一种新的红外成像末制导目标跟踪方法

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.
关键词:末制导跟踪|尺度不变性特征变换|特征匹配|仿射模型     

车载摄像平台序列图像快速拼接方法

 针对车载摄像平台序列图像拼接中存在畸变、数据量大的问题,提出一种车载摄像平台序列图像快速拼接方法。首先对图像进行预处理来消除畸变的影响,然后对图像检测SURF特征点,定义特征点匹配率作为图像的相似性度量,根据特征点匹配率提取关键帧,再采用改进的配准策略得到全局配准模型,避免了配准误差的累积,最后采用一种最大值融合法得到序列图像的拼接图。实验结果表明：该方法具有较强的鲁棒性、更为快速。     

基于BP神经网络的景象匹配算法

针对以可见光图像为基准、红外图像为实测的景象匹配问题,提出了一种基于BP神经网络的景象匹配方法。该方法首先抽取满足平移、旋转、尺度不变性的Krawtchouk不变矩作为红外目标的特征描述并构造特征向量,随后,基于主分量分析法消除特征向量各个分量间的相关性,去掉多个对目标匹配识别贡献不大的特征的影响,形成描述目标的有效特征向量。接下来,构造三层BP神经网络,以有效匹配特征作为输入,匹配位置作为输出,按照经验公式确定隐层节点个数,基于样本集对红外目标在可见光基准图像中的匹配过程进行训练,最终形成智能化景象匹配识别器。实验结果表明,与常用的景象匹配算法相比,提出方法不仅具有更高的匹配精度和速度,而且鲁棒性好,能抵抗实测图像的旋转几何畸变。     

高分辨率遥感图像SIFT和SURF算法匹配性能研究

遥感图像匹配是图像校正、拼接的基础。由于遥感图像特征相似度大,重叠区域小,遥感图像对匹配算法的要求更高。本文首先从特征检测、特征描述和特征匹配三个方面,比较了SIFT算法和SURF算法在计算速度和准确度方面性能,然后研究了算法对遥感图像重叠度、度量距离的要求,并针对SURF算法对特征方向误差敏感的特点,提出一种oSURF算法;最后利用卫星1A级条带遥感图像分析各个算法优劣性。测试结果表明,相比于SIFT算法,SURF算法计算速度为SIFT的3倍,需要的图像重叠宽度仅为1.25倍描述向量尺寸,而在保证同样匹配率的情况下,SIFT算法则需要图像重叠宽度为1.5倍描述向量尺寸。本文提出的oSURF算法在保证计算速度的同时,准确度相对于SURF算法提升5%~10%,因此,oSURF算法更适合1A级条带遥感图像的拼接。     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘...     

基于二进制比特串描述符的惯性组合导航高速景象匹配算法

针对景象匹配辅助惯性组合导航系统需要快速准确获取飞行器位置、航向偏差的要求,提出了一种基于二进制比特串描述符的高速景象匹配算法,尤其适合于计算资源有限的景象匹配场合.算法首先提取环绕中心极值局部特征,然后计算特征点的二进制比特串描述符,接着利用描述符之间的汉明距离进行快速特征匹配.最后,利用分组采样一致算法和最小二乘算法获取高准确度的航向和位置偏差信息.景象匹配性能评价实验表明：在匹配适应性、匹配速度、准确度和鲁棒性方面,算法都很优越,在参考图为250×250 pixels,实测图为160×160 pixels情况下,整个算法的计算约为40 ms,可以满足景象匹配导航系统高速匹配修正的要求,优于传统的景象匹配算法.     

集成SIFT算法与检测模型优化的UAV影像匹配方法

低空无人机（UAV）测量凭借着低成本、高效率、高精度的数据采集模式,可快速获取高空间分辨率的影像数据,已经成为遥感领域的一种重要技术手段。其中,影像匹配技术是UAV影像数据处理的重要步骤,图像间的匹配直接影响后期三维场景的精度及视觉效果。针对高原山地的高差起伏变化大地形复杂,植被覆被率高及地物分布不规则等问题存在,致使在该区域UAV地形测量处理中因局部噪声造成影像匹配较难。由于影像获取时受到该区特殊地形的限制,大场景影像需要借助多幅影像匹配拼接得到。目前,基于特征点的影像匹配是一种图像配准技术,不仅适用于低重叠度影像之间的匹配,还可以运用到运动恢复图像间的匹配。为探索特殊地形地貌条件下快速有效的UAV影像匹配技术,提出一种面向高原山地复杂地形的集成尺度不变特征变换（SIFT）算法与最近邻次近邻距离比（NNDR）、随机抽样一致算法（RANSAC）模型约束改进的UAV影像匹配方法。主要技术流程为：首先,基于SIFT算法,进行尺度空间的极值检测,构建高斯金字塔函数,通过高斯差分运算来实现特征点定位,并对所检测到的特征点的邻域位置、方向、尺度等进行统计分析,据此生成适合UAV影像特征的描述符;其次,集成“马式距离”和NNDR模型的综合运用,进行特征点对的第一次约束优化提取及相似度检测,在此基础上,利用RANSAC算法,引入匹配点对的均方根误差值（RMSE）进行第二次约束,以实现匹配错误点对的剔除,保证了影像匹配精确优化。此外,为了证实所提出优化算法的有效性,选择了1组高原山地典型地貌UAV影像数据进行匹配试验,结果表明：面向高原山地复杂地形进行无人机影像匹配中,所提出的改进算法不仅可以提取大量的特征点对,同时还可以提高同名特征点的检测正确率,并且配准正确率达到了85%,因此更加适用于高原山地复杂地形的无人机影像匹配处理技术优化。     

一种新的光电成像末制导景象匹配方法

针对光电成像末制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异的问题,构造了一种基于均匀模式的特征描述符,并基于该特征描述符和最稳定极值区域(MSER)提出了一种新的景象匹配算法。算法首先提取基准图像和实时图像的MSER特征,MSER特征具有尺度和仿射不变性,基于新的特征描述符分别对该特征进行旋转和灰度不变性特征描述,然后根据欧氏距离比值准则提取两图像间匹配的MSER特征对,根据随机抽样一致性(RANSAC)算法估计两图像的外极几何关系,实现末制导景象匹配。仿真结果表明,该算法能够在光电成像末制导过程中实现稳定的景象匹配,其稳健性优于传统方法。     

基于环向特征的快速旋转不变性匹配算法

景象匹配中经常会出现基准图与模板图之间存在任意角度旋转的情况,传统的结构化模板匹配算法是通过逐个比较基准图与模板图对应像素灰度值之间的相关性来进行匹配的,所以只能工作在小角度旋转的情况下,对任意角度旋转的景象匹配是无能为力的.利用圆的各向同性和投影特征提出了圆环投影匹配算法,并构造了环向特征投影不变量,用环向特征作匹配.实验结果表明,在同等条件下,该方法较圆投影算法具有更高的鲁棒性,且匹配速度可增快7倍,匹配概率可提高10%～20%.     

一种新的基于子线段的立体匹配算法

立体匹配是计算机视觉领域中最活跃的研究主题之一。为了精确并更快速的进行同名点匹配,提出了一种基于小波变换的子线段匹配方法。该方法利用样条二进小波变换系数在不同尺度下的模极大点,能提供在不同尺度下信号急速变化点的位置信息,采用由粗到细的匹配策略匹配这些特征点,并由这些特征点两两相邻的点构建子线段。采用加速方法,快速匹配子线段两端点之间的点。这种方法较好地解决了匹配精度和匹配速度之间的平衡问题。采用该方法对篦冷机内水泥熟料高度进行测量,实验表明,该方法能较精确地得出水泥熟料料层的分布状况。     

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘测度的基本置信指派函数,然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音,对加权Hausdorff公式进行了一些改进,给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.     

复杂地物条件下基于线特征的异源景象匹配

为了寻求应用于复杂地物条件下异源景象匹配的算法,使其满足尺度和旋转不变性,受视觉成像系统的启发,利用初始简图可以表征图像大部分信息的特点,提出了一种新的基于线段对的异源图像匹配算法。首先,提取并筛选图像中能够表征图像信息的线段;然后,利用线段自身信息及线段的相对位置关系构建线段对特征;接着,通过线段对之间的相似性对图像进行粗匹配;最后,利用线段之间的拓扑关系进行精匹配。实验表明,本文方法对具有旋转、缩放和平移变换的异源图像的匹配正确率达到了75%以上,运算时间是传统匹配算法的1/5左右,基本满足了异源景象匹配应用对算法实时性和准确性的要求。     

基于图像处理的闸机口跳闸事件检测算法

文中提出了一种基于图像处理的闸机口跳闸事件检测方法。首先,利用模板匹配的方法进行预处理,得到闸门图像匹配率;其次,根据跳闸事件的连贯性特点,提取一段连续时间序列的匹配率作为分类特征;最后,采取基于最小错误率的贝叶斯分类方法对这段时间序列特征向量进行分类。实验表明,该算法可以有效的检测出闸机口的跳闸事件,具有实时性好、不需要额外的传感器、成本低的优点,具有较好的工程应用前景。     

基于SIFT特征区域的抗几何攻击图像水印算法

提出了一种基于局部特征区域的抗几何攻击图像水印算法.首先利用尺度不变特征变换在载体图像的尺度空间上提取特征点并形成特征区域,该区域具有缩放、平移不变性;然后通过主方向归一化,使这些区域具有旋转不变性;最后将水印信息重复嵌入到多个不重叠的局部特征区域的DFT中频系数中.仿真结果表明,该算法在获得较好的不可见性的同时,对几何攻击和常规信号处理均具有良好的鲁棒性.     

基于特征匹配和校验的鲁棒实时电子稳像

提出了一种基于特征点匹配和校验的鲁棒实时电子稳像算法.首先利用Kanade-Lucas-Tomasi角点检测器提取参考帧和当前帧的特征点,并用绝对误差和准则进行特征点匹配|在校验阶段,提出一种能够有效剔除前景运动物体特征点和错误匹配点的空间位置不变准则|最后,在相似运动模型下,利用最小二乘法求解全局运动矢量进行运动补偿.实验证明:该算法满足实时性要求,对视频的平移、旋转、缩放运动都有较好的稳像效果,并对运动物体具有鲁棒性.     

一种用于光照变化图像匹配的改进KAZE算法

首先对KAZE算法进行了研究,针对KAZE算法对在有明显光照变化的场合下图像匹配率降低的问题,提出了一种对光照鲁棒的改进KAZE算法。该算法首先用AOS算法构建非线性尺度空间,在非线性尺度空间内通过计算Hessian矩阵的局部极大值来检测图像的特征点,并通过将一阶Harr小波响应进行高斯加权运算从而确定其主方向,然后建立一种具有局部不变性的测量坐标,在该测量坐标下,构建对光照变化敏感性较低的二阶梯度特征作为描述符,并生成一种新的64维描述子进行匹配,分别对过度曝光、曝光不足和非均匀光照减弱场景下的多组实验图像进行匹配实验,结果表明,和原KAZE算法相比较,改进算法在三种场景下的匹配率分别提高了10%、8.1%、9.2%,,表现出了更好的鲁棒性,在图像拼接、三维重建等领域具有一定的应用价值。     

水下环境中基于曲线约束的SIFT特征匹配算法研究

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尺度不变特征变换(SIFT)特征匹配算法处理水下图像误匹配率较高等问题,提出一种基于曲线约束的水下特征匹配算法。对双目摄像机进行标定获取相关参数,再获取参考图和待匹配图;利用SIFT算法对两幅图像进行匹配,同时利用由参考图提取的特征点推导出其在待匹配图上对应的曲线,将该曲线作为约束条件判定待匹配图上对应特征点是否在曲线上,从而剔除误匹配点,以达到提高精度的目的。实验结果表明,该算法优于SIFT算法,可以有效地剔除误匹配点,比SIFT算法匹配精度提高约12%,解决了SIFT算法在水下双目立体匹配中误匹配率高的问题。     

AKAZE结合自适应局部仿射匹配的视差图像特征匹配算法

针对常用的图像特征匹配算法对具有视差的图像在图像特征匹配阶段会产生大量误匹配点的问题,提出了一种AKAZE（accelerated-KAZE）算法结合自适应局部仿射匹配的特征匹配算法。首先,采用AKAZE算法提取特征点;接着,采用二进制描述符M-LDB(modified-local difference binary)进行描述并进行暴力匹配产生粗匹配点对;最后,基于图像的仿射变换可以提供较强的几何约束这一特性,采用自适应局部仿射匹配完成精匹配。实验结果表明,该算法针对具有旋转变化、尺度变化、视角变化的图像匹配,具有提取特征点均匀、匹配准确等效果,提取的正确特征点数量分别平均相对于SIFT算法提升了1.66倍、SURF算法提升了1.08倍、ORB算法提升了6.92倍、GMS算法提升了1.23倍,能够满足具有较大视差图像匹配的需求。     

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。     

基于三维点云匹配的手掌静脉识别

针对现有手掌静脉认证系统误拒率较高以及不支持大数据集匹配的问题,设计了基于透射式光源的双目视觉静脉三维点云重建装置,提出了基于三维点云匹配的手掌静脉认证算法。系统使用850 nm透射式发光二极管(LED)光源作为照明装置,由双目摄像机拍摄静脉视差图像进行三维重建。选择手掌静脉作为特征点描述其空间三维结构,提出了一种改进的内核相关性分析方法匹配三维点云。针对200组点云数据的实验结果验证了该方法的可行性和有效性,识别率达到了98%,误拒率2%,误识率0%,总特征维数约8000至12000维,高于尺度不变特征变换(SIFT),支持对大数据集的认证识别。