改进序贯相似性检测算法的遥感图像匹配

为了克服传统的遥感图像匹配算法低鲁棒性的缺陷,本文对传统序贯相似性检测算法进行改进.首先,定义噪声敏感度,自适应判定像素点是否为噪声,并对噪声点进行预处理;其次,计算每个像素点的梯度方向,与初始设定的梯度方向阀值对比,离散待取样像素,减少非匹配区域的计算量;最后,对经过预处理的图像进行图像匹配.实验结果表明,经过改进的算法具有较强的抗噪能力和较快的运算速度.     

基于基音频能值的端点检测算法

根据语音的发声特点,基于分析语音信号中的基音频率和语音之间的关系,提出一种在强噪声环境下实现提高语音识别率的方法,并对基于基音频能值的端点检测算法和传统语音端点检测算法进行比较.实验结果表明该方法不仅能够有效提高语音段的检测率,同时还具有计算量小、实时性高、不受噪声影响即鲁棒性好等特点.     

面向移动设备的图像匹配算法适用性研究

图像匹配技术作为增强现实的核心问题受到广泛关注.现有的研究主要集中在PC端图像匹配算法的鲁棒性和具体实现方面,而对计算能力较弱、易受环境因素影响的移动终端上实现图像匹配的鲁棒性、适用性等方面探讨较少.针对该问题,选取常用的ORB、BRISK、SURF、FAST_FREAK、FAST_SURF以及SURF_FREAK图像匹配算法,以移动终端为实验平台,从匹配效率与鲁棒性两个方面对算法进行比较分析,并采用正确匹配点对和匹配分数两个指标对算法进行综合性能评价.实验结果表明:ORB算法具有较高的运行效率,同时该算法对旋转、光照、尺度、视角等变换具有较好的鲁棒性,适合于移动增强现实的实时匹配应用.     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

基于改进的FAST和FREAK的图像匹配算法

针对传统图像匹配算法匹配时间较长、误匹配率较高的问题,提出一种改进的FAST和FREAK的图像匹配算法.该算法首先在圆形邻域上不断改变像素点个数,并与其他FAST像素模板进行对比,从而建立FAST-9特征点提取方法;然后计算其FREAK局部不变特征描述符,生成特征向量;最后通过RANSAC一致性筛选剔除误匹配点.实验结果表明,本文算法与SIFT、BRIEF算法比较,图像匹配时间缩短且图像匹配精度有一定的提高,并且对图像的旋转差异、尺度差异和光照差异都具有较好的鲁棒性.     

挖掘机器人图像匹配算法研究

对当前应用于挖掘机器人视觉系统上的图像匹配算法进行分析,提出了SIFT图像匹配算法.对SIFT特征描述子进行改进,即通过非线性映射函数将原有的SIFT特征描述子映射到更高维的特征空间F上去,然后在空间F上对其数据进行降维处理.实验表明:改进后的SIFT图像匹配算法缩短了图像匹配时间,获得了更高的匹配精度;将该算法应用于挖掘机器人目标识别与定位中,其通用性与鲁棒性更强,能够满足挖掘机器人视觉系统精确性与实时性的要求.     

基于局部锐度分布耦合核典型相关分析的图像匹配算法

提出了基于局部锐度分布耦合核典型相关分析的图像匹配算法.首先引入Forstner算子对特征点进行精确提取;随后计算每个特征点对应的锐度值,从而构造局部锐度分布模型,生成低维度的特征描述子;接着引入归一化互相匹配策略(Normalized Cross Correlation,NCC),完成特征点的匹配,增强算法的鲁棒性;最后基于核典型相关分析(Kernel Canonical Correlation Analysis,KCCA)技术,建立归一化距离函数,对匹配特征点进行提纯,剔除误匹配点.仿真实验结果表明:与当前图像匹配算法相比,本文算法不仅具有较高的匹配精度及较强的鲁棒性,而且还具有较高的匹配效率.     

基于随机共振和维纳滤波的图像复原技术研究

随机共振不同于维纳滤波等传统信号处理方法,在非线性系统作用下,能利用噪声实现对强噪声背景下弱信号的处理。考虑到随机共振与维纳滤波算法的优势和不足,提出和实现了基于双稳态随机共振与维纳滤波的图像自适应复原增强算法;该算法在利用行列扫描对图像进行降维的基础上,引入拉伸变换提升图像质量;并经维纳滤波进行优化处理。仿真结果和实际应用表明:所提算法具有很好的鲁棒性,无论是复原低信噪比信号还是高信噪比信号,复原效果都优于维纳滤波和小波变换等传统复原算法和基于双稳态系统复原算法。在噪声滤除及提升图像对比度和清晰度上具有更好效果,特别是在复原被强噪声污染的信号,即信噪比很低的信号时,所提算法抑制噪声能力更强,复原效果更好。该算法克服了随机共振处理高信噪比信号效果不佳和鲁棒性差等问题,在弱信号提取,特别是强噪声和暗环境下的图像处理方面具有一定的应用前景。     

一种改进的KAZE特征检测算法

特征点检测算法是图像匹配的基础,在机器视觉、飞机导航、图像拼接、三维重建等领域中得到了广泛的应用.其中基于非线性扩散的KAZE特征检测算法鲁棒性强、匹配率高,但实时性明显低于其他算法.针对以上问题,提出一种简单有效的改进KAZE算法.该算法通过改进特征点搜索策略、利用圆改进M-SURF特征向量描述方法并降维、引入余弦相似性度量等步骤来提高算法实时性.实验结果表明:改进后的KAZE算法在保证原算法鲁棒性、匹配率的基础上,减少了运行时间,增强了算法的实时性.     

基于张量黎曼度量的序列图像匹配光流场计算方法

使用序列图像的灰度-时空张量描述子来描述图像特征,并在此基础上提出了一种基于张量黎曼度量的序列图像匹配光流场计算方法. 该方法使用张量的黎曼度量给出序列图像特征描述子间距离的定义,并使用改进的Hausdorff距离取代欧式距离来完成黎曼度量的计算,据此构造序列图像匹配相关函数,以提高图像在噪声及遮挡情况下的匹配能力;在上述基础上,给出匹配光流场算法. 仿真结果显示,该算法相对于传统基于微分的光流场计算方法（H-S算法,L-K算法）和传统的基于灰度的块匹配算法在计算精度、抗噪声等方面更有优势.      

基于提升小波变换与改进空间投影结合的图像匹配算法

针对标准投影算法在图像匹配中存在抗噪性差的缺点,文中提出了一种基于提升小波变换与改进空间投影结合的图像匹配算法.首先,通过提升小波变换得到多分辨率图像,对最低分辨率图像应用空间投影算法进行匹配,然后,将得到的粗匹配候选点集应用到高一级分辨率图像的匹配中,最后,应用归一化互相关匹配算法计算最终的精匹配点.仿真结果表明,相比其它的改进算法,该算法的匹配准确度和鲁棒性显著提高.     

一种SIFT虹膜匹配算法

尺度不变特征变换(scale invariant feature transform,SIFT)算法是目前图像研究领域的热点,它具有良好的尺度、旋转、光照、噪声等不变特性.在特征提取方法上,利用SIFT算法提取虹膜纹理的特征向量,由于提取出来的虹膜特征向量是128维,占用内存空间大,因此提出用Harris角点对初始特征点进行筛选,选择高对比度的点作为最终的虹膜特征向量;在匹配方法上,使用街区距离进行虹膜图像特征匹配,进一步提高虹膜图像匹配的速度.实验结果表明,改进的算法在保持鲁棒性的同时,提高了SIFT特征匹配效率,能够为一些快速应用提供保障.     

基于谱特征的图像匹配算法

传统基于谱图的图像匹配算法大多利用特征点集中点的位置关系进行匹配,并未充分利用特征点周围的灰度信息,为此,文中提出了一种基于谱特征的图像匹配算法,该算法利用线图谱来反映特征点周围灰度的变化,对特征点周围的邻域点进行分层,并对每层中的点构造线图,通过线图谱获取特征点的谱特征;理论分析表明,该谱特征具有旋转不变性、亮度线性变化不变性及对噪声的较高鲁棒性.最后,利用匈牙利算法求解匹配问题,输出匹配结果.实验结果表明,文中算法具有较高的匹配精度,在待匹配图像间存在较大形变时,也可以获得较好的匹配结果.     

自适应强跟踪容积卡尔曼滤波算法

提出了一种自适应强跟踪容积卡尔曼滤波算法(ASTSCKF),该算法在平方根容积卡尔曼滤波算法(SCKF)步骤中引入强跟踪滤波器(STF),通过渐消因子在线修正一步预测误差协方差矩阵,强迫输出残差序列正交,使得算法具有应对系统状态突变等不确定因素的能力,增强了算法的鲁棒性;结合改进渐消记忆时变噪声统计估计器,对噪声方差阵进行实时在线估计,有效解决了SCKF算法由于噪声统计不准确、未知或时变性带来的滤波发散问题,使其具有应对噪声变化的自适应能力。仿真实验结果表明：ASTSCKF算法在系统状态发生突变并且噪声变化的情况下,能够表现出良好的滤波性能,较SCKF算法有更强的鲁棒性以及噪声变化的自适应性。     

基于ART2神经网络的手势动作肌电信号识别

针对手势动作肌电信号识别中存在的识别效率和稳定性问题,采用一种基于ART2神经网络的手势识别方法,并进行了单用户和多用户的实验研究.对8名受试者、8类手势动作模式的单用户实验,取得了较高的识别正确率,与BP网络相比,ART2分类器具有识别率高、实时性好、鲁棒性强的优点;同时,多用户的实验结果表明,ART2网络对手势动作肌电信号的识别具有良好的自适应性和稳定的分类能力.     

鲁棒Hausdorff距离在SAR/惯性组合导航图像匹配中的应用研究

分析了适用于SAR景象匹配辅助导航系统的图像匹配算法的特点 ,提出了一种新型Hausdorff距离的鲁棒型图像匹配算法 .首先分析了传统的Hausdorff距离算法的不足 ,然后引入了一种能有效消除高斯噪声影响的新算法 .同时针对此算法图像匹配时全局搜索的不足 ,提出了扫描终止法技术 ,以有效解决图像匹配实时性的问题 .针对高斯噪声的大小对图像匹配的影响进行了仿真实验 .仿真结果表明 ,新图像匹配算法能大大提高合成孔径雷达图像的匹配精度和实时性 ,对组合导航系统的精度提高有重要的意义 ,是一种行之有效的方法 .     

基于椭圆对称方向矩的可见光与红外图像配准算法

针对图像匹配制导中异源图像匹配难度大的问题,提出一种基于椭圆对称方向矩的可见光与红外图像配准算法.基于最稳定极值区域提取异源图像中具有尺度和仿射不变特性的椭圆区域,利用聚类分割方法从中自动选取具有异源不变性的同质区域特征,用椭圆对称方向矩描述区域特征边界各方向上的相似程度,通过互相关性指标进行特征匹配,获取匹配特征对,利用匹配矫正策略减少误匹配.实验结果表明:较传统算法,进一步提高了可见光与红外图像关联特征的匹配效率,正确率超过了95%,计算时间缩短了近一半.基本满足图像匹配制导对匹配算法实时性好、匹配正确率高、抗干扰能力强等要求.     

基于稀疏谱匹配的高分辨DOA估计方法

针对迭代加权最小二乘类稀疏重构算法性能易受过完备基条件数影响的缺陷,提出了一种基于稀疏谱匹配的高分辨DOA估计新方法.对过完备基进行奇异值分解,采用TSVD方法剔除较小奇异值对应的特征向量,获得一个良态矩阵,并用此矩阵替代的过完备基矩阵,采用l_p范数约束正则化FOCUSS算法进行稀疏重构,解决了因网络划分过细造成的过完备基条件数过大带来的病态问题,并用粗、细两步网格划分来降低算法的复杂度.仿真结果表明,相对于MFOCUSS方法,本文方法不仅具有较低的计算复杂度,而且具有更高的分辨率和噪声鲁棒性.      

一种基于SURF和扩展哈希的空间约束图像匹配算法

图像匹配是计算机视觉中一个重要的研究方向,是图像拼接、图像检索等相关应用的基础工作。如何实现快速、高效的图像匹配技术是本文的主要研究内容。提出一种基于SURF和扩展哈希的空间约束图像匹配算法,为了提高特征检测的速度,首先提取SURF特征描述图像局部特征,然后在局部敏感性哈希算法基础上,提出一种改进的高维数据搜索算法,该改进算法变换局部敏感性哈希的投影空间,使变换后的每一维特征数据都比原算法具有更好的局部敏感性。最后采用空间约束RANSAC算法剔除误匹配点,进一步增加算法的鲁棒性。实验结果表明,本文提出的算法与传统算法如BBF、LSH以及iDistance等算法相比具有更优的搜索效率,在一定程度上提高了图像匹配的性能。     

一类基于混沌振子的公钥数字水印算法

把被保护数字媒体看成噪声,将水印算法转换为强噪声背景下弱信号提取问题.在用混沌振子检测强噪声背景下弱方波信号模型的基础上,提出了一种除密钥外能公开一切细节的公钥鲁棒水印算法.在具体描述了算法细节后,对算法进行了模型可行性实验和抗一般图像处理攻击实验.实验结果表明,该算法是可行的,所设计的算法具有较好的鲁棒性和较强的抗攻击能力.