真彩色传递双波段图像融合

针对基于颜色传递的双波段（中波红外、可见光）图像融合时,由于参考图像选择不当,造成的彩色融合图像对比度差、图像边缘细节下降等问题,提出了基于拉普拉斯金字塔分解及对比度可调的色彩传递图像融合算法。对待融合的两幅图像进行拉普拉斯金字塔三级分解,每一级按照不同的融合规则进行融合,以重构后的灰度融合图像作为融合结构的亮度分量Y,将可见光与红外图像的差值图像作为U分量,以红外图像为V分量。在颜色传递公式中,加入可调的比例系数,通过适当调节比例系数可调节融合图像的对比度。实验结果表明,获得的融合图像较好地保留了可见光图像的细节,既突出了红外目标同时又具有参考图像的颜色特征。图像评价结果表明,融合图像的均值、方差、熵等评价指标均得到较大提高。     

基于梯度和小波变换的水下距离选通图像去噪

水体的散射效应、激光光斑、成像器件的非理想化等因素使得图像出现大量无规律粒状噪声,它们增加了水下距离选通图像的背景噪声,模糊了目标轮廓,掩盖了目标细节,降低了图像的信噪比。针对上述问题本文提出了一种基于梯度和小波变换的去噪方法。首先对图像进行余弦小波变换,得到不同频率空间的图像集。低频空间引入新的图像梯度强化方法以提高图像的纹理信息量;对应非均匀性条带的LH或HL空间做曲面拟合处理以消除非均匀性条带的影响;在HH空间去噪过程中,低层空间做非局部均值处理以保留图像相似信息,高层空间做分数阶积分处理以保留图像细节信息。最后小波逆变换得到结果图像。从实验水槽中采集水下图像进行算法验证,将改进方法与已有算法比对分析。实验表明,本文所研究的水下去噪算法,能够平滑噪声且更大限度地保留图像细节纹理,在客观评价指标上提升了6%。     

改进的匹配点提纯算法mRANSAC

针对当前图像匹配算法中匹配点提纯环节不能有效提取正确匹配点的问题,提出了多变换矩阵mRANSAC(multi-RANSAC)方法.由于数字图像离散采样的原因,匹配点不能准确对应,存在一定的误差,由其拟合出的变换矩阵也各不相同,因而一个变换矩阵不能包含所有的正确匹配点.通过对RANSAC的研究发现,在抽样计算结果非最大内点数组中,只要内点数足够多,也是正确的,这也可以通过不同图像匹配点数不同来客观印证.因而提出使用多变换矩阵增加匹配点数,提高提纯效率,并提出并集法、减集法、自适应内点数阈值法三种策略.结果表明,mRANSAC提纯结果比RANSAC方法多出60%～300%.通过对mRANSAC阈值的设置和调整,可以达到近似100%的提纯率.该方法也可应用到其他有类似提纯问题的领域中.     

双直线运动共同作用的图像模糊参数分析

针对单幅由高频简谐振动和匀速直线运动同时模糊的图像,提出了运动参数辨识的方法. 研究中组合参数不同的两种运动模型,仿真了图像的模糊效果,并应用各种算法进行参数辨识. 结果表明,当两种运动的方向不同时,使用倒谱算法能够准确辨识运动角度;在运动角度上,当微分图像的自相关函数上出现2个十分贴近的正负极值点,且它们之间的距离小于4~5个像素点时,该运动方式为高频简谐振动,否则为匀速直线运动;当运动方式确认后,二次Radon变换算法有利于高频振动获得准确的模糊长度;图像微分自相关函数算法则更利于匀速直线运动获得准确的模糊长度.      

高精度全景补偿电子稳像

针对摄像机拍摄目标过程中自身的随机抖动造成的视频序列不稳定,以及稳像补偿过程中边缘信息的丢失,提出了基于SURF（Speed-up Robust Feature）算法的全景电子稳像方法。首先,运用SURF算法提取当前帧图像和参考帧图像的兴趣点,将两幅图像的兴趣点进行匹配,建立两帧的对应关系。针对兴趣点数目较少及场景中部分区域特征相似的情况,引入了兴趣点位移一致性抑制策略,改进了RANSAC（RANdom SAmple Consensus）误匹配的剔除算法,使得运动矢量的精确度小于1 pixel。然后,判定参考帧的更新策略,获取平滑的运动变量。最后,进行运动补偿,运用图像镶嵌技术对丢失的边缘区域信息进行全景补偿,得到了高精度的全景稳像结果,实验得到的输出视频峰值信噪比（PSNR）提高了33.1%。     

改进的固定点图像复原算法（英文）

研究了周期边界条件下,Tikhonov正则化的固定点算法,提出了变化正则化参数的方法。首先对正则化参数取较大值,抑制复原图像中的噪声,通过得出的收敛结果来修正初始梯度;然后对正则化参数取较小值,以增强复原图像中的细节。实验结果表明,与当前求解L1范数正则化函数和全变分正则化函数的流行算法比较,本文算法对于运动模糊与高斯模糊图像的复原效果更佳。     

三维物体抗仿射变换特征匹配方法

为解决三维物体视角变化下的图像匹配问题,提出一种实现三维物体任意仿射变换间的图像匹配方法. 在抗仿射变换的Affine-SIFT算法基础上,提出了多变换矩阵mASIFT（multi Affine SIFT）算法. 使用多平面随机抽样一致性（multi-plane RANSAC,mRANSAC）几何变换约束方法,从描述子粗匹配结果中提取正确匹配对. 比单一变换矩阵方法更加符合目标物体的立体多平面特性,匹配对数普遍是ASIFT的5~9倍. 降低每个单应矩阵的误差阈值,使内点提取中双向变换误差阈值小于3个像素（或2个像素）,更有效地剔除误匹配,可计算出更精确的变换矩阵,实现更加准确的匹配.      

多帧距离选通图像点扩散函数估计的超分辨率重建

为了解决水下激光距离选通图像成像过程中退化模型复杂的难题,提出了利用连续帧图像估计点扩散函数的距离选通超分辨成像方法。首先,从连续帧图像中选取一帧为参考帧作为初始清晰图像,下一帧图像为模糊图像,用梯度约束的方法求出点扩散函数,用于优化清晰图像;然后,依次将后续帧图像当作模糊图像与清晰图像交替迭代求取点扩散函数并优化更新清晰图像;最后获得的清晰图像与参考帧图像用乘法更新的方法估计点扩散函数,结合凸集投影法算法进行超分辨率成像重建。仿真实验结果表明,改进的算法重建图像分辨率和质量明显优于原始的算法。     

铁路运行环境下的车载相机姿态估计

基于对铁路运行环境中所拍摄的图像特征的分析,提出了一种修正的线段检测子(MLSD),并利用该线段检测子结合最小二乘拟合及交叉迭代优化方法对消失点进行快速检测,进而利用消失点坐标实现了相机姿态的估计,为后续调整机器视觉算法进行铁路运行环境的场景重建提供重要依据。运用该方法,基于车载相机所拍摄的图像对车载相机姿态进行估计,实验所得的估计值满足了车载检测系统的精度要求,表明了此方法对于估计相机姿态有效的。     

基于多通道Gabor滤波器的高鲁棒灰度图像目标识别新方法

提出了一种针对低质量的灰度图像的基于多通道Gabor小波滤波器的高鲁棒目标识别新方法。主要是利用Gabor小波设计了滤波器,滤波器的中心频率是一个从低到高的范围。滤波器采用不同方向、不同尺度,从而组成多通道滤波器。对灰度图像直接进行小波变换,用Gabor小波变换系数的模的平均值和其标准方差来表示抽取的灰度图像目标的特征,并对获得的小波特征归一化后输入到改进的BP神经网络分类器中进行分类识别。对四种不同的飞机灰度图像目标进行了分类识别仿真实验。结果表明,这种特征提取方法能有效地提取灰度图像目标纹理特征,并且对噪音和形状的变化具有强鲁棒性。在应用灰度图像对目标进行识别时,神经网络的训练时间减少到10min,识别率达到94%。