最大互相关图象匹配算法的硬件实现

图象匹配技术是计算机图象处理的一种基本手段，但由于其计算量太大，故对较大图象的处理几乎不可能实时实现。文章中提到的硬件及系统结构则大大提高了计算机对图象匹配的计算机速度，使图象匹配的实时实现成为可能。     

快速图象匹配的SSDA算法的改进方案研究

本文给出了一种快速图象匹配算法——SSDA序贯相似性检测法的改进方案。文章先介绍了SSDA算法,并对之加以分析,提出了一种通过对图象取点排序的方法,加快非匹配点相关函数的递增速度,从而减少了实时运算量,且加大了图象匹配的可靠性。本文着重对这种方案进行了分析论证。     

在低信噪比下实现快速图象匹配的准最佳组合相关方法

本文首先导出了噪声中图象匹配的最佳算法,然后给出了两种在低SNR和短数据条件下实现两幅数字图象快速配准的组合相关方法。在实际地形图上的大量仿真匹配结果证明,这两种方法至少比最佳算法快两个数量级,精度也几乎达到最佳。满足了某些导航和精确制导问题中对实时配准的要求。     

基于SIMD—MCC的图象块匹配并行算法

图像块匹配操作是图像处理中很多基于窗口任务的曲型操作之一。文章提出了一种在ＳＩＭＤ－ＭＣＣ计算机上实现的全扫帚图像块匹配的并行算法。此算法对实时图中的每一个参数图中搜索区中的修选块并行比较,以确定一个最小的位移矢量。这个位移矢量所对应的位置就是匹配位置。该算法计算复杂度为Ｏ（ｌｏｇＮ）。     

变反差图象匹配的一种自适应方法研究

本文给出了一种变反差图象匹配的自适应方法。首先,介绍了用二维相关直方图进行图象匹配的原理,分析了几种常见的匹配方法,而后提出了一种比较可行的变反差图象匹配的自适应相关函数,并用序贯相似性检测法(SSDA)的思想,提出了一种用增加对已知参考图象的预处理来提高实时运算速度的方法,这样,就有可能实现图象匹配的实时处理。其中的相关函数及快速算法都是本文所做工作,它比MAD法及积相关法有更强的适应性及灵活性,也比边缘检测法有更好的可靠性。     

嵌入式并行图象匹配计算机

图象匹配在许多科技领域中具有非常重要的作有，尽可能地提高图象匹配的实时性一直是工程技术人员研究的重点课题，因此，我们开发了双TMS320C6201并行图象匹配计算机。     

图象匹配的快速映射定位法

本文证明了用投影特征进行图象匹配定位的唯一性。用Walsh函数作核函数计算投影特征,可加快计算过程。利用窗口图象的相对位移与投影序列之间的线性模型进行了快速映射定位,提出了两种组合精定位方法。实验结果证实,本文方法的定位精度与SSDA相近,但速度提高了十多倍。     

基于稀疏特征匹配和形变传播的无缝图像拼接

该文给出了一种基于稀疏特征匹配和形变传播的无缝图像拼接方法。首先,在配准图像的重叠区域中寻找一条结构误差最小的最佳接缝,从一边的图像中选取目标区域;接着,沿着接缝在两边的图像区域中检测出显著的结构特征,并进行特征匹配,获得目标区域中接缝上的匹配特征点及与之关联的边缘特征点的结构形变矢量;然后,通过求解泊松方程,将这些稀疏的形变矢量稳定和平滑地传播到目标区域内部,得到目标区域中各点的形变矢量;最后,由形变矢量通过内插获得目标区域的梯度场,并由梯度场重构出最终结果。该方法执行方便快速,不需要复杂的特征检测,能够统一地纠正图像拼接中较大的结构错位和颜色过渡不自然,在全局上消除结构接缝和颜色接缝。与其它方法比较,该方法获得较明显的改进。     

基于改进的遗传算法的快速图像相关匹配技术

本文基于遗传算法在图像相关匹配中的具体应用，提出了包括新的初始种群的选择策略以及调节收敛与发散因子、防止近亲繁殖的改进遗传策略，通过对实际图像的相关匹配仿真，证明了这些措施能有效提高遗传算法寻优可信度与寻优精度。     

基于图像匹配的定位分析

图像匹配是一种重要的图像处理技术,在导航、定位等领域有着广泛的应用。首先给出了图像匹配问题的原理描述,分析了基于区域匹配算法的一般思路,研究了图像匹配算法的组成要素。算法中采用相关系数作为相似性测度。为减小搜索空间提高算法性能,采用由粗到精分层匹配的控制策略进行算法优化,实现了算法的加速。通过匹配仿真试验,验证了算法的可行性、有效性。     

基于特征序列匹配函数的快速图像匹配

为解决在导弹制导、目标搜寻等领域中图像快速匹配的问题,提出一种基于图像局部特征序列的匹配函数,以加快图像匹配速度。该算法将匹配图像和查找图像分为若干相同大小的子图片,并计算它们的局部特征,形成一个带有特征的序列,利用提出的特征序列匹配函数,计算两种图像内容的特征序列下的匹配情况,该匹配函数能够利用匹配图像本身的特征信息提高图像匹配的查找速度。由于匹配图像特征序列之间存在关联,在匹配失效的情况下,不用再从查找图像的特征序列起始点重新进行查找匹配,而是根据匹配函数,计算出新的匹配点,从新的匹配点进行匹配,加快图像匹配的速度。     

基于非约束图像参考集匹配的视频人脸识别

针对视频人脸识别中系统不能很好地学习人脸图像有效特征的问题,提出了非约束图像参考集匹配方法,通过在两个图像集之间预先定义参考集构造多个离线的局部模型,并分别与参考集进行匹配,无需考虑所有的成对情况,从而计算出它们的相似度,有效地将视频人脸识别问题转化成二次规划问题。所提方法的有效性在Honda、MoBo及YouTube三大视频人脸数据库上进行了验证,实验结果表明,与现有的视频人脸识别方法相比,所提方法取得了更好的识别效果。     

基于小波分解的塔式快速图像匹配算法

文章利用小波分析的多分辨率特性，构建了小波金字塔上的快速图像匹配算法。首先对低分辨率的图像进行匹配操作，然后逐级上推，最终实现全分辨率下的图像匹配。实验结果表明该算法可以减少计算量、显著提高匹配效率。     

基于 SIMD-MCC 的图象块匹配并行算法

图像块匹配操作是图像处理中很多基于窗口任务的典型操作之一。文章提出了一种在SIMD-MCC计算机上实现的全搜索图像块匹配的并行算法,此算法对实时图中的每一个参考块和参考图中搜索区中的候选块进行比较,以确定一个最小的位移矢量。这个位移矢量所对应的位置就是匹配位置。该算法计算复杂度为O(log2N)。     

基于SCCH特征描述子的图像匹配算法

针对局部特征匹配算法面临的鲁棒性和实时性难以兼顾的问题,该文提出了一种基于带符号对比上下文直方图(SCCH)特征描述子的图像匹配算法。用Harris算子在高斯金字塔图像上提取多尺度特征点以减少所需处理的数据量,利用特征点邻域的区域灰度差异均值构建特征描述子,降低特征描述子的生成复杂度和维度,保留灰度差异均值的正负性信息以增强特征描述子的鲁棒性和可区别性,用特征描述子间的绝对值距离作为相似性度量以减少特征点匹配的计算量。实验结果表明,该文算法不仅对图像尺度缩放、旋转、模糊、亮度变化、较小视角变化保持不变性,而且匹配速度较快。     

基于改进局部不变特征的兴趣点匹配

该文提出了一种适用于目标跟踪的局部特征点检测与匹配方法,在尺度不变特征(Scale Invariant Feature Transform, SIFT)算法基础上进行了多方面的改进。在高斯差分尺度空间仅检测局部极大值,提高算法的稳定性;采用基于圆形邻域统计梯度方向直方图,来确定兴趣点的主方向和描述子,避免了图像旋转的运算代价;最后采用最近邻与次近邻之比来对96维的描述子进行匹配。所提方法在有效地提高匹配准确率的同时,大大提高了运算速度, 适用于对实时性要求较高的场合。     

Contourlet-SIFT特征匹配算法

基于局部特征的匹配算法中SIFT(Scale Invariant Feature Transform)算法性能好,应用广泛,但其描述子的维度高、匹配耗时大,对局部相似区域的匹配鲁棒性差。为此,该文提出一种Contourlet-SIFT特征匹配算法。在尺度空间下提取旋转不变特征,对特征及其邻域进行Contourlet变换,由各方向子带分解系数的均值和标准差构建全局纹理描述向量,根据向量间欧氏距离的大小进行特征点排序,选取距离较小的前1%的特征再进行SIFT最近邻比值匹配。实验结果表明该算法对亮度差异大、相似区域多的图像的匹配性能优于SIFT,在保证尺度、旋转、视角等不变性与SIFT相当的同时,匹配速度大为提升。