改进的SURF彩色遥感图像配准算法

为了进一步提高彩色遥感图像的配准精度,针对遥感图像配准过程中色彩信息利用率低以及误匹配率高的问题,提出一种改进的SURF(Speeded Up Robust Feature)彩色遥感图像配准算法。该算法首先在对彩色遥感图像进行特征点检测基础上,对特征点描述算子进行改进,以使颜色空间变换后得到的特征点色彩信息添加到原描述算子中,并对特征点描述算子进行归一化处理,以增加算子的独特性和对旋转、尺度、光照的鲁棒性;其次,结合单向匹配和双向匹配的比值,提出了一种最优化阈值选择准则,如果欧氏距离比率小于最优化阈值,完成特征点匹配,得到正确匹配点对,再通过变换矩阵得到配准图像。实验结果表明,在保证实时性的条件下,该算法相比于原SURF算法,准确性和稳定性都有一定提高,具有一定的理论和应用价值。     

基于稀疏光流法的ORB特征匹配优化

针对图像特征误匹配数量大的问题，提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集，利用稀疏光流法计算特征点运动向量，估计出特征点在待匹配图像中的二维坐标位置，剔除偏离估计位置较远的特征点匹配对，最后利用随机抽样一致算法进行几何校验进一步优化匹配结果，达到剔除误匹配的效果。实验结果表明:该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%，较RANSAC-ORB算法准确率平均提升了2%，且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。     

多探测器拼接成像系统实时图像配准

依据已设计完成的基于同心球透镜的四镜头多探测器阵列拼接成像系统,对该系统图像拼接配准过程所采用的特征检测提取、特征向量匹配与筛选、空间变换模型参数估计等算法进行了研究。首先,采用Fast-Hessian检测子提取参考图像和待配准图像的特征点,并生成加速鲁棒特征(SURF)描述向量。接着,采用快速近似最近邻(FANN)逼近搜索算法获得初始的匹配点对,并对匹配点对特征向量的欧式距离进行排序。然后,参照成像系统光学设计参数设定合理的阈值,筛选并保留下较好的匹配点对。最后,提出了一种改进的渐进式抽样一致性(IPROSAC)算法对空间变换矩阵模型进行参数估计,从而得到参考图像与待配准图像的空间几何变换关系。实验结果表明:该算法对图像尺寸、旋转和光照变化都具有一定的不变性,特征匹配时间为0.542 s,配准变换时间0.031 s,配准误差精度小于0.1 pixel,可以满足成像系统关于图像配准实时性和准确性的要求,具有一定的工程应用价值。     

基于边缘与SURF算子的SAR与可见光图像配准方法

鉴于SAR(synthetic aperture radar)与可见光图像的成像机理存在很大差别,使得其同名特征的提取和配准十分困难,但在某些情况下,这两类图像的边缘存在一定的相关性。提出一种基于边缘与SURF(speed-up robust feature)算子的图像配准方法。通过适当预处理增强图像间的共性,采用综合性能比较好的Canny算子提取两幅图像共有的边缘特征,在边缘图像的基础上提取SURF特征;通过比值提纯法进行特征点粗匹配,RANSAC(random sample consensus)算法剔除误匹配点,计算仿射变换模型从而实现SAR与可见光图像的自动配准。实验结果表明:该算法的正确匹配率为100%,均方根误差为0.852个像素,配准精度达到亚像素水平。     

多尺度形态算子融合图像滤波技术及滤波质量评价

针对舰载红外警戒系统的红外和电视图像,提出了一种新的海空背景下受强杂波、噪声污染的图像目标滤波算法和滤波效果的定量评价算子。算法采用多尺度的形态算子对输入的图像并行滤波,大尺度形态算子抑制图像噪声,小尺度形态算子提取目标边缘细节信息。处理后的图像进行基于树状小波帧变换的图像信息融合,融合图像可完备提取不同尺度滤波后的图像信息。针对目标检测跟踪的图像滤波算法的评价,提出了目标与背景的交叉分辨力评价算子及评价准则。仿真实验表明。该滤波算法要优于中值滤波、自适应滤波、小波变换滤波算法,滤波质量的定量评价算法是合理的、有效的。算法适用于舰载红外警戒系统。     

基于位相相关检测的图像配准算法

分析了传统的傅里叶-梅林变换和最近提出的虚拟极坐标傅里叶变换算法在户外图像注册中的局限性,提出了一种更加适合户外摄像机姿态注册的基于对数傅里叶变换的图像配准算法。该算法能够独立地计算沿两坐标轴方向的不同缩放因子和计算两图像间较大的旋转角度,扩展了基于傅里叶变换的图片配准算法的实际应用范围。在关键技术研究方面,提出了由升余弦函数构成的低通滤波器和一种快速收敛的角度搜索技术,使该算法达到了很高的效率和鲁棒性。     

基于改进SURF算法的人脸点云配准

精准的三维人脸重建是三维人脸识别、三维人脸表情仿真等技术实现的重要前提。基于以往图像特征点和点云数据的三维配准算法研究,提出了一种计算量小、实时性较高的人脸配准算法。提取人脸图像特征点,计算64维的SURF描述符;利用RANSAC算法剔除不稳定匹配点;利用奇异值分解SVD求解粗配准变换矩阵;利用改进的最近点迭代算法求解最终变换矩阵。实验结果显示配准误差只有8.71895×10~(-5)m~2,总耗时为6.61s,相比较SIFT算法和手动寻找匹配点,速度快、精度高。     

基于仿射变换与Levenberg-Marquardt算法的织物图像配准

针对多光谱成像系统采集的织物图像的颜色色差分析问题,提出了一种基于仿射变换与LevenbergMarquardt(LM)算法的图像配准方法。从配准角度出发,利用提出的配准方法将标样图像与打样图像配准后进行空间色差分析。多光谱系统采集的织物图像的形变,包括平移、旋转、缩放和错切变换,符合典型仿射变换模型。提出一种新的方法来估计仿射变换矩阵,该方法对两幅图像的对数极坐标幅度谱积分曲线进行匹配,将仿射变换矩阵求解转化为一个非线性最小二乘拟合问题,进而利用LM算法搜寻最优参数值,同时引入分块配准以得到更好的配准效果。实验结果表明,与传统基于Fourier-Mellin配准算法和基于尺度不变特征变换的特征点配准算法相比,提出的算法可获得更好的配准效果,可有效解决具有周期性元素的织物图像配准问题,有助于织物图像色差评估。     

基于特征点的对数极坐标变换图像配准算法

介绍了一种新的图像配准算法,可以很好地解决图像配准中的平移、旋转和缩放问题。算法的实现是首先使用SUSAN算子提取两幅图像的特征角点,剔除虚假的特征点(噪声点),然后使用改进对数极坐标变换和投影相关匹配算法实现特征点匹配;结合亚像素定位技术,可以进一步提高算法的精度。     

基于改进梯度幅值的包装缺陷检测算法研究及应用

针对包装质量检测精度易受外界光照影响的问题，在已有基于梯度幅值相似性的缺陷检测算法基础上，将局部二值模式算子引入到该算法中，提出了一种基于改进梯度幅值相似性的缺陷检测算法。该算法利用局部二值模式算子的旋转不变性和灰度不变性的特点，并将其与图像的梯度幅值特征进行融合后用于包装的缺陷检测中，提升了缺陷检测算法对光照的鲁棒性。实验结果表明，相比传统梯度幅值缺陷检测算法，该算法具有更好的抗光照影响能力，并且对于不同光照情况下的包装缺陷，该算法的检测准确率可达96.57%。因而，该算法能够被广泛地用于包装缺陷检测中，提高缺陷检测的精度。     

最近邻域与无邻域算法结合空间滤波实现显微光切片

运用最近邻域与无邻域算法,并结合空间滤波方法,可去除显微切层图像的离焦模糊成份,可获得高成像速度、高质量的显微光切片。对各种显微图像进行了光切片处理,并与由现有去卷积处理、结构光照明等方法获得的光切片图像进行了对比,验证了该算法在去除模糊信息方面有更好的效果,提高了图像处理效率,获得了令人满意的光切片图像。在此基础上研制出了显微光切片图像处理系统。运用最近邻与无最近邻算法,结合空间滤波方法,采用简便可调的卷积模糊算子代替点扩散函数的估计过程,图像处理方便快捷,可较好地去除离焦平面的模糊信息。     

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。     

快速SUSAN-Laplace角点算法

提出了一种新的SUSAN-Laplace角点算子。新算子首先使用拉普拉斯-高斯核对图像进行卷积,并将图像转换为二值或三值图像,然后使用SUSAN算子检测角点。这样既快速又具有SUSAN算子的位置精确性。SUSAN- Laplace角子具有较好的旋转、仿射、光照、尺度和噪声不变性,其计算速度也较快,比Harris角点快1.5倍,比SUSAN角点快6倍。应用中SUSAN-Laplace角子有一种快速算法,快速算法在计算拉普拉斯-高斯卷积时使用移位运算代替全部乘除法运算,能进一步提高计算速度。SUSAN-Laplace角子较其它角点算法能产生更丰富的角点,应用到SIFT算法中可提高对小目标的识别能力。     

基于改进的FAST-SURF快速图像拼接算法

针对SURF（speeded-up robust features）算法计算量大、图像拼接效率低的不足,以FAST （features from accelerated segment test）角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几何约束法剔除错误匹配点,提高匹配的准确性。匹配完成后,通过减少样本集的个数和舍弃不合理参数模型来改进RANSAC（random sample consensus）方法,获取单应性矩阵,最后进行图像变换、融合和拼接。实验结果显示,该图像拼接算法与传统的SURF算法相比,图像拼接总时间减少了12%,拼接效率得到了显著提高。     

驾驶人眼睛区域的鲁棒性定位算法研究

疲劳驾驶是造成交通事故的重要原因. 通过机器视觉技术对眼睛动作和视线转移特征的分析可实现驾驶人疲劳状态的有效估计. 然而, 实际行车环境中光照条件的随机、快速变化以及驾驶人面部姿态的不确定性使得眼睛区域的鲁棒性定位变得异常困难. 为此, 本文引入基于点分布模型的主动形状模型(ASM)算法并针对其在实际行车环境中存在的问题提出了三点改进. 首先, 建立了基于自商图的局部纹理模型以克服光照变化的影响; 其次, 充分利用面部局部区域良好的聚类性, 建立了层叠式全局形状模型, 以适应驾驶人姿态的大角度偏转; 再次, 在行车过程中, 通过对驾驶人面部形状的在线学习实现模型参数分布特征的获取, 为ASM算法的配准提供了更加紧致的约束. 实验结果显示, 本文算法对光照和姿态变化具有较强的鲁棒性, 在驾驶人面部器官不发生自遮挡的情况下可实现眼睛区域的高精度配准.     

Designing a genetic watermarking approach for 3D scenes

A new watermarking algorithm based on genetic algorithm (GA) in the transform domain is proposed. Unlike the existing computer-generated integral imaging based watermarking methods, the proposed method utilizes GA searching to the optimized transform domain to serve as a trade-off for watermark embedding. In this paper, 3D scene to be captured by using a virtual pinhole array and be computationally recorded as an elemental image array (EIA), watermarking with GA optimization and computer-generated holography is implemented. In the proposed GA optimization process, we utilize the fitness function to improve the visual quality of watermarked images and the robustness. Simulation results show that the proposed algorithm yields a holographic watermark that is imperceptibility to human eyes and robust to standard watermarking attacks. A comparison of the proposed watermarking method to the existing similar watermarking methods demonstrated that the proposed method generally outperforms completing methods in terms of imperceptibility and robustness.     

基于特征匹配的快速鲁棒数字稳像

针对手持移动摄像装置拍摄视频序列相邻帧间存在平移、小角度旋转运动,而且易受噪声、光照变化的影响等问题,提出一种基于优化Oriented FAST and rotated BRIEF(ORB)特征匹配的实时鲁棒电子稳像算法。对相邻帧预处理后用Oriented FAST算子检测特征点,再用Rotated BRIEF描述提取的特征点并采用近邻汉明距离匹配特征点对,然后采用级联滤波去除误匹配点对,最后使用迭代最小二乘法(ILSM)拟合模型参量进行运动补偿实现稳像。图像匹配测试和稳像实验结果表明:基于改进的ORB算法的电子稳像方法补偿每一帧的时间均小于0.1 s,定位精度可达亚像素级,能有效补偿帧间平移旋转运动,而且对噪声和光照变化有较强鲁棒性。经稳像处理后,实拍视频质量明显提高,峰值信噪比（PSNR）平均提高了10 db。     

基于Mean-shift的灰度目标跟踪新算法

Mean-shift算法是一种非参数密度估计算法,可以实现快速的最优匹配,在目标的实时跟踪领域起着非常重要的作用。为了有效的将Mean-shift算法应用到灰度图像中,采用了以方向直方图建立目标模型的策略,提出了在灰度图像中以Mean-shift为核心的目标跟踪算法。实验结果表明,该算法具有不受光照条件影响的优点,在低对比度的情况下仍能实现稳定、实时的跟踪目标。