基于旋转SURF算子的图像配准新方法

针对SURF算法中快速Hessian矩阵行列式检测出的特征点的不连续现象,从而造成的旋转,模糊和光照变化适应性较差的不足,提出一种旋转SURF检测算子的图像配准新方法。该算法通过将SURF算法的积分图像盒子滤波模板逆时针旋转45度,引入一种可以检测角度旋转的滤波核提升检测算子对不同图像变换的匹配性能,保证新的检测算子与原算法较好的结合,同时利用改进的单纯形算法依据输入图像进行参数优化。仿真结果表明,该方法不仅保留了算法的速度优势,缩短了配准时间,而且在图像模糊变换,光照变换和JPEG压缩变换方面性能有明显的提升,此外对视角变换以及小尺度变换性能也有提高。     

一种基于Canny边缘的红外与可见光图像配准算法

针对异源传感器在图像配准时如何精确地找到相应的匹配特征问题,结合红外图像与可见光图像的特征,利用2种传感器对同一场景成像时具有一定的边缘轮廓相似特性,提出了提取图像的Canny边缘,在边缘轮廓上根据边缘曲线上像素点的位置夹角的相似性寻找对应匹配点,通过仿真和实验数据与真实值的比较验证算法的有效性和配准的精度.     

一种红外与可见光图像的自动配准方法

针对红外和可见光图像配准问题,采用仿射变换实现图像的几何变换,利用Canny算子边界相关运算求出边界相关性最强时对应的仿射变换参数,从而有效地实现了对原始红外和可见光图像的自动配准。实验结果表明,该算法有效,可以应用于实际的红外和可见光图像配准中。     

基于角点的红外与可见光图像自动配准方法

针对红外图像与可见光图像的自动配准问题,提出了一种基于图像角点特征以及仿射变换模型的方法.利用Harris因子分别在红外图像和可见光图像上检测角点,并对两幅图像进行边缘检测,得到其边缘图像.通过角点邻域在边缘图像上的相关性,实现角点的粗匹配;通过角点的细匹配,从匹配的角点中选择两对匹配最佳的点作为仿射变换的控制点,得到仿射变换模型,并对待配准图像进行仿射变换,从而实现图像配准.实验结果表明:该方法运算速度快,可以很好地完成红外与可见光图像的自动配准.     

结合Harris与SIFT算子的图像快速配准算法

本文提出了一种结合Harris与SIFT算子的快速图像配准方法。首先,对Harris算法进行两方面的改进:一是构建高斯尺度空间,提取具有尺度不变性的角点特征;二是采用Forsnter算子对提取的角点精定位,提高配准精度。然后,利用SIFT算子的特征描述方法描述提取到的特征点,通过随机kd树算法对两幅影像的特征点进行匹配。最后采用RANSAC算法对匹配点对进行提纯,并通过最小二乘法估计两幅影像间的空间变换单应矩阵,完成图像配准。实验结果表明:本文方法在基本保持配准精度的同时,在配准过程的时间消耗上比标准SIFT算法减少了64%。     

基于Shape Context和尺度不变特征变换的多模图像自动配准方法

提出了基于修正的尺度不变特征变换（SIFT）特征提取和Shape Context特征描述算子相结合的多模图像自动配准算法,该算法利用修正的SIFT算法提取多模图像中的特征点,然后采用Shape Context算子描述特征点,利用特征点周围区域边缘点的梯度方向形成特征向量。采用欧氏距离作为匹配标准对多模图像中特征点进行初始匹配,然后通过RANSAC算法消除误匹配的特征点对,并采用最小二乘法计算仿射变换参数,最后通过仿射变换和双线性插值实现图像配准。对红外图像和可见光图像的配准实验结果表明了本算法的有效性和稳定性。     

一种从粗到精的红外和可见光卫星图像配准方法

气象卫星所携带的多种传感器可以获得可见光、红外、多光谱等多模态的卫星图像,目前处理这些多模态图像的一个重要手段是数据融合分析方法,而获取不同模态图像空间对应关系的图像配准是数据融合分析的前提和基础。针对多模态气象卫星图像的配准问题,重点研究红外图像和可见光图像的配准问题,并根据红外图像和可见光图像的特点,提出了一种由粗到精的两阶段配准方法。在粗配准阶段,将Fourier-Mellin变换应用于红外和可见光图像的边缘图像上,并通过变换图像在频域的关系实现了图像配准仿射变换参数的快速计算;在精配准阶段,基于图像的Harris算子检测红外图像和可见光图像的特征点,并通过特征点局部区域的互相关函数实现特征点的匹配,最终通过匹配特征点求得精确配准的变换参数。文章提出的由粗到精的图像配准方法,有效结合了Fourier-Mellin变换对边缘图像配准的高效性和Harris算子图像配准的准确性,是红外和可见光图像配准的一种新方法。利用FY-2D气象卫星获取的红外和可见光图像进行了配准实验,实验结果表明所提出的方法具有良好的鲁棒性和较高的配准精度。     

基于AM测度及混合优化算法的图像配准方法

介绍了一种基于边缘特征的图像配准方法。首先利用Canny算子提取图像的边缘;然后以AM测度作为配准准则,在优化AM峰值和配准参数的时候,先用遗传算法将配准参数收敛到最优值附近,再使用Powell法进行局部搜索;最后对待配准图像进行刚体变换及双线性插值,从而实现图像配准。实验结果表明,此优化方法不仅提高了计算速度,而且提高了配准精度,配准结果达到了亚像素级水平。     

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。     

针对图像序列的快速低存储开销配准算法

针对序列图像配准问题,提出一种快速低存储开销配准算法。首先,生成一系列与具体图像内容无关的特征点。而后,使用正向-反向跟踪来获取稳定的特征点对,其中,正向跟踪用于获得所有可能的特征点对,反向跟踪用来得到正向-反向误差,并且利用此误差来获取最终稳定的特征点对。最后,在稳定特征点对的基础上通过归一化直接线性变换计算得到可用于图像配准的单应矩阵。实验表明该算法能够提供与优秀的传统算法相当的配准性能。由于该算法对序列中图像之间的连续性进行了充分利用,不仅降低了存储开销,还提高了运算速度。对480360的序列而言,该算法需要的存储开销仅为421 kB,且运算速度达到32 帧/s。     

针对图像序列的快速低存储开销配准算法

针对序列图像配准问题,提出一种快速低存储开销配准算法。首先,生成一系列与具体图像内容无关的特征点。而后,使用正向-反向跟踪来获取稳定的特征点对,其中,正向跟踪用于获得所有可能的特征点对,反向跟踪用来得到正向-反向误差,并且利用此误差来获取最终稳定的特征点对。最后,在稳定特征点对的基础上通过归一化直接线性变换计算得到可用于图像配准的单应矩阵。实验表明该算法能够提供与优秀的传统算法相当的配准性能。由于该算法对序列中图像之间的连续性进行了充分利用,不仅降低了存储开销,还提高了运算速度。对480360的序列而言,该算法需要的存储开销仅为421 kB,且运算速度达到32 帧/s。     

Color image edge detection method using VTV denoising and color difference

The traditional Canny edge uses Gaussian filter to suppress the noise, it also smoothes out the image edges. An improved Canny edge detection method for color image is proposed in this paper, the improved method uses fast vectorial total variation (VTV) minimization model to remove noise in color image, and then calculates the color difference and direction in CIELAB color space, which is used for non-maximal suppression. Finally, the improved method extracts the edges by the double-threshold method. The experimental results show that the proposed method achieves better performance than the traditional Canny edge detector. It can remove noise while preserving the image edges, and effectively detect the image edges.     

多传感器图像自动配准技术研究

多传感器图像自动配准技术是军事领域里多传感器图像融合的必要前提。根据配准的步骤综述了现有的多传感器图像自动配准技术,以可见光和红外图像配准为例,提出采用小波变换、图像处理技术和人工智能技术相结合的方法来解决这一难题。     

The infrared and visible image fusion algorithm based on target separation and sparse representation

Although the fused image of the infrared and visible image takes advantage of their complementary, the artifact of infrared targets and vague edges seriously interfere the fusion effect. To solve these problems, a fusion method based on infrared target extraction and sparse representation is proposed. Firstly, the infrared target is detected and separated from the background rely on the regional statistical properties. Secondly, DENCLUE (the kernel density estimation clustering method) is used to classify the source images into the target region and the background region, and the infrared target region is accurately located in the infrared image. Then the background regions of the source images are trained by Kernel Singular Value Decomposition (KSVD) dictionary to get their sparse representation, the details information is retained and the background noise is suppressed. Finally, fusion rules are built to select the fusion coefficients of two regions and coefficients are reconstructed to get the fused image. The fused image based on the proposed method not only contains a clear outline of the infrared target, but also has rich detail information.