基于Pearson相关系数的图像误匹配点剔除算法

在目标识别和图像配准等领域中,进行特征点匹配时一般都会产生误匹配点,对误匹配点的准确剔除可以有效提升识别精度及配准精度,因而成为研究的重点.当前比较成熟的剔除算法,如random sample consensus(RANSAC)、M-estimator sample consensus(MSAC)等,经常会出现剔除部分...     

采用结构相似度和几何约束原理的影像误匹配剔除算法

针对影像匹配中存在误匹配点问题,提出了一种结构相似度(SSIM)理论的影像误匹配剔除算法,从亮度、对比度、结构三个方面建模得到一个相似性度量作为影像误匹配点剔除准则。该算法首先对匹配点邻域窗口计算其结构相似度,剔除结构相似度小于阈值的匹配点,然后对利用结构相似度理论难于剔除的误匹配点,再根据匹配点在影像空间几何分布特征来进一步进行剔除。通过与现有的基于RANSAC影像误匹配点剔除算法和基于灰度相关影像误匹配点剔除算法进行比较实验,结果表明本文算法能取得较好的误匹配点剔除效果,其综合性能优于其它两种误匹配点剔除算法,且时效性也较RANSAC算法好。      

最小二乘影像匹配算法的实现与研究

最小二乘影像匹配算法是数字摄影测量中常用的影像匹配方法之一。文章探讨了最小二乘影像匹配算法的基本原理,介绍了该算法程序实现的关键问题,分析了其实验结果并与相关系数法进行了比较,最后为最小二乘影像匹配算法的改进提供了建议。     

基于不变因子的SIFT误匹配点剔除及图像检索

为解决尺度不变特征变换(SIFT)算法在图像发生旋转和尺度变化时产生的错误匹配问题,提出一种新的算法.根据 SIFT 提取的关键点信息,利用正确匹配点对间的旋转不变因子和尺度不变因子来剔除 SIFT 误匹配点,然后对保留下来的特征点进行聚类分析,对目标图像进行识别判断,并通过实验将该算法与双向匹配算法和随机抽样一致性算法(RANSAC)进行比较.实验结果表明,该算法能够有效地剔除误匹配点,且误剔除率低.剔除误匹配点后再进行图像检索,图像的漏检率和误检率都大大地降低了.     

基于最小二乘拟合的雷达航迹匹配算法

本文采用最小二乘拟合方法拟合雷达目标航迹曲线,再计算拟合目标航迹与真实航迹的欧几里得距离,进而得到雷达航迹关联匹配结果。该算法克服了单点信息在存在信息缺失和目标机动等情况时出现错误的关联匹配结果,并通过多目标多平台仿真系统验证了雷达航迹关联匹配正确率,本算法已在实际工程雷达仿真系统中得到良好的应用。     

SVR在异源图像误匹配点对剔除中的应用

针对红外和可见光图像匹配算法中普遍存在正确匹配率低的问题,提出了一种基于支持向量回归(support vector regression,SVR)的误匹配点剔除算法.算法在已知特征匹配点对的基础上,将点坐标作为SVR的训练样本;通过SVR建立回归模型,拟合匹配点对的坐标映射函数;最后根据映射函数判定匹配点对的正确性,实现误匹配点对的剔除.实验表明,本文算法对于误匹配点的判定与剔除具有明显的效果.与随机抽样一致性算法相比,能够在不损失正确匹配的前提下有效减少误匹配对,具有较高的正确率.     

基于多目标优化的SIFT特征匹配算法

SIFT算子在实际应用中,由于地面图像本身特征不明显且提取出的特征点多、乱以及灰度变化不明显等特点的影响,从而导致特征点误匹配。为此提出一种改进的SIFT图像特征匹配算法。该算法是在SIFT特征匹配的基础上,利用多目标优化算法,建立相关匹配模板,利用给定同一场景的两幅图像,寻找同一场景点投影到图像中的模板之间的相关性建立数学模型即目标函数,根据同一幅图像中模板间的距离建立边界约束条件,从而剔除一些误匹配点。实验表明,该算法可以有效地提高图像匹配精度。     

基于平面点集最佳拟合椭圆方法的优化

本文优化了关于如何基于平面点集实现最佳椭圆拟合的计算方法。研究了基于平面点集实现最佳椭圆拟合的数学原理,使用了两种方法进行最佳椭圆拟合,对原有的拟合方法进行了优化。编写了相关程序进行了测试,比较了用两种方法所编写的程序的计算效率的高低。     

月球CCD影像的快速匹配算法

影像匹配是基于CCD数据获得月球高程数据的基础和关键。研究了月球CCD影像的小波金字塔分层匹配算法。利用小波分析的多分辨率特性,对CCD影像进行小波分解,构造了金字塔顶层影像误匹配剔除策略及金字塔底层影像匹配点的快速搜索策略,实现了自粗尺度到细尺度的匹配算法。该算法通过减少非同名像点的匹配时间和搜索时间,大大降低了运算量,从而提高了匹配效率和配准精度。实验结果表明,该算法在匹配正确率和匹配效率方面都获得了很好的效果。     

基于最小二乘法椭圆的拟合点的选择研究

最小二乘法广泛应用于曲线拟合。最小二乘椭圆拟合算法,由于拟合选择点有可能包含误差点,所以会对椭圆拟合的最后结果产生偏差。针对这种情况,采用设定选择点的限制条件,防止选择两点之间距离过近,一个点可能为误差点,从而对拟合结果产生较大改变,拟合过程及结果就不具有意义,浪费了计算时间与效率。先在设定的限制条件下选取6个点拟合椭圆,然后计算与此椭圆匹配的所有样本点个数。重复此过程一定次数,匹配样本点多的椭圆即为最优椭圆,构造了一种快速准确剔除误差较大样本点的改进椭圆拟合算法,并在实际图像应用中验证了算法能够有效地执行拟合计算,提高了拟合执行效率,拟合出具有高精度的椭圆,并且算法的速度能够满足实时性的要求。     

基于背景移除的时域目标检测

针对时域目标检测算法中跟踪数据量大、实时实现难度高的缺点,提出一种基于背景移除的时域目标检测方法.该方法首先根据不同像素点的时域起伏特性建立一个统一的模型,进而利用最小二乘法估计出该模型的参数,实现静态背景的移除.然后采用最小值滤波估计出目标信号的检测基准,并进一步分析了像素时域特性偏离该基准的分布特性,最终得到一个合适的目标检测量度.将所给出的算法应用于实际运动弱小目标的检测,实验结果表明,此算法对于复杂背景下的运动弱小目标具有很好的检测性能.     

一种基于图像插值的SIFT算法研究

SIFT特征是图像的局部特征,其对旋转,尺度缩放,亮度变化保持不变性,对视角变化、一定角度的仿射变换、噪声也保持一定程度的稳定性.提出了一种具有尺度不变特征转换的图像插值的SIFT算法.首先对图像进行SIFT特征提取,利用K-D树搜索并计算最近邻特征向量与次最近邻向量间的欧式距离来实现对特征点的匹配.在此基础上加入图像插值法增大采集特征点的范围,从而增加特征点匹配的对数.最后比较3种图像插值方法.实验结果表明：双线性插值法获取的特征点匹配的对数最多,但匹配时间较长.     

基于SIFT的超大图像配准

SIFT算法在仿射变换、噪声、一定程度的光照条件下具有良好的匹配性能,星上宽波段相机成像尺寸都非常大,超大尺寸图像直接利用SIFT算法,在构建高斯金字塔时空间占用大,同时导致计算用时长。通过研究仿射变换矩阵,提出可以通过计算超大尺寸图像的降采样图像之间的配准系数间接获取超大尺寸图像的配准系数的方法。经过实验验证,具有一定的可行性,对于图像配准从空间上减少计算量从而节约计算时间具有一定指导意义。     

一种基于对比度阈值的改进SIFT算法

为了提高基于SIFT(Scale Invariant Feature Transform)图像匹配算法对于图像对比度变化的鲁棒性和算法效率,提出了一种具有可变系数的自适应对比度阈值SIFT算法。根据特征点局部邻域的灰度信息初步确定对比度阈值,同时根据当前特征点的多少确定对比度阈值系数的大小;特征点越多,系数越大,增大对比度阈值从而达到避免特征点数量过大的目的。实验结果表明,改进后的SIFT算法能够根据特征点邻域内的灰度分布情况,自动计算对比度阈值,明显增强了SIFT算法对于低对比度图像匹配的鲁棒性;同时最终提取出的特征点数量避免了过大,稳定在预定的区间内,算法效率提高了1倍多。     

基于改进SIFT算法的图像匹配方法研究

SIFT算法具有旋转、平移、尺度缩放和亮度的变化保持不变性的优点,也有算法复杂、计算时间长的缺点。本文提出了以街区距离代替欧式距离的新方法,来提高SIFT特征匹配效率,缩短匹配时间,提高SIFT算法的实时性。实验结果表明,该方法在保持图像匹配率和算法鲁棒性的同时,可以减少运算时间。     

基于荧光微球的显微镜点扩散函数修正模型

为了修正显微镜点扩散函数荧光微球传统测量方法中微球直径对测量结果的影响、提高显微镜点扩散函数的测量精度,采用理论仿真、最小二乘拟合的方法,建立荧光微球等效2维浓度分布,模拟仿真了荧光微球显微成像过程;利用最小二乘拟合以及残差拟合的方法,得到荧光微球直径、荧光微球强度分布半峰全宽与系统实际点扩散函数半峰全宽之间的关系模型,由此模型得到较为准确的系统点扩散函数半峰全宽。结果表明,使用100nm荧光微球对系统点扩散函数进行测量时,相对误差在1%左右。此研究结果说明通过该修正模型可以得到较为准确的系统点扩散函数。     

基于相似性度量优化的SIFT图像匹配算法

SIFT算法具有很好的尺度、旋转及光照不变性,因此被广泛应用在计算机视觉的诸多领域.但因其算法复杂、计算时间长,导致实时性不好.在研究SIFT特征描述符生成及匹配过程的基础上,提出一种在匹配过程中降低相似性度量计算时间、提高匹配效率的方法.该方法以棋盘距离和街区距离的线性组合替代欧氏距离来度量特征描述符之间的相似性.实验结果表明:该方法在保证SIFT算法鲁棒性的同时,可以降低匹配时间复杂度.     

一种基于局域亮度极大的环栅激光图像边缘检测

针对无衍射激光图像特点,提出了一种由亮环确定图像中心的方法.利用局域亮度最大原理,提取亮环屋脊边缘点;对各个亮环边缘点用最小二乘法拟合圆心,取拟合残差最小的亮环的圆心作为整幅图像中心.该方法运算速度快,对图像无需二值处理,避免了阈值选取不当对图像边缘位置的影响,可以自适应地利用周围像素亮度值来确定图像边缘.该方法已应用到船舶的同轴度检测,获得了很好的结果.     

基于骨架约束的人体轮廓图像变形算法

经典的基于控制点的移动最小二乘变形方法,没有考虑到图像变形过程中图像的拓扑结构,导致变形效果脱离现实人体轮廓结构,变得夸张且不符合常理.而骨架刚好能完整地保留图像轮廓的拓扑结构.提出一种在变形过程中加入骨架约束的变形算法,通过推导计算得到一个约束系数,使每一个像素点的移动相对于骨架存在一个约束,从而达到真实有效的变形....     

基于加权总体最小二乘法的点云平面拟合

为了提高点云数据平面拟合精度,提出强度加权总体最小二乘法。该方法是在传统加权总体最小二乘法基础上,利用点云数据中各点强度信息确定其平面拟合权重,通过均质性不同的3种平面样本数据对该方法的适用性进行了研究。结果表明,与最小二乘法和总体最小二乘方法相比,该方法对于均质性较好的点云数据有效,可以得到更高精度的参量解;而对于均质性较差的点云数据,该方法效果不理想,总体最小二乘法是最有效方法。