基于多尺度结构特征的快速异源图像匹配

针对异源图像提出一种基于多尺度密集结构特征的快速匹配算法.算法首先利用Gabor滤波器逐像素提取图像中的结构响应,再根据主方向响应对多尺度结构特征融合,然后使用快速傅里叶变换在频域计算各特征分量图像之间的卷积,最后将卷积生成的系数矩阵求和计算出图像之间的相似性并选择相似性最大位置作为匹配结果输出.本文算法能有效适应异源图像间的非线性灰度变化和噪声干扰问题.测试使用可见光、红外、雷达图像组成的异源图像数据集对本文算法和现有算法进行测试比较,结果表明:本文算法的平均误匹配率最低,并且计算速度有明显优势.     

基于图割的图像匹配算法

用标号表示视差,建立能量函数,把匹配问题转化为能量函数最小化问题;通过构造网络,使能量与网络的割的容量相联系;利用图的网络流理论给出能量函数的最小化,从而获得图像匹配的视差数据.与目前已有基于图割的匹配算法相比,本算法将标号从1维向量推广到2维向量,适用于更一般情形下的视觉匹配,并且在全局上获得能量函数最小.实验结果表明,所提的匹配算法准确率较高.     

基于视觉的空间粒子弱刚性运动约束

在对流场进行的激光测量中,针对运动粒子在具有一定体积的流场中透视成像后易出现的运动重叠问题,研究了粒子图像测速（PIV,particle image velodmetry）技术中近邻粒子的弱刚性运动,提出了应用于PIV系统中的空间粒子运动测量的约束条件（MPMC,movable particle measurement constraint）,并给出其数学表达式。该约束条件基于PIV的近邻性准则并以邻近的粒子团作为匹配对象,利用视平面内相同运动的特征直线具有公共点的性质对前后两帧图像中的粒子进行运动检测。最后,通过仿真实验证明该方法的有效性。     

基于点云极化表征与孪生网络的智能车定位

基于3维激光雷达 (LiDAR) 的智能车定位在地图存储空间与匹配效率、准确率等方面仍存在诸多问题。该文提出一种轻量级点云极化地图构建方法：采用多通道图像模型对3维点云进行编码生成点云极化图,利用孪生网络结构提取并训练点云极化指纹,结合轨迹位姿信息构建点云极化地图。还提出一种基于点云极化地图匹配的智能车定位方法：采用孪生网络对查询指纹与地图指纹进行相似度建模实现快速的地图粗匹配,采用基于2阶隐马尔可夫模型 (HMM2) 的地图序列精确匹配方法获取最近的地图节点,通过点云配准计算车辆位姿。使用实地数据集和公开的KITTI数据集进行测试。实验结果表明,地图匹配准确率高于96%,定位平均误差约为30 cm,并对不同类型的LiDAR传感器与不同的场景具有较好的鲁棒性。     

基于sMLD特征的远红外航空图像配准算法

航空场景下的远红外图像迫切需要准确、鲁棒、快速的特征描述与自动配准方法。由于已有的多重线型描述符MLD特征存在“特征孤岛”和“尺度变换受限”的问题,因此针对远红外航空图像的配准问题,文章提出了一种聚合特征点以及线型描述符分段统计的特征描述方式,即sMLD特征。结合sMLD特征相互连接构成网状拓扑结构的特性,还提出了一种由粗到细的分支加速匹配算法RF-BA。其中,RF-BA粗匹配充分利用拓扑图的结构,通过局部寻优算法提高匹配的效率。RF-BA精匹配利用最小外接凸四边形原则和GMS校验原则,提升配准精度。实验结果表明,与已有的几种代表性配准方法相比,所提方法在配准精度和时间开销方面均具有更好的性能。     

一种快速参数估计的多视点图像颜色校正方法

提出了一种基于快速确定参数的全局直方图匹配的颜色校正方法,对于标准的多视点视频序列,利用直方图,分别快速估算出其在RGB,YUV,CIELab这3个颜色空间下的3个分量线性方程的参数值,在MATLAB环境下仿真出3个不同颜色空间中的校正结果,并对其进行分析和比较,实验结果表明了该方法的有效性和可靠性。     

热光伏系统性能匹配性研究

针对热光伏(TPV)系统建立了数值分析模型,研究了系统各模块的匹配特性,讨论了辐射器温度、散热器流速等性能参数对电池温度及输出功率的影响,并进行了优化组合分析,以获得系统最佳运行工况。结果表明:在每一特定辐射器温度下,都存在一最优散热器入口流速以使得系统效率达到最大。随着辐射器温度的升高,TPV系统效率及输出净功率均随之增大,但由于电池温度的升高,系统效率增长梯度逐渐减缓。当辐射温度达到1 800K时,系统效率最高可达到18.22%。     

基于SURF的特征点快速匹配算法

为了解决光电图像匹配过程中特征点错配率较高的问题,本文提出了一种基于SURF特征点的匹配方法。该算法首先利用最近邻欧氏距离比率法对提取的SURF特征做粗匹配,然后获取特征点对应尺度的邻域灰度统计信息,进而利用Pearson相关系数比得到鲁棒性较强的匹配对。实验表明该方法能够有效提高匹配的准确率,且满足实时性要求。     

单兵通信系统头盔天线研究进展

头盔天线是指以特殊的人工结构或材料共形到单兵可穿戴头盔上的一种天线,它是单兵无线通信系统中的核心器件。当前的头盔天线研究仅关注辐射全向性、大宽带、高增益和低比吸收率(SAR)中的某一方面或两个方面,难以满足快速发展的战术通信要求。近年来各种基于人工磁导体、超构材料等新型材料/结构的天线设计和阻抗匹配方法被相继提出,使得头盔天线有望突破增益、带宽、尺寸、重量和电磁辐射之间相互制约的技术难题。该文旨在通过系统总结国内外对于头盔天线在控制辐射方向、扩展带宽、增益提高、抑制比吸收率的研究进展之基础上,展望未来头盔天线重点突破的技术方向,并提出一种基于非福斯特电路的圆形阵列头盔天线技术构想。     

自适应连续多级分区与初始阈值估计的快速模板匹配方法

归一化互相关测度在光照改变时比采用绝对差之和测度（SAD）要稳定,但是归一化互相关测度的缺陷在于它的计算量非常大。为此,提出了一种结合自适应连续多级分区和初始阈值估计的基于归一化互相关（NCC）的快速模板匹配算法。根据模板图像中不同模块的梯度值,将模板图像进行逐级分区,通过分区顺序将互相关之和分为不同的层,得到各层互相关的上界,运用柯西-施不等式得到上界间的关系,形成自适应连续多级分区淘汰方法。同时,为了加快匹配速度,利用初始阈值估计产生一个较大的边界阈值,以淘汰初始搜索时的大量非匹配点,减少搜索点数目。实验结果表明:所提出的算法具有较好的鲁棒性,且算法的执行速度优于传统算法。