformations are estimated and applied for rectification. Experiments with Quickbird, SPOT5, SPOT4, TM remote-sensing images of the Hangzhou area in China demonstrate the efficiency and the accuracy of the proposed technique for multi-source remote-sensing image registration.     

基于多源信息融合的水上桥梁目标识别算法

目前的算法基本上都是针对单一图像源进行目标识别,方法的复杂度一般较高,运行速度慢,不能满足实际应用的需求.基于多源信息融合的水上桥梁目标识别方法将图像融合技术和目标识别技术有效结合起来,提出了一种新的目标识别方法.该方法主要分为3步:感兴趣目标区域提取,可疑桥梁目标提取,去除虚假目标.该方法综合利用了多源图像信息具有互补作用的特点,可准确地识别出目标.此外,该方法运行速度很快,具有在大图像上搜查可能存在目标的能力.     

一种基于边缘特征的图像配准方法

采用一种基于边缘特征的图像配准方法,首先通过小波变换来提取图像的边缘,然后将人工选择的边缘点代入仿射变换模型,得到配准参数（每选择一组不同的边缘点,就会得到不同的配准参数）。在不同的配准参数条件下,计算两幅图像的交互方差。取交互方差最小时所对应的配准参数为最终的配准参数。最后再利用仿射变换模型对待配准图像进行平移、旋转、缩放得到最终的配准图像。     

基于多源遥感数据融合的土壤水分反演研究

土壤含水量作为地表的重要参量之一,对地球能量循环、水循环、碳循环及生态环境都有十分重要的意义。以南京市金川河流域为研究区,融合哨兵 2 号 L2A 数据和 Landsat 8 遥感数据 2 种数据源,分别采用偏最小二乘法(PLSR)、最小二乘-支持向量机(LS-SVM)、反向传播神经网络(BPNN)和随机森林(RF)4 种建模方法,建立遥感数据与土壤含水量之间的关系,并进行模型的验证与评价。结果表明：1)土壤含水量与哨兵 2 号和 Landsat 8 各波段反射率均呈负相关关系,和海岸带监测波段(波长为 430~450 nm)和近红外波段(波长为 2 100~2 300 nm)相关性最佳;2)融合后的遥感数据相较于单一遥感数据源,预测土壤含水量的能力更佳, 最优模型 R2 达 0.996,均方根误差仅为 0.003 g/g;3)4 种建模方法中,建模效果从好到差依次为 PLSR,RF, LS-SVM,BPNN。融合哨兵 2 号 L2A 和 Landsat 8 数据,结合 PLSR 建模方法可进行土壤含水量的精准反演, 相较于现有研究反演精度大大提升,对研究该地区地表与地下水循环和生态环境治理有一定参考价值。     

线性拟合联合参数法在图像配准中的应用

提出了一种基于仿透视函数模型和相机响应参数模型共同作用下图像配准算法。首先估算角点匹配以加强匹配精度和速度;由受约束条件控制的分段线性函数近似相机的非线性响应函数,建立起全局参数模型;应用最小二乘法,得到较为精确的参数初始值;最后应用迭代算法降低配准误差。实验结果表明,该算法很好地解决了曝光差异图像配准问题,提高了迭代速度和精确度。     

基于激光雷达多源数据融合的路障检测系统设计

车辆行驶模式的改变会导致道路障碍观测盲区的出现,如何在满足车辆运行安全的条件下,对道路障碍进行快速检测已经成为了一项亟待解决的问题;基于此引入激光雷达多源数据融合理论,设计路障检测系统;利用多源以太网接口电路,提供激光图像传感器、路障特征提取分类器、TVPS150PBS图像解码器所需的应用电子量,再借助可编程逻辑器件,对待融合多源数据进行整合,完成路障检测系统硬件设计;规划雷达工作模式的识别环境,利用多源异构传感器设备,对检测角点特征进行提取处理,整合上述所有数据信息,完成雷达脉冲组序列的建模处理,实现基于激光雷达多源数据融合路障检测系统的应用;实验结果表明,激光雷达多源数据融合原理支持下路障检测系统的PF指标最大数值与最小数值的差值为60 MHz;PR指标的差值为4800 MHz,PW指标的差值为700 MHz;以上指标表明所设计系统的观测盲区更小,可在满足车辆运行安全的条件下,实现对道路障碍的快速检测.     

融合特征的快速SURF配准算法

目的 针对基于SURF特征点的图像配准算法对颜色单一的彩色图像提取的特征点较少及配准时间复杂度高等问题,提出一种基于融合特征的快速SURF(speed up robust features)配准算法.方法 该算法首先提取图像的颜色不变量边缘特征和CS-LBP(central symmetry-local binary patterns)纹理特征形成融合特征灰度图,并利用颜色直方图的方差自适应调节融合特征间的权重.其次,在融合特征灰度图上提取SURF(speed up robust features)特征点及描述子.再次,用最近邻匹配法形成粗匹配对,结合改进的快速RANSAC(random sample consensus)算法得到精匹配对.最后,使用最小二乘法求出映射关系用于配准图像.结果 本文算法能够在融合特征上提取更稳定的SURF特征点,用该特征点进行配准能提高配准5％精度,且减少时间复杂度15％,实现了对普通场景下图像的快速配准.结论 本文算法能提取稳定数量的特征点,提高了精确度与鲁棒性,并通过改进的RANSAC算法提高了执行效率,降低了迭代次数.     

基于小波分析的多源图像融合去云技术研究

云干扰是遥感图像解译过程中常遇到的问题。在介绍几种常用于多传感器遥感图像去云方法的基础上,采用多分辨力小波分解的图像融合法来达到对影像的去云目的。仿真结果表明:这种方法对多源或多时相影像进行融合处理,能较好地完成云区或阴影区域的填充与更新,达到了去云的效果。     

基于多源异构数据融合的网络安全态势评估体系

针对基于单点网络数据很难准确地检测网络恶意活动且无法有效地分析网络状况的问题,本文通过引入多源异构数据融合策略,借鉴层次化网络分析思想,构建出包含流量探测模块、属性提炼模块、决策引擎模块、多源融合模块、态势评估模块等五大模块的网络安全态势评估体系。评估体系以BP神经网络为决策引擎分析各数据源的数据,使用指数加权D-S证据理论融合各决策引擎的输出结果,并基于层次化网络威胁评估方法评估网络威胁状况。实验结果表明:不同探测器探测到的数据对于识别不同类型攻击的优势不同;多源融合技术进一步将识别攻击类型的准确率提升到88.7%;层次化网络威胁评估方法能够有效地评估网络威胁状况。     

多任务运动想象脑电特征的融合分类研究

针对运动想象脑-机交互任务模式单一、识别精度低、实用性较差等问题,采用改进的共空间模式（CSP）的特征提取方法,并利用支持向量机（SVM）与CSP融合分类方法对多类任务运动想象脑电特征进行分类识别。首先,选择特定导联上的脑电信号进行小波分解与重构,去除冗余信息;其次,利用特征参数做差的方法,得到较为明显的脑电特征;最后,通过SVM融合CSP的分类模式,对脑电特征进行多任务分类。利用BCI竞赛数据,对左手,右手,舌和脚四类运动想象任务的脑电进行识别。结果表明：分类正确率最高达到90.9%,平均正确率为86.8%,Kappa系数为0.8867,信息传输速率可达0.68 bit/trial,能够有效的获得脑电特征并较好的实现多任务运动想象脑电识别。     

多特征融合的运动想象脑电特征提取方法

针对单一特征识别率低、自适应性差等问题,提出一种基于希尔伯特-黄变换（HHT）和共同空间模式（CSP）的特征提取方法HCHT。首先,对原始脑电信号（EEG）进行经验模态分解（EMD）得到固有模态函数（IMF）,并将IMF分量合并成新的信号矩阵;然后,对IMF进行希尔伯特谱分析,得到信号的时-频域特征;接着,对构造的信号矩阵进行进一步的CSP分解,将时-频域特征扩展成时-频-空域特征;最后,通过支持向量机（SVM）对特征集进行分类。在BCI Competition II数据集的实验表明,与HHT时-频域和CSP空域特征的方法相比,所提方法的识别准确率分别提高了7.5、10.3和9.2个百分点,且标准差更小。在智能轮椅平台进行在线实验的结果表明,HCHT能有效提高识别准确率和稳定性。     

多源测量信息融合的弱点动目标跟踪算法

在复杂背景下,为提高微弱点动目标跟踪系统的抗干扰能力,从不同信噪比的多红外图像序列出发,基于新的融合跟踪结构（增加局部处理器）,提出了一种模糊逻辑的多源信息测量融合跟踪算法：各局部处理器对原始测量进行恒虚警和自适应检测,将判决后的测量送入融合中心,融合中心对测量作模糊逻辑判决融合,转化为虚拟单序列测量,采用PDA卡尔曼滤波算法跟踪。实验结果分析表明,该融合跟踪算法与单序列相比,具有较高的跟踪精度、稳定性,避免了单图像序列跟丢。     

基于AF-SVR的城市快速路多源交通信息融合研究

针对单一检测器所得到的交通数据不能够全面准确地反映实际的交通状态,提出一种基于AF-SVR模型的城市快速路多源交通信息融合的方法。首先通过将相同路段中不同检测器的速度数据作为学习样本输入到支持向量机回归模型(Support Vector Regression,SVR)中进行训练。然后利用鱼群算法(Artificial Fish,AF)对支持向量机回归模型中的参数进行优化,获得最优的信息融合模型,用于多源交通信息的融合,输出为能准确反映真实交通状态的速度数据,并用人工采集的速度数据作为真值进行验证。最后将此方法应用于成都市三环快速路路段上的多源交通信息融合,取得了令人满意的结果。     

基于分层特征融合的行人分类

针对复杂环境中的行人检测问题,提出了一种有效的基于分层稀疏编码的图像表示方法。首先通过两层稀疏编码模型结合基于K-SVD的深度学习算法来获得图像的稀疏表示,对图像块及同一区域的高阶依赖关系进行了建模,形成一个有效的无监督特征学习方法;然后将得到的稀疏表示与SIFT描述符的稀疏表示进行特征融合,得到了更加全面、更加可判别的图像表示;最后结合SVM分类器应用于行人分类任务。实验结果表明,该行人分类方法对比同类方法在性能上有明显改善。     

基于纹理特征的图像自动配准方法研究

精确的图像配准是超分辨率重建取得成功的前提。为此,针对大多数图像配准算法存在精度低、抗噪声能力差等缺点,提出一种基于纹理特征的图像自动配准方法。首先用Canny边缘检测算子提取裂缝纹理图像,然后用Photoshop图层工具,通过对待配准帧关于参考帧作变换,得到空间几何变换参数,最后用Matlab编程实现待配准帧的缩放、旋转和平移。对配准后的酸蚀岩板裂缝图像,进行超分辨率重建,结果证明,该方法具有抗噪声能力强、配准精度高、易于编程实现等优点,取得了较好的效果。     

A matching algorithm based on linear features

A two step feature matching algorithm which is primarily aimed at problems related to the analysis of aerial images of man-made sites is presented. Only linear features and their geometric attributes are used in the algorithm. First, the rotation between the two images is calculated and then matching by relaxation is performed assuming that there is only translation.     

基于SIFT特征的异源遥感影像匹配方法研究

由于不同传感器、多时相、多分辨率、多波段的遥感图像的光谱特征、空间特征、纹理特征等存在较大差异,为影像匹配带来了困难。针对异源遥感影像成像机理的不同特点,从影像特征角度,引入尺度不变特征变换(Scale-Invariant-Feature-Transform,SIFT)方法,实现光学影像、SAR影像和多光谱影像间的匹配;针对SIFT单向匹配算法的不足,引入匹配约束,采用双向匹配策略对其优化,提高了匹配的可靠性。实验表明,该算法具有稳定、可靠、快速等特点,适用于存在光谱特征、空间特征、纹理特征等差异的异源遥感影像的高精度匹配。     

基于多模型融合的SAR图像目标轮廓提取方法

提出一种基于参数活动轮廓模型的多模型融合的合成孔径雷达SAR(Synthetic Aperture Radar)图像目标轮廓提取方法,即在活动轮廓模型Balloon中引入新兴统计分布模型G0分布、基于区域的统计活动轮廓模型和多边缘检测算子模型,获得了一种新的目标轮廓提取方法。基于MSTAR项目的真实SAR图像的实验结果表明,本文所提出的方法能准确地获得SAR图像目标轮廓,可用于执行实际的SAR图像轮廓提取任务,为后续的SAR图像自动识别和特征级图像融合等任务提供了较为优良的输入信息。     

基于SURF的抗重复特征干扰图像配准方法

针对基于加速鲁棒特征(SURF)的图像配准算法的配准精度易受重复特征干扰的影响这一问题,提出一种基于SURF的抗重复特征干扰的图像配准方法.使用SURF算法提取图像特征点;针对重复特征干扰,提出一种特征点分类匹配方法以取代传统的全局匹配,在不显著增加计算量的情况下有效的降低误配率;使用随机抽样一致(RANSAC)算法进一步筛除误配,并计算出图像转化矩阵以完成配准.实验结果表明,该方法能有效抑制实验图像中严重的重复特征干扰,并获得较高的配准精度.