用于像移探测的位平面匹配改进算法

像移探测作为电子稳像的重要的步骤,直接影响稳像的精度和速度。针对传统位平面匹配算法的局限,对各阶位平面的探测效果进行了综合测试,并提出了一种改进方案,即对位平面4,5经过下采样后组成一个合成位平面来进行匹配。研究了匹配块大小变化对位平面算法的影响,比较了相邻帧和固定帧两种参考帧选取方法的优劣。实验表明,改进的位平面匹配算法提高了位平面算法的稳健性,在没有增加计算量的前提下,算法精度达到了与全搜索块匹配法相当的程度。     

融合RANSAC光流跟踪法和特征点匹配法的视觉里程计

为了解决光流跟踪法定位精度不足、误差累积和特征点匹配法耗时久的问题，设计了一种将随机抽样一致性（random sample consensus，RANSAC）光流跟踪法和改进的特征点匹配法结合的视觉里程计。利用RANSAC光流跟踪法对关键帧之间的小规模运动进行估计，RANSAC算法对光流跟踪的误匹配点进行剔除，大大降低了光流跟踪法存在的误匹配；而关键帧之间的运动估计则利用改进的特征点匹配法，以修正光流跟踪法的估计误差；最后利用卡尔曼滤波将RANSAC光流跟踪法和改进的特征点匹配法进行融合。实验结果表明:该文的算法能够克服光流跟踪法精度不足、误差累积的问题，将平均相对误差由15.5%提升到了2.6%；同时也能在一定程度上提高特征点匹配法的速度，将特征点匹配法的平均耗费时间由37.28 ms提升到了21.07 ms。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。     

多联融合优化模板匹配的纱纸管分类方法

圆锥纱纸管的自动分类识别一直是该部件智能制造方面的技术难题,针对传统图像分类方法无法兼顾速度与精度,以及深度学习成本大、部署难、硬件要求高等问题,提出了一种基于多联融合优化模板匹配的纱纸管分类方法。采用多个改进算法及策略并使用三次数据降维加快模板匹配速度。将用于运动估计的优化算法SEA(successive elimination algorithm)用于模板匹配中,并把该算法的阈值改进为自适应阈值,用于加强算法鲁棒性;采用小波金字塔进行数据降维,减少运算量并提高运算速度;最后采用十字灰度特征模板代替传统SAD(sum of absolute differences)算法及其模板计算性能指标,并采用提前停止迭代搜索的策略进一步滤除数据,设置累计误差阈值来提前停止搜索。匹配实验表明,本文的改进算法保证了精度,并且匹配速度达到了0.126 s左右;对比、消融实验表明,本文算法在保证了精度的前提下,速度比传统SAD算法提升了近11倍,相比于一些其他经典的方法在速度上也均有提升,证明了该方法的有效性。     

基于最佳搜索域的水下图像区域匹配算法研究

针对水下双目图像匹配时不再满足空气中极线约束条件以及归一化互相关(NCC)算法处理水下图像计算量大等问题,提出了一种基于最佳搜索域的水下图像区域匹配算法。对双目摄像机进行标定得到相关参数,并获取参考图和待匹配图;运用曲线极线约束计算出与空气中极线的最大偏离值,确定最佳搜索域;用NCC进行匹配,将原来的线性搜索改为在最佳搜索域中进行多行搜索,提高匹配精度;并应用盒滤波技术加速,提高匹配速度。实验结果表明,该算法达到了尺度不变特征变换(SIFT)算法的匹配精度,可以应用在整幅图中进行稠密匹配,且运算速度比原有NCC匹配算法大大提高,成功将区域匹配算法应用于水下环境中。     

基于特征点自动匹配的图像拼接方法

提出了一种基于特征点自动匹配的图像拼接算法,采用改进的Harris算子提取特征点,保证了提取的效率和精度,根据互相关的双向匹配实现对应特征点的自动匹配,从而建立参考图像与当前图像的对应点对,最后采用最小二乘方法得到图像间的全局变换参数,实现图像的拼接。     

一种改进的块匹配运动目标识别算法

鉴于传统的块匹配法在图像特征提取、匹配以及搜索等方面有诸多不足,复杂的边缘提取处理与基于灰度的匹配准则都使得系统的处理速度与精度降低,为了使识别处理更加快速精确,提出了一种改进的块匹配识别算法。通过拉普拉斯算子对图像特征进行增强,提高图像的特征信息;实验表明,针对320像素240像素大小的图像,改进算法的特征增强计算时间在Matlab中平均约为0005 4 s。     

两组星矢量的最小均方误差匹配算法

在多星矢量定位中，由本地坐标系中的光电探测器拍摄到的多星矢量数据需要变换到赤道坐标系中，并与赤道坐标系中的多星矢量数据进行匹配，当匹配误差达到最小时，根据变换矩阵即可确定舰位和航向。由于存在测量误差，因此不可能精确匹配。通过与点模式匹配问题类比，给出了一个求取两组星矢量之间最佳变换矩阵的算法，该算法使匹配误差在均方根意义下达到最小并且其计算复杂性仅为O（n），从而提高了天文定位的精度以及天文定位系统的反应速度。     

自适应混沌蚁群径向分析算法求解重力辅助导航匹配问题

针对现有重力导航匹配算法的匹配精度、匹配率受惯导初始位置误差影响较大以及实时性较差等不足,提出了一种基于自适应混沌蚁群径向分析的实时重力辅助导航匹配算法,新算法引入改进的连续域蚁群算法进行优化模型求解,通过进行连续域蚁群算法的信息素的自适应调整,同时对蚁群算法的搜索策略、计算参数、局部信息素进行混沌自适应处理,最终达到提高算法搜索效率、匹配率、抗噪性能的效果,实验结果表明,新算法对惯导初始误差不敏感,匹配率高,实时性强。     

基于灰度相关的高分辨率红外图像重建

介绍了提高空间分辨率的受控和不受控的微扫描法。基于空间灰度相关分布特性,提出了一种微扫描误差修正算法,该算法利用灰度相关特性匹配低分辨率图像的位置关系。为准确评估成像质量,利用高精度METS-L型红外测试系统对MTF进行了测试。测试结果显示,该算法能较好抑制微扫描位移误差引起的图像模糊,有效提高了空间分辨率。     

A Hybrid Rao-NM Algorithm for Image Template Matching

This paper proposes a hybrid Rao-Nelder–Mead (Rao-NM) algorithm for image template matching is proposed. The developed algorithm incorporates the Rao-1 algorithm and NM algorithm serially. Thus, the powerful global search capability of the Rao-1 algorithm and local search capability of NM algorithm is fully exploited. It can quickly and accurately search for the high-quality optimal solution on the basis of ensuring global convergence. The computing time is highly reduced, while the matching accuracy is significantly improved. Four commonly applied optimization problems and three image datasets are employed to assess the performance of the proposed method. Meanwhile, three commonly used algorithms, including generic Rao-1 algorithm, particle swarm optimization (PSO), genetic algorithm (GA), are considered as benchmarking algorithms. The experiment results demonstrate that the proposed method is effective and efficient in solving image matching problems.     

A novel 2nd-order shape function based digital image correlation method for large deformation measurements

Compared with the traditional forward compositional matching strategy, the inverse compositional matching strategy has almost the same accuracy, but has an obviously higher efficiency than the former in digital image correlation (DIC) algorithms. Based on the inverse compositional matching strategy and the auxiliary displacement functions, a more accurate inverse compositional Gauss-Newton (IC-GN2) algorithm with a new second-order shape operator is proposed for nonuniform and large deformation measurements. A theoretical deduction showed that the new proposed second-order shape operator is invertible and can steadily attain second-order precision. The result of the numerical simulation showed that the matching accuracy of the new IC-GN2 algorithm is the same as that of the forward compositional Gauss-Newton (FC-GN2) algorithm and is relatively better than in IC-GN2 algorithm. Finally, a rubber tension experiment with a large deformation of 27% was performed to validate the feasibility of the proposed algorithm.     

Digital speckle correlation method with compensation technique for strain field measurements

In the strain field measurements, especially in large strain field measurements, the correlation coefficient values obtained by the digital speckle correlation method are usually very low due to the relative pixel movement of the subset. The measuring error, therefore, is increased. A primary method, that is called compensation algorithm, is introduced for improving the correlation coefficient. A flow scheme with the compensation algorithm of our software is developed and some improved techniques for reducing the calculation time and error are discussed in the paper. After obtaining a set of displacement data with high correlation coefficient, a de-noise wavelet processing is adopted. It is obvious that the measuring accuracy of the strain field is better then before. A strain field of testing experiment is performed with this compensation technique. The correlation coefficients can increase from 0.70 to 0.99, which will be of much benefit for the improvements of the measuring accuracy.     

Image matching using Gradient Orientation Selective Cross Correlation

Image matching has been an important topic in computer vision and image processing. A new approach named Gradient Orientation Selective Cross Correlation is proposed for image matching. In the new approach, a gradient orientation selectivity strategy is proposed to exclude the wrong points from correlation, especially for partial occlusion and some other ill-conditions. Experimental results are shown to demonstrate robustness, efficiency, and accuracy of the algorithm.     

A hybrid Particle Chemical Reaction Optimization for biological image matching based on lateral inhibition

In this paper, a hybrid Particle Chemical Reaction Optimization (PCRO) algorithm and lateral inhibition is proposed to solve the image matching problem. Lateral inhibition has the ability to enhance the characters of image, which can help to improve the accuracy of image matching. In order to overcome the shortcomings of basic Chemical Reaction Optimization (CRO) algorithm, we improve CRO by proposing PCRO which inspired from the thought of Particle Swarm Optimization (PSO). Comparative experimental results in image matching show that our proposed hybrid method performs much better than other bio-inspired algorithms.     

基于边缘几何特征和频域相关技术的图像匹配方法

提出了一种基于图像特征提取和变换域相关的图像匹配方法。借助提取图像的大边缘信息，以其几何特征构造边缘方向角曲线作为图像匹配的依据。通过对差分的计算，并比较两幅图像边缘方向曲线的相对链码，得到2幅图像之间可能的旋转角度。对旋转矫正后的图像进行2维傅里叶变换，计算频域内2图的相位相关矩阵，并从中找到相关系数最大的位置，这个位置就代表了2图的坐标位移量，通过平移达到图像间的精确匹配。实验表明：该方法匹配准确，速度快，减少了人为因素的干扰，对于图像间存在较小灰度差和噪声情况均有很好的匹配效果。     

基于极线局部校正的特征匹配方法

针对利用多视图像进行目标三维测量、结构重建时在极线约束下对直接区域灰度相关进行同名特征匹配常常失效的问题,提出了一种基于极线局部校正的特征匹配算法。介绍了极线约束匹配的原理,分析了相关方法在极线约束匹配中的缺陷以及在多种像机位姿配置下的图像特征间的约束关系,在此基础上提出了一种极线局部区域校正的方法,对待匹配区域进行校正使自动相关匹配能有效执行,结合最小二乘匹配得到了高精度的匹配结果。实验结果证明了新算法的有效性,大大提高了自动匹配的可靠性、速度和精度。     

基于无人机红外光谱技术的影像数据匹配方法研究

无人机加载红外光谱载荷对区域内影像进行获取现已成为遥感领域一种重要的技术手段,可通过对携带位置信息的影像进行分类提取,得到植被盖度、温度指数等一系列因子指标。利用FREE BIRD(自由鸟)小型低空无人机系统挂载Tetracam红外相机(310万像素)对新疆玛纳斯县一河道进行影像获取。无人机飞行面积约为20.5 km2,为了得到更加精确的植被、温度等因子,需要对无人机红外影像进行配准,通过优化SIFT匹配参数和RANSAC粗差剔除后,获取了可靠的匹配结果,即经过算法匹配后的影像与原影像进行了误差比对,能够满足后期的应用需要, 这也是本文的创新点之一。将影像进行配准后进行二维影像拼接,将多张红外影像按照航向重叠度不低于60%,旁向重叠度不低于50%的概率进行拼接,得到拼接后的红外影像图。另外比较了SIFT和SUFT两种算法,利用优化的SIFT算法及改进的FLIR传感器获取1 600张热红外影像,利用地面同步测量数据对拼接后的红外影像进行算法匹配,并利用ENVI(完整的遥感图像处理平台)软件进行温度及植被盖度的影像反演,得到了研究区域的单一影像及红外影像的温度反演图及植被反演图。通过对两种算法的对比得到更加优化的算法模型,并对该模型进行回归分析和精度检验,得到该模型的相关系数R2为0.767,匹配精度为81.51%,模型精度较高。本模型的建立对日后无人机红外影像的配准及提取反演奠定了理论和实践基础。