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。     

一种基于区域特性的红外与可见光图像融合算法

提出了一种基于区域分割和à trous小波变换的红外与可见光图像融合算法.首先,对红外与可见光图像进行区域分割及区域关联,并按关联映射图所划分区域提取红外与可见光图像的的能量信息及梯度信息;然后,对红外与可见光图像进行多尺度à trous小波变换分解,分解后的低频部分按照文中所提出的区域能量比和区域清晰比指标进行区域融合,高频部分采用绝对值取大算子进行融合;最后进行重构得到融合图像.结果表明,该算法既可保持可见光图像的光谱信息,又可有效获取红外图像的热目标信息.     

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。     

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.     

基于改进区域生长法的电力设备红外图像分割

为实现电力设备红外图像中目标设备图像的分割,对传统区域生长法需要人工选择初始种子点,以及易产生过分割与欠分割的不足提出了改进,将红外图像中邻域均值最大的像素点作为种子点,实现种子点的自动选取。提出了使用Sobel算子计算梯度幅值作为附加限定条件的生长准则。改进的区域生长法的分割效果比传统的区域生长法效果更好。     

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.     

一种基于NSCT变换的红外与可见光图像融合算法

针对红外与可见光图像融合,提出了一种基于NSCT变换的图像融合方法。对经NSCT变换的低频子带系数采用基于区域能量自适应加权的融合规则,对高频子带系数采用混合的融合方法,即对于低层,采用基于区域方差选大的融合方法,对于高层采用像素点的绝对值选大的融合方法。实验结果表明,该融合算法可以获得更多的细节信息,能获得较理想的融合图像。     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨率金字塔引入迭代配准框架下,实现了高分辨率图像配准的加速.实验结果表明:该算法精度高,运算速度快,可以很好地完成可见光与红外图像的自动配准.     

基于似然函数最速下降的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数,以该函数作为目标函数,仿射变换参量作为优化变量,利用最速下降方法进行最优变换参量求解,从而实现边缘点集配准.同时,将多分辨...     

基于SIFT的电力设备红外与可见光图像的配准和融合-

提出了一种红外与可见光的配准和融合方法,该方法利用SIFT算法提取图像特征,并使用透视变换表示图像的变换关系,最后在HSI空间,对图像进行了加权融合。实验表明,该方法快速稳定、鲁棒性高。     

利用对称区域生长算法实现三维ICT图像的快速分割

图像分割作为一种基础的分析手段在工业计算机断层(Industrial Computed Tomography,ICT)检侧中有着广泛的应用.随着CT扫描方式从二维断层扫描向三维立体扫描的发展,对于CT图像的分析也由二维图像处理发展为三维序列图像处理,所以传统的图像分割手段已经不能很好地适应这种需求了.以目前在计算机视觉...     

基于区域增长的图像跟踪算法的研究

为了提高序列图像的跟踪精度,提出了基于区域增长的特征量提取方法。这种方法可捕获图像中所有单连通域,并能准确地提取其特征量,然后依据所提取的特征量设计分类器,实现对图像中所有单连通域进行分类识别并加以跟踪的目的。此算法有效地解决了一般传统识别算法难以区分目标和其近邻区域的干扰,而导致跟踪目标特征量提取不准确的问题。在目标特征提取识别算法的基础上,还提出了阈值预测分割算法,并应用在序列图像的跟踪中,取得了较好效果。     

融合区域生长与霍夫变换的内窥图像分割算法

为准确地划分出实际内窥图像的有效检测区域,依据此类图像的具体特点提出一种综合区域生长和霍夫变换的分割算法。利用区域生长大致分割出感兴趣区域,可能会存在漏检边缘或虚假边缘,通过二值形态学处理对图像进行平滑滤波和去噪,采用Canny算子在抑制噪声的同时进行边缘检测,应用霍夫变换检测圆的算法确定图像内有效区域的位置。通过对90组实际内窥图像在Visual C++ 6.0上进行仿真,实验结果表明:有88组内窥图像能够精确地分割强光干扰且划分出有效检测区域;仅有2组图像分割出的强光干扰及划分出的有效检测区域不够准确。     

基于区域进化的区域增长图像分割

为克服经典区域增长算法中门限选择困难、分割稳定性不高与串行处理速度慢的不足,提出了基于区域进化的快速区域增长图像分割算法。引入了新的区域能量表示模型,并给出了迭代进化形式。在区域增长过程中,逐渐增加区域增长的门限,通过对能量函数的动态优化来逼近最佳分割结果。仿真实验表明,该方法能有效地避免经典区域增长算法中门限选择的困难,采用区间连通处理技术代替单一像素串行迭代处理方式,可使分割速度提高十多倍。     

基于高斯混合模型的多区域并行增长图像分割算法

为克服经典区域增长算法中生长规则以及特征选取的困难,提出了基于高斯混合模型的多区域并行区域增长图像分割算法。首先交互选择多个不同区域的种子点,并利用交互式选择的属于每个区域的子块得到混合模型的个数;然后利用最大期望估计混合模型参数作为区域增长的初始参数,并在增长过程中不停地调节模型参数。为了避免初始种子点位置选择对算法性能的影响,采用了多区域并行竞争增长策略。仿真实验获得了较好的分割效果,表明所提出的算法是合理可行的。     

基于小波框架的红外/可见光图像融合

针对小波框架所具有的冗余性和平移不变性在图像处理中能较好保留图像细节特征的特点,提出了一种将l2上的离散小波框架和交叉子带像素融合方案(Cross band pixel selection)结合起来的融合算法,并用于红外和可见光图像的融合。仿真试验表明该算法较好地保留了源图像的细节信息,是一种行之有效的融合算法。     

中药光谱成像图像自适应区域增长分割方法

为了消除背景噪声对药材光谱图像检测结果的干扰,根据中药材光谱图像的特点,设计一种能够自适应对中药材光谱图像进行有效区域(ROI)分割的区域增长算法。该区域增长算法根据药材光谱图像的灰度直方图分布来自动选取种子点和分割阈值,在生长的同时进行连通性分析,生长结束后通过区域填充技术来消除图像中出现的孔洞。实验表明:该方法能够自动、准确地进行ROI分割,分割偏差小于8%,并且能较好地消除噪声的干扰,没有产生无意义的生长区域。     

利用区域信息的航拍图像分割

提出一种利用区域信息的航拍图像分割模型。针对GAC模型和Chan-Vese模型存在的不足,提出一种符号压力函数,该符号压力函数可以有效地增大模型的作用范围。与Chan-Vese模型相比,新模型不受初始条件的限制,进一步增大了模型的作用范围。新模型利用了图像的区域信息,可以同时将目标的内外边界分割出来。在新模型中,水平集函数不必初始化为符号距离函数,节省了计算开销。与传统的基于水平集方法的模型相比,新模型不含曲率项,实现简单。实验结果表明,与GAC模型和Chan-Vese模型相比,新模型的分割精度高于3%,分割速度快6倍以上。