基于相位相关的亚像素配准技术及其在电子稳像中的应用

介绍一种基于相位相关的图像配准方法,并将该方法应用于序列图像的运动检测,通过运动补偿,实现了序列图像的稳定输出。采用相位相关配准方法对序列图像进行亚像素精度配准,运用基于最小二乘的曲面拟合法,估计当前图像相对参考图像的亚像素级的平移量。在补偿图像运动时,为保证亚像素级的补偿精度,采用平滑算法,避免在图像补偿时出现马赛克现象。最后,对样本图像进行了亚像素级位移配准和图像补偿对比实验。实验结果表明,提出的方法可以检测到0．01pixel的运动量,最大配准误差为0．008pixel;采用亚像素级运动量补偿图像,最大误差〈0．5。     

一种空域和频域相结合的运动图像亚像素配准技术

针对视频图像运动检测问题,提出了一种结合空域灰度投影和频域相位相关的亚像素图像配准方法。首先,采用灰度投影算法在空域对运动图像进行粗配准,即在图像行和列方向上计算图像灰度投影特征数据,根据灰度相关函数最小化准则,估计像素级运动量;然后,在经过粗配准的两幅图像中心选取尺寸相同的区域,进行快速傅里叶变换,在频域采用扩展的相位相关算法对图像进行精确配准。该方法利用图像的功率谱信息,减少对图像内容的依赖,运用基于最小二乘的曲面拟合法,实现亚像素图像配准参数估计,具有从粗到精的特点,有效提高了图像检测精度。文中最后对样本图像进行了图像配准对比实验,结果表明,该方法可以检测0.01 pixel的运动量,最大配准误差为0.004 8 pixel。     

一种基于边缘特征的亚像素投影配准算法

为了提高红外图像配准准确度,充分利用图像的边缘信息,结合线性插值,对原有的投影算法引入新的图像相似性评价函数——均方误差函数(Mean Sequare Erron,MSE),提出了基于边缘特征的亚像素投影配准算法.提取图像边缘特征明显的部分做配准能提高匹配概率,引入积分投影能有效降低算法的计算复杂度.算法中还运用了线性插值,使配准准确度达到亚像素级水平.     

梯度算子选择对基于梯度的亚像素位移算法的影响

基于梯度的亚像素位移算法中不同的灰度梯度计算方法对计算结果的影响进行了研究,列出了几种常用灰度梯度计算方法,并用对相邻5像素点的离散灰度进行三次样条插值的方法推导出两种灰度梯度算子。然后对计算机模拟生成的散斑图像对用各种梯度算子计算得出的亚像素位移与预先设定的真实值做了比较,给出了相应的均值误差和均值相对误差。最后的真实试件的刚体平移和单向拉伸实验结果表明,Barron算子是所列的几种梯度算法中最为精确、稳定的梯度算子。     

相位测量偏折术中基于亚像素相移的噪声抑制算法

由于在相位测量偏折术中一般采用数字投影设备或者数字显示设备,相移间隔为若干像素,最小相移量为单个像素,因此对噪声的抑制也是有限的,为此提出一种基于亚像素相移的噪声抑制算法,通过正弦条纹灰度的连续变化来实现亚像素相移,从而增加相移帧数。并采用N-Bucket算法,解决了相移帧数增加后的计算量问题。计算机模拟及实验均表明,该方法可以有效地抑制噪声影响,提高测量精度。为实际应用中合理地选择相移算法提供了理论依据。     

两阶段旋转、平移亚像素数字稳像算法

提出一种稳健的两阶段层次匹配稳像算法, 在频域结合相位相关和谱对消技术对抖动图像序列间的平移和旋转矢量获得亚像素估计精度。算法第一阶段首先在对数极坐标表示下, 利用相位相关法得到图像帧间的旋转角度和整数像素平移参数; 算法第二阶段运用谱对消技术确定亚像素平移参数。在建立参数运动模型的基础上,通过自适应均值滤波确定各帧修正矢量。实验结果表明, 该方法具有亚像素级的稳像精度。     

基于微区统计特性的数字散斑相关测量亚像素位移梯度算法

提出了一种形式简单、求解快速、稳定性好和精度高的用于数字散斑相关方法亚像素位移求解的微区梯度算法。介绍了算法原理,并给出了四种不同模式的算法公式。采用模拟图像,介绍了四种模式在计算时间、计算子窗口时对结果的影响,并对适用范围和求解精度等方面进行了分析对比。最后的计算实例验证了算法的可行性和优越性。     

一种快速检测圆心的抗噪声亚像素算法

在印刷电路板的自动光学检测中，被检对象的空间对准是一个关键步骤，而传统的图像匹配技术由于其只能在像素级定位，而无法适应印刷电路板精确对准的要求。本文利用圆的几何对称性，提出一种在亚像素精度快速定位圆心的算法。     

PMP中基于亚像素相移的噪音抑制算法

提出一种基于亚像素相移的噪音抑制算法,通过正弦条纹灰度的连续变化来实现亚像素相移,从而增加相移帧数.采用N-Bucket算法,解决了相移帧数增加后的计算量问题.模拟及实验表明,该方法可以有效地抑制噪音影响,提高测量准确度.     

数字散斑相关方法亚像素求解的一种混合方法

亚像素求解是数字散斑相关方法(DSCM)中最重要的技术。亚像素求解算法的精度和效率直接影响DSCM的精度和计算速度。目前广泛应用的两种亚像素求解方法在处理高质量散斑图时都存在一定的缺陷:基于灰度插值的散斑场亚像素恢复方法,其计算精度较高,但计算消耗太大;基于相关系数分布的拟合方法,其计算消耗小,但计算精度较低。在分析两种亚像素求解方法各自优缺点的基础上,提出了一种结合两种算法优势的混合算法。混合算法在保证亚像素求解精度的基础上,可以大大降低整个算法的计算消耗。     

基于聚类的相位相关运动估计方法

针对相机运动引起的图像序列运动的问题,提出了一种基于聚类的相位相关块匹配运动估计算法。利用Harris算子分别在相邻帧图像上检测角点,以参考图像角点为中心选取一个矩形块,将块匹配法与相位相关相结合来计算图像间的运动矢量。最后,对获得的多个块的平移量,进行空间聚类从而选取运动估计比较准确的点。实验结果表明：该算法配准精度能达到亚像素,稳定性较好。     

一种基于小波变换的红外图像放大算法

图像放大技术的关键在于使放大后的图像尽可能地保持原始图像的清晰度。对于红外图像而言,传统的内插法存在着一定的缺陷。提出了一种基于小波变换的图像放大新算法,该算法对原始图像先进行小波变换获得高频系数,然后运用牛顿插值算法放大高频系数,以此作为放大图像的高频成份,而将原始图像作为低频成份,最后进行小波逆变换,重构出放大图像。实验证明该方法在图像细节方面具有很好的放大效果。     

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。     

基于特征点匹配的图像配准算法精度提升方法研究

图像配准是多种图像后续处理的基础,较为常见的有图像融合,图像拼接、图像的三维重建等,这些后续操作都需要在一个好的配准前提下才能完成,因此,对于图像配准精度改进的研究具有很重要的实际应用价值。对基于特征点匹配的图像配准算法提出了几个配准精度提升的方法,这些方法分别针对特征检测精度的提升和特征匹配精度的提升来达到图像配准精度提升的目的。     

一种稳健的特征点配准算法

为了能准确快速提取特征和可靠匹配特征点对,提出一种稳健的基于特征点的配准算法。首先改进了Plessey角点检测算法,有效提高所提取特征点的速度和精度。然后利用相似测度归一化互相关(Normalized cross correlation,NCC),通过双向最大相关系数匹配的方法提取出初始特征点对,用随机采样符合法(Random sample consensus,RANSAC)来剔除伪特征点对,实现特征点对的精确匹配。最后用正确匹配特征点对实现图像的配准。实验表明,该方法能够快速准确地提取两幅图像间的对应特征点,大大降低了误匹配的概率,两幅图像光照不一致、重复性纹理、旋转角度比较大等较难自动匹配情形下,仍能有效地实现图像的配准。     

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。     

亚像素多重分形方法在图像处理中的应用

提出了一种用亚像素多重分形原理求取图像奇异性的新型算法,降低了单纯依靠整数像素位置灰度级梯度信息计算边缘测度所产生的误差。该算法结合CCD成像机理给出在亚像素位置的灰度级梯度分布规律,利用多重分形理论将实际图像分割成一系列具有不同奇异性指数的分形集合,对应着从边缘到纹理各层面的图像内容。模拟计算了投影小波中心点改变单位距离对边缘测度的影响程度,得出亚像素分割梯度的方法可以增加计算结果鲁棒性的结论。此方法用于标准图像的分割中,选用5×5亚像素数目提取的最奇异性集合与索贝尔(Sobel)算子(默认阈值为36.7920)提取的边缘的峰值信噪比为9.3981 dB。应用于复杂路面的裂纹提取中,其结果更符合人类的视觉观测。     

改进SIFT变换与客观评价结合的图像配准算法

针对SIFT(Scale Invariant Feature Transform)算子在大幅复杂图像中提取的过多不稳定特征点及在只有少量重合区域下图像配准过程中出现的过多误匹配,导致图像配准精度下降。提出一种改进的SIFT算法,在对目标图像提取SIFT特征后,利用双向BBF(Best-Bin-First)匹配算法对提取的特征点进行匹配,采用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,通过随机抽取一致性算法(RANSAC)进一步筛选匹配点,并利用最小二乘法结合多项式近似拟合出变换模型,利用局部均方根有效值(RMS)评价映射矩阵与实际图像的误差,找出并删除引起误差的误匹配点,迭代至配准图像符合评价标准后,计算出精确变换模型。实验结果表明,该算法提高了大幅复杂图像在少量重合区域时的配准精度。