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。     

基于局部混合滤波的SAR图像去噪

相干斑噪声是合成孔径雷达(synthetic aperture radar, SAR)成像系统所固有的缺点,严重影响SAR图像的可用性,给后续的图像分割、特征提取和目标识别等工作带来严峻的挑战。结合非下采样方向滤波器和双树复小波变换各自的特点,提出一种新的基于非下采样方向滤波-双树复小波变换的局部混合滤波SAR图像去噪算法,具有多方向和多尺度性,保持了图像的平移不变性,改善了图像的视觉效果。与其他算法不同,本文算法采用非下采样方向滤波器级联双树复小波的方法,不仅对每次产生的高频分量进行去噪,还对变换所产生的低频分量进行滤波去噪。实验结果表明：与使用同级双树复小波-轮廓波变换加软阈值去噪相比,本文算法的峰值信噪比提高2 dB;与使用轮廓波加循环平移（cycle spinning, CS）软阈值算法去噪相比,本文算法去噪后的图像不仅峰值信噪比有所提高,而且去噪后的图像更为平滑,抑制了人造纹理产生,视觉效果得到了明显改善。     

基于双树复小波变换的夜视图像融合

针对夜视图像融合的特点:尽量获得精确的特征定位和清晰的图像表达,提出了基于双树复小波变换的融合方法,充分利用了双树复小波变换所具有的平移不变性、方向选择性、有限的数据冗余、完美的重构性和较高的计算效率等特点。并在此基础上提出了多策略的融合规则:低频采用清晰度,高频采用窗口能量。除了目视定性评价外,还使用了通用的基于主客观的定量评价方法。通过对两组夜视图像融合的实验测试,表明了双树复小波变换相对于离散小波变换的优势和高低频采用不同融合规则的有效性。     

基于轮廓多边形拟合的红外与可见光图像配准算法

针对红外图像和可见光图像配准问题,提出一种基于轮廓多边形拟合的图像自动配准算法。首先,为获得较好的主轮廓信息,对提取的轮廓进行多边形拟合,有效剔除轮廓上的冗余点和噪声。然后选取拟合轮廓上的多边形顶点为特征点,将轮廓划分为特征轮廓段,以特征轮廓段作为匹配单元匹配轮廓并得到匹配特征点。采用修剪的最小二乘法,在获取变换参数的同时不断剔除误匹配。实验证明,该算法可实现性强,配准精度高,配准速度快,较好地实现了刚体变换下红外图像与可见光图像的配准。     

基于相干斑抑制SIFT的SAR图像配准方法

基于尺度不变特征变换(scale invariant feature transform, SIFT)算法,提出了一种能有效抑制相干斑噪声干扰的合成孔径雷达图像配准方法。该方法首先基于相干斑抑制各向异性扩散滤波模型建立图像的各向异性尺度空间,在滤除斑点噪声的同时保持了图像细节,弱化了斑点噪声对特征提取的影响;然后采用改进的二元直方图分析方法优化双向匹配初始结果,剔除了随机分布的误匹配点;最后引入临近特征点变换误差分析的过程,增加正确匹配点对数量,提高了变换模型参数的准确度。实验结果表明,该方法能增强SIFT特征点的稳定性,取得较高的配准精度,对相干斑噪声具有良好的适应性。     

基于改进的协方差矩阵描述子的点云配准方法

点云配准是数字化文物保护的关键一环，提高配准精度与抗噪性是文物点云配准的主要目标。针对该问题，提出一种基于协方差矩阵描述子的三维点云配准方法。使用张量投票法剔除噪声点，对剔除噪声后的点云，使用内在形状签名法提取关键点；对提取的关键点构建邻域信息，利用该信息建立协方差矩阵描述子；通过计算最近距离寻找匹配点对，使用法向量夹角对其约束，剔除误匹配点对；选取匹配点对计算变换矩阵完成粗配准，再通过迭代最近点对方法进行精配准。实验结果表明，相比于常用配准算法，本文算法配准精度更高，且适用于低重叠率模型与含噪声模型。     

刚体变换下基于轮廓的多传感器图像配准算法

提出了一种基于轮廓的多传感器图像配准算法,输入图像之间的几何变换假设为刚体变换。该配准算法的特点是根据匹配轮廓对的质心和长轴计算配准参数,克服了传统的基于特征的图像配准算法控制点检测与匹配的问题,算法鲁棒性较高。首先提取输入图像中的明显轮廓,然后对提取的轮廓进行匹配,并将其中匹配的开轮廓对转化为闭合轮廓对,然后根据所有闭合轮廓对的质心和长轴估计配准参数。实验结果表明,所提算法能精确解决输入图像之间仅存在旋转和平移情况时的图像配准问题。     

基于结构的SAR图像配准

由于SAR图像中相干斑的存在，使得已有用于光学遥感图像自动配准的算法往往无法直接应用。基于人工通过地物结构推毫匹配关系进行配准的想法。提出了一种基于结构的SAR图像自动配准算法，该算法首先通过检测出的点目标构造“虚拟结构”，然后再综合新提出的“虚拟结构”不变量及结构区域不变矩作为相似测度完成匹配检测，最后用LMS算法估计出变换参数从而实现SAR图像的自动配准。实验结果表明，该算法不仅能够有效实现SAR图像的自动配准，而且能有效避免SAR图像中相干斑对配准过程中特征检测和匹配造成的影响。     

全仿射形变下基于点特征的SAR图像配准方法

全仿射形变条件下,待配准合成孔径雷达(synthetic aperture radar, SAR)图像与参考SAR图像之间存在各向异性尺度变化,导致传统的点特征图像配准算法难以提取到足够多的匹配特征点进行图像配准。为此,提出了一种基于仿射形变矩阵分解与尺度变化矩阵估计的点特征图像配准算法。该方法首先将仿射形变矩阵分解为图像旋转矩阵、尺度变化矩阵以及常数矩阵的乘积,而后利用粒子群优化(particle swarm optimization, PSO)算法对尺度变化矩阵中的未知参数进行搜索估计,并根据估计结果对图像进行尺度规范处理,以抑制图像间的各向异性尺度变化,在此基础上再利用尺度不变特征转换(scale invariant feature transform, SIFT)算子提取匹配特征点进行配准处理。实验结果表明,与现有方法相比,对于全仿射形变条件下的SAR图像配准,本文所述算法可以提取到更多的匹配特征点,因而具有更好的配准性能。     

结合惯性导航特性的快速景象匹配算法

针对景象匹配/惯性组合导航对图像匹配算法实时性、鲁棒性、精确性的要求,结合惯性导航的工作特点,深入分析快速鲁棒特征(speeded up robust feature, SURF)算法主要技术特征,研究了其影响导航性能的主要因素。结合惯性器件的误差特性,提出针对导航应用的SURF改进方法,较好地增强了算法的实时性、稳定性、可控性。在图像匹配基础上,构建适应景象匹配算法的空间变换模型,从而在理论上检测图像匹配的正确性并求解导航参数。研究结果表明,基于SURF研究的景象匹配算法具备亚像素级精度、毫秒级实时性和优越的抗形变能力。     

基于复数小波变换的景像匹配算法

讨论了一种基于复数小波变换的景像匹配算法 ,并以此算法为基础给出了一个高效的景像匹配模型。依据生物视觉的空间频域通路思想 ,利用复数小波移动不变性 (shiftinvariance)和实数离散小波快速算法 (Mallat快速算法 )将图像分解成多层 ,模拟生物视觉的感知过程 ,分别在高、低空间频域内进行了由粗到精的快速匹配。通过实验证明 ,与传统的景像匹配算法相比具有速度快、匹配概率高、抗干扰能力强等优点。     

基于位置关系约束的SAR图像与光学图像匹配

SAR图像与光学图像有较大差异,为实现SAR图像与光学图像的匹配,提出了一种新的多子区SAR景象匹配算法。算法依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法。匹配中将实时图分为多个子区,由子区灰度标准差和频谱直方图判别其可匹配性,用各子区位置分布关系约束匹配结果。匹配搜索策略为基于提升小波的金字塔分层搜索。用SPOT-5卫星光学基准图进行了大样本实验,实验结果表明了该方法是一种有效的图像匹配方法,具有鲁棒性,并且与中心点匹配方法相比,能为飞行器定位提供更多有效信息。     

基于小波变换的分形图像压缩编码方法

为了弥补分形编码在高压缩比时重建图像质量较差及匹配搜索量大的不足 ,基于小波图像的分形特征及系数的统计分布特性 ,定义了灰度变换和能量阈值系数 ,提出了基于小波变换的分形图像压缩编码方法 (FICC-WT)。对小波分解后的低频子图像进行灰度变换 ,然后进行自适应四叉树分割的分形编码 ;对差值图像及其它子图基于定义的能量系数进行自适应阈值取样的熵编码 ,并讨论了灰度变换参数对重建图像的影响。实验证明 ,所提方法减小了匹配探索量 ,而压缩比和峰值信噪比 (PSNR)有明显改善。     

非刚体图像配准中一种改进的点匹配方法

为了解决在非刚体点匹配过程中，由于点集之间相对位置变化的复杂性，导致配准结果易收敛于局部最小值点的问题，提出了基于预中心配准的非刚体点匹配联合估计法。在用迭代最近点算法确定两个点集中的点之间的对应关系前，通过预先进行两个点集的中心配准的方法，可以更加合理地确定点之间的对应关系，从而使匹配结果可以最大程度地收敛于全局最优点。仿真实验表明，此方法和传统算法相比，在没有明显增加运算量的前提下，匹配效果更佳。     

Spectral matching algorithm based on nonsubsampled contourlet transform and scale-invariant feature transform

A new spectral matching algorithm is proposed by using nonsubsampled contourlet transform and scale-invariant feature transform.The nonsubsampled contourlet transform is used to decompose an image into...     

SAR图像最佳欧式空间距离矩阵匹配方法

在基于尺度不变特征变换算法的合成孔径雷达图像配准算法中,一个特征点通常具有多个主方向,虽然该主方向分配方式可以有效增加正确匹配对数,但是匹配性能会受到特征向量之间的相互影响而下降。文章提出了一种最佳欧式距离匹配方法,该方法通过欧式空间距离矩阵计算待匹配图像两组特征向量集的相似度,获得最佳相似特征点。此外,文章引入代表位置关系的转换距离作为判断特征点空间一致性的依据,有效地消除错误匹配点。与DM等匹配方法相比较,最佳欧式空间距离矩阵匹配方法在匹配精度和匹配效率上验证了其有效性。     

基于HASH感知和小波变换的目标跟踪算法

为了解决视频跟踪过程中,由于运动目标在实际运动中常存在旋转、缩放等形变导致的目标丢失问题,提出了一种融合了图像HASH值、小波变换和模板匹配算法的目标跟踪算法。该方法利用背景差分法得到运动目标模板,通过对图像信息进行小波变换得到低频子图像,并在低频子图像中进行全局搜索,确定最佳匹配区域。模板更新策略利用图像间HASH距离,判断图像间的相似性决定是否更新模板。实验仿真结果证明,该算法在运动目标存在缩放、旋转等形变时,仍可以准确跟踪目标。     

High speed robust image registration and localization using optimized algorithm and its performances evaluation

Local invariant algorithm applied in downward-looking image registration, usually computes the camera’s pose relative to visual landmarks. Generally, there are three requirements in the process of image registration when using these approaches. First, the algorithm is apt to be influenced by illumination. Second, algorithm should have less computational complexity. Third, the depth information of images needs to be estimated without other sensors. This paper investigates a famous local invariant feature named speeded up robust feature (SURF), and proposes a highspeed and robust image registration and localization algorithm based on it. With supports from feature tracking and pose estimation methods, the proposed algorithm can compute camera poses under different conditions of scale, viewpoint and rotation so as to precisely localize object’s position. At last, the study makes registration experiment by scale invariant feature transform (SIFT), SURF and the proposed algorithm, and designs a method to evaluate their performances. Furthermore, this study makes object retrieval test on remote sensing video. For there is big deformation on remote sensing frames, the registration algorithm absorbs the Kanade-Lucas-Tomasi (KLT) 3-D coplanar calibration feature tracker methods, which can localize interesting targets precisely and efficiently. The experimental results prove that the proposed method has a higher localization speed and lower localization error rate than traditional visual simultaneous localization and mapping (vSLAM) in a period of time.