基于多尺度信息综合的快速地图匹配算法研究

针对航片数字地图与实时图像的景象匹配实时性问题 ,提出了一种快速地图匹配方法———基于多尺度信息综合的数字地图匹配算法。该算法采用了多尺度分析与综合的思想 ,通过实时图像和参考图像在多尺度信息下的综合变换以及在同一尺度下的比较、综合 ,并结合一般常规图像匹配算法中的粗匹配和精匹配方法 ,实现了真实匹配位置的快速逼近 ,有效地提高了图像匹配的速度。通过PC机软件模拟仿真 ,该算法在匹配精度和匹配速度上都达到了较满意的效果。     

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。     

基于快速鲁棒性特征的景象匹配

针对光电成像制导景象匹配中图像产生较大几何形变的问题,提出了一种基于快速鲁棒性特征(speeded up robust feature, SURF)的景象匹配算法。SURF提取的图像特征具有尺度和旋转不变性,对灰度不敏感,并能快速运算。算法首先利用仿射变换对基准图像进行3D视角补偿,模拟基准图像在不同视角下的成像,以减小基准图像和实时图像间的视角差异,分别提取两图像的SURF特征,然后根据最小欧氏距离准则提取两图像间匹配的SURF特征点对,根据该特征点对估计基础矩阵,得到两图像的投影关系。仿真结果表明,该算法能够适应光电成像制导中图像的几何形变,实现稳定的景象匹配。     

基于模糊集的神经网络景象匹配算法

将神经网络思想引入到景象匹配,提出了基于模糊集的神经网络景象匹配算法。该算法将图像模糊集作为特征空间,尝试了在模糊域中采用神经网络学习算法进行精确寻优。实验结果表明,设计的算法不但较好的满足了景象匹配系统对算法的性能要求,而且比传统算法具有更高的抗干扰能力。     

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。     

无人机地标匹配定位技术研究

从模式识别的观点给出地标匹配算法的数学模型。分析了影响匹配算法性能的相关因素。把归一化相关景象匹配法引入到无人机地标匹配中。仿真实验结果表明 :在信噪比较低的情况下 ,此算法能满足地标定位要求 ,并且在景象匹配搜索中应用遗传算法大大减少了计算机的运算量 ,提高了地标匹配的实时性     

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SIFT弹载SAR图像匹配算法

基于尺度不变特征算法,提出了一种适用于弹载合成孔径雷达图像匹配的改进算法。该算法首先通过在构建的高斯差分尺度空间中搜索特征点,然后利用指数加权均值比算子计算特征点的梯度幅值和方向,并通过简化的特征描述子生成特征向量,最后采用距离比和几何一致性准则剔除错误匹配的特征点对,实现图像匹配。实验结果表明,改进算法对SAR图像在旋转、光照、尺度变化等情况下都有很好的匹配效果,并且降低了计算复杂度,有较强的鲁棒性和实时性。     

景象匹配技术研究

景象匹配是一项重要的图像分析与处理技术 ,首先给出了景象匹配问题的数学描述 ,分析了它的性能要求和影响性能的因素 ,然后研究了组成景象匹配算法的 4个元素 ,并详细分析了基于区域的匹配算法和基于特征的匹配算法的一般思路、性能特点和适用范围 ,最后还分析了其它一些热点问题 ,如算法的集成、匹配区的选择等     

基于递归标记和神经网络的红外目标匹配识别

提出了一种红外图像匹配算法。选取实际红外目标,依据图像预处理后的图像,提取对应目标的递归标记,作为BP网络的输入样本,目标的形心为输出样本构建BP神经网络。对网络进行抗干扰训练后,根据目标形心特征进行变分辨率相关匹配。该算法在提高了目标识别率的同时,极大地增强了图像处理的实时性,具有工程实用价值。     

基于景象匹配的航摄影像二维定位方法

针对目前无人机基于景象匹配对目标定位精度低与速度慢,以及依赖任务设备的问题,提出了一种基于景象匹配的航摄影像二维定位方法。首先进行任务规划,来获取某固定区域的航摄影像。然后基于特征匹配算法来完成景象匹配。最后提出坐标解算及底图生成方法,来实现航摄影像二维定位。实验结果表明该方法提高了定位精度与速度,减小了对任务设备的依赖。因此,所提方法是一种有效的基于景象匹配的目标定位方法。     

基于信息熵的景象匹配区选取方法

提出一种基于信息熵的景象匹配区选取方法。根据基准图的适配性要求,分别以改进的图像信息熵、Frieden灰度熵和归一化平均互信息作为特征指标,考查基准图的景象信息量、特征稳定性和区域唯一性,并以此为依据,采取分层选取策略选取基准图。仿真和实验结果表明,所选基准图具有较高的自匹配概率和较小的匹配误差,能够满足适配性要求。     

一种VOP生成技术的研究与实现

视频对象平面(Video Object Plane,VOP)的生成是基于对象的编码技术以及基于图像内容的操作的基础。提出了以对象运动特征，在2D+T三维空间进行图像分割的VOP生成技术，特别是在摄像机运动的动态场景中，以全局运动估计技术补偿摄像机的运动，同时以边缘图像与差分图像进行匹配，克服对象高速运动时背景的遮拦与显露造成的影响，准确地生成VOP图像。针对真实场景的实际处理结果表明该算法是成功的。     

结合边缘和统计特征的末制导SAR图像匹配

提出一种用于末制导的合成孔径雷达（synthetic aperture radar, SAR）图像实时匹配方法。考虑参考图与实时图尺度、方向等差异,制备多幅参考图像,基于最小错误概率准则,对每幅参考图像提取边缘,由边缘图形成用于匹配的包含边缘两侧地物区域信息的参考模板。提出一种利用边缘信息和SAR图像统计特性的相似性度量准则。采用金字塔分层结构的搜索策略,提高了匹配速度。该方法综合利用了边缘和灰度统计信息,避免了对实时图的边缘提取。实验验证了算法的有效性。