一种基于非降采样Contourlet变换和MLESAC的星空图像配准算法

针对不同时刻拍摄的星空图像进行叠加,提出一种基于非降采样Contourlet 变换（nonsubsampled Contourlet transform, NSCT）和随机抽样最大似然算法(maximum likelihood estimation sample consensus, MLESAC)的图像配准算法。该方法首先对星空图像进行NSCT变换,以提取特征星体的边缘,接着以特征星体的质心为顶点,构造特征三角形,根据三角形全等准则对其进行匹配;然后利用MLESAC算法对已匹配三角形的重心进行验证,将满足要求的特征点带入仿射变换模型,求取变换参数,实现图像的配准。该方法在保证配准精度的条件下,降低了经典配准算法的复杂度,能够有效处理光照变化以及噪声的影响。采用50组空间图像进行验证,结果表明,该算法能够在有效抑制星空图像光照和噪声的情况下,实现星空图像的精确配准,均方根误差达到0.374 1。     

考虑特征提取不确定性的多特征图像配准算法

基于特征的图像配准算法中,一般只利用图像中的一种特征进行配准,且在特征匹配阶段,同等地对待每一个特征而忽视特征本身的稳健性差异,这在很大程度上限制了算法的适用范围和稳健性。在对特征的不确定性进行定义的基础上,提出了一种综合利用多种特征进行图像配准的方法。在特征匹配阶段,考虑特征本身的不确定性,即特征稳健性越强,其对相似性测度函数的影响越大,反之,影响越小。另外,为了求解利用多种特征构造的相似性测度函数的最大值,提出了交替求解和构造统一关系矩阵两种方案。实验表明,该方法是准确有效的。     

采用支持向量机的指纹图像分割

提出了一种采用支持向量机分类的指纹图像分割方法。将指纹图像分块,并根据图像块的对比度特征进行初分割,以去除灰度变化较小的白背景块,对剩下的图像块提取方向偏差和频率偏差,并根据对比度、方向偏差和频率偏差三个特征分割出特征明显的前景块和背景块,采用支持向量机将经前两次分割不能判决的图像块分为前景和前景两类;采用形态学方法进行后处理以减少分割错误;为计算频率偏差,提出了一种新的频率计算方法。在FVC指纹库上对算法进行仿真实验,结果证明了方法的有效性。     

基于灰度分布模型的声呐图像目标检测算法

针对声呐图像目标检测问题,提出了一种基于声呐灰度图像像素点的灰度分布模型的目标检测快速算法。该算法利用图像中各像素点处滑动窗内像素点的灰度分布模型的参数和拟合误差为特征量,构造声呐图像的特征图,并采用自适应阈值算法进行目标特征区域检测处理。最后将该算法的检测结果同分形特征以及扩展分形特征检测结果进行了比较分析。仿真结果表明该算法具有实时性好、准确度高的特点,并且可有效地克服背景中演示等自然景物的影响,实现人造目标的准确提取。     

井下基于动态指纹更新的指纹定位算法研究

围绕煤矿井下环境特点,提出一种基于动态指纹更新的指纹定位算法.该算法运用FCM(Fuzzy C-Means Clustering)按信号分布特征划分井下定位区域,在各个子区域建立训练学习模型.在FCM算法基础上提出一种基于移动用户位置的HMM(Hidden Markov Model)运动信息序列模型,通过用户无意识地参...     

基于递归标记的红外图像变分辨率相关匹配算法

提出了一种新的红外图像分析算法。该算法根据图像预处理分割后的二值图像,对目标图像进行递归标记,避免了基于点的连通体检测中“1”像素点可能被重复扫描的现象,实现了只考虑提取目标特征,不用得到最终的标记图像本身的要求。获取对应红外图像的二进制编号后,根据目标形心特征进行变分辨率相关匹配,实验结果表明对理想及带噪声的输入均有较好识别率。该算法在提高了目标单帧检测概率同时,尽可能地降低了相关匹配的运算量。     

基于空间点特征和改进Hausdorff距离的图像配准方法

在基于特征的图像配准中,针对基于边缘的Hausdorff距离计算效率低的问题,提出用能表示图像空间结构的特征点来进行Hausdorff距离计算的方法。该方法是通过检测图像中的特征点来减少匹配点集中点的数量,实验证明了该方法的有效性,以及在计算和匹配时间上要优于基于边缘特征的Hausdorff距离计算方法。针对稀疏特征点集的特点,提出了改进Hausdorff距离,该距离通过改进部分Hausdorff距离使其更加适用于稀疏点集的距离计算,实验表明该距离在抗噪等方面优于其他Hausdorff距离。     

基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

基于直线特征的航拍图像机场跑道自动识别算法

针对航拍图像中机场跑道的区域灰度特征和边界直线特征,提出了一种基于直线特征的机场跑道自动识别算法。首先对航拍图像进行边缘检测;然后在归一化的边缘检测幅度图像中进行直线提取,并对提取的直线进行三次连接;再进行机场跑道边界平行直线对的提取;最后根据区域灰度特征对机场跑道区域进行验证,完成机场跑道的识别和定位。大量实验结果表明,本算法对云层遮挡等具有较强的鲁棒性,并且定位准确,是一种有效的机场跑道识别算法。     

三维重建中特征点提取与匹配算法研究

提取图像的特征点并进行匹配,是三维重建中的关键技术之一,也是计算机视觉的一个瓶颈,至今仍未得到彻底解决.本文研究了Harris和SIFT两种应用广泛的特征点提取算法,对提取的特征点采用欧式距离度量点对的相似性,利用最近邻法搜索策略进行特征匹配.通过实验比较了两种算法的特征点提取结果,Harris算法对特征点进行了非最大抑制,特征点比较分散,SIFT特征点具有尺度不变特性,定位精度达到子像素级.最后,对SIFT特征点进行了宽基线下的匹配.     

基于漫水填充的图像骨架提取方法

针对当前图像骨架提取存在毛刺现象和骨架冗余的问题,提出基于漫水填充的图像骨架提取方法。对目标图像预处理,得到阈值化二值图像,分割出前景和背景;构建掩模图像和轴线图,为后续运算过程提供数据来源和判断依据;通过遍历水平面灰度直方图,模拟漫水过程,收缩掩膜图像的前景轮廓,根据邻域连通分量变化,确定是否为骨架特征点,待轮廓收缩完毕,得到图像骨架。实验验证表明,该方法可以有效地提取图像骨架,毛刺现象和冗余结构明显减少,执行速度快。     

基于损失提取反馈注意网络的图像超分辨率重建研究

自SRCNN(super-resolution convolutional neural network)将卷积神经网络用于超分辨率图像重建领域以来,人们通过大量的研究证明了使用深度学习的方法能够提高重建图像的效果。针对图像超分辨率网络中参数过多以及图像特征利用不充分导致可用的高频信息较少等问题,提出了一种基于损失提取策略的反馈注意网络(loss extraction feedback attention network,LEFAN),以循环的方式对参数进行复用,同时增加对低分辨率图像特征的重用,以捕获更多的高频信息,对重建过程中造成的损失进行提取并融合到最终的超分辨率图像中。实验结果表明：算法在实现多次利用低分辨率图像的基础上,对潜在的损失进行提取并融合到最终的超分辨率图像中,可以获得较好的图像重建效果。     

一种基于图像空间的碰撞检测算法

根据光线与封闭物体间的相交特性,设计并开发了一种基于图像空间的碰撞检测算法。采用VBO技术提高图形渲染速度以提高算法的性能。利用待测物体对的轴向包围盒（AABB）设置合理的视锥和视口,减少图形的绘制量,进一步提高算法性能。测试结果表明,该算法可以直接处理非凸体,处理复杂模型的碰撞检测问题实时性好、平稳性高,但是其性能受到分辨率的影响。最后讨论了将该算法扩展到多个物体间进行碰撞检测的实现策略。     

基于鱼眼图像的虚拟漫游研究

根据鱼眼图像的有效区域为圆形,提出了扫描线逼近的轮廓提取算法,基于图像重叠部分亮度差最小的原理,确定了重叠区域,通过对重叠区域进行融合处理实现了鱼眼图像的缝合,最后直接从鱼眼图像上提取颜色信息,重新采样图像数据,实现了基于鱼眼图像的虚拟漫游。结果表明:能较大的提高漫游的实时性能,取得了良好的效果。     

基于蚁群算法的监控系统的图像识别技术研究

介绍智能监控系统中的图像识别技术;利用蚁群算法进行图像分割,提取可疑区域,再运用人工智能中的基于缺省规则推理对可疑区域进行分别处理。运用这项技术对非法入侵对象进行识别,经实验验证实用可靠,满足实时性要求,能将报警信号和可疑区域图像通过网络传送到报警中心。     

基于稀疏编码的自然图像特征提取及去噪

主要讨论稀疏编码在自然图像统计特性中的应用，利用稀疏编码实现图像的特征提取以及消除图像中的高斯噪声。丈中利用双梯度算法对自然图像的基向量进行迭代学习。实验表明，提取的基向量在时域和频域上都有方向性和局部性。与小波收缩法相比，稀疏编码法提取的特征要优于小波法提取的特征。对特征提取的实际应用，就是利用稀疏编码收缩法对图像消噪，并通过仿真实验证明稀疏编码收缩法去噪效果要优于任何低通滤波方法。     

三维粒子测速系统中遗传匹配法的设计

提出了基于遗传算法的三维粒子图像匹配方法及实际中的优化设计。该方法以视差为编码、结合SSD(sum of square difference)与SAD(sum of absolute difference)法对结果进行评估,并通过单点、多点的双交叉、变异与序列的混沌化处理达到对分析空间的搜索;最后,局部处理结合全局唯一性迭代检测进一步增加了匹配结果的可信度。利用优化前后所提算法对空间粒子图进行了对比及误差分析。结果表明:所提算法适用于粒子测速系统的立体匹配,能够给出较准确的视差信息。     

基于图割的DCT编码图像分割算法

图割是图像分割中经典有效的算法,针对其计算量较大、实时性能不佳,面对广泛使用的DCT编码图像,提出一种改进的交互式快速分割算法。该算法利用DCT编码图像中的DC系数生成DC低频图像,有效降低了GMM参数学习的训练样本数,结合DC系数与AC系数生成纹理特征,通过颜色与纹理特征的有机结合、局部自适应正则化参数的选取,改善了对纹理图像和细长型边界的分割能力。实验结果表明,算法效率得到了提高,分割效果得到了一定的改善。     

基于改进矢量量化的SAR图像压缩算法

由于SAR图像像素之间相关性比较弱,考虑到矢量量化在信源弱相关的条件下,也能取得比较好的压缩效果,将矢量量化用于SAR图像压缩中。同时,针对SAR图像纹理丰富,容易受到斑点噪声影响的特点,改进算法将区域整体图像信息从量化空间中分离出来,而且删除了每次聚类后含有最少矢量的胞腔。该算法有效的减少了量化空间大小,使生成码字分布更加合理。实验结果表明,矢量量化对于SAR图像压缩是有效的,并且,改进算法提高了图像整体压缩效果,较好的保留了点线面目标,同时在斑点噪声抑制方面做出了有益的工作。