基于傅里叶变换的遥感图像配准算法

提出了一种基于傅里叶的遥感图像自动配准方法,图像间的变化包括平移、旋转及比例变化。该方法是傅里叶相位相关技术的扩展,其主要优点是在不需要寻找控制点和传感器参数的情况下进行图像自动配准。通过对数一极坐标变换、利用傅里叶变换的比例特性和旋转特性搜索图像间的比例和旋转变化,利用傅里叶的相位相关技术(能量谱)确定图像间的平移关系,实验结果表明了此方法的可行性和有效性。     

基于图像校正与相位相关的视频拼接算法

针对现有基于特征的拼接算法在特征单一的场景中存在配准精度和效率方面的不足,提出了一种新的拼接算法,巧妙地将摄像机标定与相位相关的方法相结合,通过摄像机标定求出摄像机内外参数,对摄像机输入的视频图像进行矫正,从而使得两幅待匹配的图像间只具有平移参量.再通过相位相关算法求取高精度的平移参数,最后进行图像融合处理.拼接过程中,不需要提取拼接图像的特征,减少了图像配准过程中算法对于场景特征的依赖性.实验结果证明,该方法在场景特征单一的条件下能够实现稳定高效的视频拼接.     

湍流退化图像相位恢复算法研究

为克服气动光学效应对目标图像的影响．把相位恢复算法与气动光学效应机理研究结合起来,用于湍流退化图像的恢复。该算法是通过目标图像的傅里叶变换幅值来恢复目标图像,或等价地,恢复傅里叶变换相位。讨论了两类相位复原算法——迭代傅里叶变换（研）和解相关算法。对现有的解相关算法作了改进。采用共轭梯度法解高斯一牛顿方程,可有效提高算法的收敛速度。研算法不能保证迭代过程总能收敛到正确解,有时会出现停滞现象。将研和解相关算法组合起来,可以克服IFT算法的停滞现象,提高正确收敛率。给出了在信噪比为20dB情况下的湍流退化仿真图像恢复的实例,目标图像能较清晰地恢复出来。实验结果表明该算法具有较好的稳定性和抗噪声能力。     

采用局部谐波能量的图像融合准则研究

本文提出了一种新的图像融合准则:在用金字塔和小波分解的图像融合中对其中的高频子图进行局部傅里叶变换,求出其频谱中谐波能量,然后以皆波能量和低频子图中相应区域能量的比值作为像素取舍的判据.文中把这种规则用于多聚焦图像的融合和不同波段卫星遥感图像的融合实验,实验表明本文提出的融合准则对这些类型的图像融合是有效的,在某些方面优于通常的融合准则.     

基于小波变换的雷达视频融合算法研究与实现

近年来,通过多雷达视频的融合显示来提高显示效果已成为一种趋势,其中图像融合技术是多雷达视频融合显示的基础。为了提高目标检测的分辨率,抑制每个传感器的检测噪声,本文介绍了一种基于小波变换的图像数据融合方法,并应用到雷达视频融合显示中去。     

基于傅里叶梅林预处理的SIFT图像拼接算法

对于图像存在旋转和尺寸缩放而导致的图像拼接质量不理想的问题,提出了基于傅里叶梅林预处理的SIFT图像拼接算法.算法首先利用傅里叶梅林计算图像的计算两幅图像的缩放比例和旋转角度,然后对图像的缩放比例和旋转角度进行调整,最后通过尺度不变特征变换(SIFT)算法进行图像的拼接.实验结果表明,改进的算法匹配的特征点数量增加了1...     

基于时频图的飞机目标特征提取算法

研究了两种基于时频分析的飞机目标特征提取算法。首先,介绍利用短时傅里叶变换获得目标二维时频图信息,然后,分析飞机目标回波时频图的图像熵特征和平均时频谱特征,给出了这两种特征的提取算法,仿真得到利用这些特征对三类飞机的分类识别结果,分析了其目标分类识别性能以及适用情况。在研究时频图平均时频谱特征提取算法时,发现单独使用此特征在飞机目标分类识别中存在的问题,加入基于平均时频谱的方差特征,综合两种特征实现了对三类飞机目标的的分类识别。仿真结果表明,这两种特征的目标识别正确率都能达到94％以上。     

光学分形图像的产生

叙述了获得分形图像的一种光学方法。这种方法是通过对光学傅氏变换所获得的一系列初始图像进行卷积。如果所有的图像具有相同的傅里叶光谱特征，而这些光谱却具有着不同的尺度，在输出平面上便可获得分形图像。实验表明，用这种方法可在光学上产生简单的规则分形图像。     

基于边缘特征和相位相关的图像配准

由于拍摄时间不同、传感器的抖动等原因,成像系统产生的序列图像之间具有一定的位移矢量。研究了一种基于边缘和相位相关的图像配准方法,首先提取图像边缘,然后进行归一化相位相关,从而估算出序列图像之间的位移量。实验结果表明,该方法的配准精度明显优与传统的相位相关方法,并对噪声具有较强的抑制能力。     

基于图像处理的建筑物振动位移测量算法

针对地震后高层建筑物结构损伤监测问题,该文提出一种基于方向码匹配(OCM)和边缘增强匹配(EEM)算法的微小位移测量算法。该算法先将原始图像梯度信息与像素强度融合,增强图像信息;采用相位相关法进行匹配运算,匹配速度比归一化互相关法提升了96.1%;最后使用亚像素插值法,使测量结果达到亚像素精度。实验结果表明,该文算法避免了OCM和EEM算法量化过程中图像梯度信息的损失,大大提高了模板匹配精度,匹配速度比OCM提升了43.3%,比EEM提升了19.6%。     

基于红外图像能量值的自动聚焦算法

自动聚焦的关键在于图像的评价函数,介绍了几种传统的评价函数,并比较这几种函数评价图像清晰度的优劣。采用红外图像的能量值作为评价函数的输入值,大大节省了计算时间,评价准确度高。利用单片机控制步进电机并记录转动步数,驱动镜头的光轴转动,将光轴从一个极限位置转动到另一个极限位置,找到评价值最高的位置,能够快速完成自动聚焦。     

基于数字位移传感器的位移测量系统

数字位移传感器位移测量系统中的数字位移传感器具有高精度、高分辨率和稳定性好的特点,并且系统中SPP转RS232接口电路,解决上位机与位置反馈环节之间的传输距离短的问题。云台的一米红外太阳望远镜终端为了得到清晰的太阳光谱,将采用该位移测量系统。介绍系统的结构和位移传感器工作原理,阐述了数据采集部分SPP转RS232接口电路的硬件设计和系统的软件设计,并且进行位移测量实验。实验结果表明,该位移测量结果达到了红外太阳望远镜主镜调焦的精度和实时性要求,系统将于2009年年底投入试用。     

基于局部方向能量的鲁棒图像融合算法

针对现有小波类图像融合算法在特征表达上的不足,将对偶树复数小波变换引入图像融合中。Robins等的研究表明,局部能量对各类图像特征的表达和定位具有稳健性。基于对偶树复数小波变换,定义了局部方向能量和局部能量,结合人类视觉系统对图像特征的响应特性,定义了局部带限对比度,表达特征的显著性。实时图像融合系统中,输入可能被随机噪声污染。根据图像特征和噪声局部方向能量分布不同的特点,定义了局部方向能量熵,用以自适应改善带限对比度,提高融合过程对噪声的鲁棒性。对融合算法仿真结果的主客观性能分析,充分验证了本文提出的鲁棒的图像融合算法的卓越性能。     

基于区域能量比的红外与可见光图像融合方法

目前大部分基于小波变换的图像融合算法只是考虑单个小波系数的独立性或者其邻域的相关性,这样影响了图像融合的结果.针对这一点,提出一种新的基于区域能量比的图像融合算法.实验结果表明该算法能够较好地保留光谱信息和细节信息.     

基于能量分割的空间域图像融合算法研究

针对空间域图像融合存在不同图源差异性信息提取、融合权重选取困难等问题,提出了一种新的空间域图像融合算法。利用矩阵相似的基本原理,对红外图像矩阵进行对角化变换,计算可见光图像矩阵在主要特征向量上的映射,采用加权融合的方法处理特征值矩阵,对融合矩阵进行对角化逆变换重构融合图像。实验结果表明,算法在充分保留源图像有效信息的同时,融合图像的整体灰度得到了明显的改善,具有良好的图像质量评估指数和更加优秀的视觉效果。     

基于纹理能量分析的自适应图像融合方法

针对现有的许多图像融合方法在提高图像几何分辨率、保持原始影像光谱信息方面的缺点,利用小波的“显微”特性,提出了基于纹理能量分析的自适应图像融合方法。该方法在保持光谱信息的同时,可提高图像的几何分辨率。实验对比表明了该算法的优越性。     

基于图像位移测速的电机转子位置和速度检测方法

引入图像位移计算方法对电机转子位置和速度进行了检测。分析了自相关算法的原理并提出了改进算法,并设计了线阵CCD图像采集系统,构建了图像实时处理软硬件平台,并对测试系统进行了标定,实现了电机转子位置的瞬时位置和速度检测。实验结果表明,该检测方法测量精度高,实时性好,对电机实时性高精度控制具有较好的理论和实践意义。     

基于线阵图像傅里叶与灰度匹配算法的三维测量

双线扫描相机三维测量系统的匹配环节容易受到表面纹理和光源的影响,从而影响点云的精度和完整性.为此,提出了一种基于傅里叶变换的灰度相似性匹配算法,以实现高精度匹配和处理部分过度曝光.此外,建立了测量系统的成像模型,提出了一种灵活的线扫描相机静态标定方法.最后,搭建了实验平台验证了所提匹配算法的效果和测量系统的精度.相机标...     

一种基于聚类分析的红外图像配准算法

为了提高红外图像匹配的精度和效率,提出了一种将Harris-Laplace关键点提取和旋转不变LBP特征描述算子相结合的局部特征检测新算法,该算法不仅在图像的尺度、光照和角度发生变化时,仍然能够得到很好的检测效果,而且能很好地描述图像的局部纹理特征.特征向量描述完成后,为了进一步提高红外图像特征点匹配的正确率,提出了一种基于K-means聚类分析的图像匹配策略.先利用Cosine余弦相关匹配策略实现特征点的初步粗匹配,接着采用K-means 聚类分析匹配策略剔除图像中大部分的错误匹配.实验表明:提出的算法表现出良好的鲁棒性,关键点提取的重复率(Repeatability)提高了9.2％.与传统的匹配算法相比,采用基于K-means聚类分析的匹配策略匹配精度可以提高5.05％,匹配时间可以缩短0.068 s.该特征描述算法和基于K-means聚类分析的匹配算法满足了红外图像配准的高精度性和高实时性的要求.