一种快速景象匹配方法的研究

将变阈值SSDA算法、遗传算法及分层搜索三者结合起来用于景象匹配中，从而既保留了SSDA算法的强抗干扰能力及其对匹配景象几何畸变有较好的鲁棒性，又进一步改善了SSDA算法的匹配速度，使景象匹配具有较高的实时性。     

景象匹配中的快速畸变校正算法

景象匹配在精确制导中具有非常重要的地位,快速实现不同环境下图像畸变校正是其中的一个棘手问题.在常用的方法中,基于区域灰度平均的算法使图像模糊,而基于样条插值的算法计算耗时.提出了基于欧几里德距离的畸变校正方法,该算法不仅满足实时性的要求,而且具有保持图像细节的良好特性.利用傅里叶相关技术对姿态校正后的实时图与基准图进行匹配,整个过程大约耗时0.3s.     

基于改进SIFT算法的局域盲人图像导航方法研究

针对现行导航系统无法在小范围内导航的缺点,提出了一种基于景象匹配的适合于残障人士在局域内行走的图像导航系统。预先对具体的特定区域进行图像采集、处理,建立基准图像库,然后对具体行走中所采集的实时图像进行预处理,得到实时图像库。并采用基于SIFT特征的快速景象匹配算法对实时图与基准图进行匹配。最后对不同光照、不同拍摄角度的旋转变化、缩放变化获得的图像进行特征点匹配。实验结果表明,算法的性能可以满足景象匹配导航系统高性能匹配的要求。     

基于图像分割的SAR图像匹配方法

针对单一背景的海岛合成孔径雷达（SAR）图像，提出一种基于图像分割的图像匹配方法．该方法采用静态小波对原实时图分解滤波，抑制噪声；利用最大类间方差阈值法分割图像，分割出特定目标；选择结构元素进行形态腐蚀和膨胀，去掉细小背景杂波干扰；对二值化的图像进行面积统计，搜索出面积最大的目标．在原实时图中，以最大面积目标的外切矩形裁剪图像作为新的实时图．实践证明，利用裁剪的新实时图进行匹配，可以有效去除背景对匹配的不利影响，弥补了传统方法匹配精度低、实时性差的缺点．     

基于AR-Copula与ICA的脑电噪声检测和去除

在脑电信号的实时采集过程中,噪声伪迹会对采集到的脑电信号产生较大的畸变。利用Copula理论结合AR时间序列模型研究脑电信号与引起其畸变的噪声之间的相关性,设计并实现了基于尾部相关性的脑电噪声自动检测算法。根据检测结果,对受干扰的数据段进行了ICA噪声去除处理。本文方法能够自动检测受干扰影响的数据段,并且在很大程度上减少了ICA算法的迭代次数,提高了数据实时处理的效率,适用于脑电信号的实时处理过程。     

基于空间关系约束的雷达景象匹配算法研究

通过改变雷达景象匹配策略,根据预定的选择方法,从参考图中截取多子区图像作为模板,在实时图上进行多子区相关匹配,并利用各子区间的空间关系约束对匹配结果进行综合及可信度判断,实验结果表明,该方法可有效提高相关匹配方法的性能,并能提供可靠的匹配置信度判断,     

基于电路网络参数的宽带MIMO系统模型

该文提出了一种基于电路网络参数的宽带多输入多输出(MIMO)系统分析模型,该模型考虑了天线阵列的互耦和阻抗畸变、匹配网络、接收机噪声和外部干扰噪声的影响,以及传播信道的特性,可以准确地分析和比较不同MI-MO系统的性能。利用该模型对MIMO系统的传输链路进行建模,说明了如何在分析模型中使用标准的基于多径的传播信道模型,并且比较了使用不同天线阵列的宽带MIMO系统的性能,分析了匹配网络和不同系统噪声对于系统性能的影响。结果表明,阵列的尺寸对宽带MIMO系统的性能有重要的影响,匹配网络只能有限地提高物理尺寸受限的MIMO系统的性能。     

用于SCOOT系统的蓝牙车辆检测器

SCOOT系统是一种交通诱导系统，它通过采集交通数据实时地调整绿信比、周期长、相位．大多SCOOT系统采用传统的车辆检测技术，该技术的缺点是实时准确性较差、建造维修成本高、使用寿命短、容易受天气环境干扰等．分析了SCOOT系统的原理与结构．着重分析了蓝牙车辆检测技术的模型、流程、原理及在SCOOT系统中的应用，得出蓝牙车辆检测器可以弥补SCOOT系统在数据采集方面不足的结论．     

抗区域灰度变化的景像匹配算法研究

根据ｐｈｏｎｇ照射模型，研究了视点变化对景像灰度的影响，提出采用灰度校正技术，纠正由于视点变化而带来的同一地区景像在参考图与实时图中表现出的不同灰度特征，获得两间共同的区域灰度特征，以提高匹配可靠性，给出了与常规匹配算法比较的实验结果，证实其较通常方法具有更强的抗景像区域灰度反转的能力。     

抗区域灰度变化的景像匹配算法研究

根据Ｐｈｏｎｇ照射模型，研究了视点变化对景像灰度的影响，提出采用灰度校正技术，纠正由于视点变化而带来的同一地区景像在参考图与实时图中表现出的不同灰度特征，获得两者间共同的区域灰度特征，以提高匹配可靠性．给出了与常规匹配算法比较的实验结果，证实其较通常方法具有更强的抗景像区域灰度反转的能力．     

基于最小二乘影像匹配的畸变图像矫正算法研究

针对高精度的畸变图像,提出了一种基于最小二乘影像匹配的高精度畸变图像矫正算法.算法首先利用特征提取与边缘检测对图像进行预处理,并且将特征匹配与最小二乘算法相结合,从而实现了图像与模板之间精确的子像素定位与匹配.实验表明,该算法较好的解决了目前高精度畸变图像矫正算法中普遍存在的定位和匹配精度较差的缺陷,图像矫正效果良好,是一种有效的畸变图像矫正算法.     

火星探测器着陆过程中图像匹配的性能研究

以火星探测器着陆过程中通过图像匹配估计位置参数为背景,针对探测器拍摄的实时图旋转以及尺度变化等对图像匹配算法的影响做一系列研究,寻找适当的旋转角度以及尺度大小来获得较高的匹配精度.以SURF算法为研究对象,结合RANSAC算法对误匹配点进行剔除,提纯匹配点,综合定义了正确率的概念,方便对匹配结果进行判断.实验结果表明,实时图旋转角度以及尺度大小和匹配的正确率呈一定的规律在变化,在应用到火星探测器着陆过程中实时图的选取时,相对于参考图选取适当旋转角度和尺度的实时图能在一定程度上提高图像匹配的准确率.     

针对重复纹理场景的跟踪定位算法

提出一种针对复杂标识的分类学习算法,并将其应用于移动增强现实系统中,实现了基于自然特征的跟踪定位系统.在场景特征点识别分类基础上,采用关键帧匹配算法实现无标识跟踪定位.针对含有对称结构的场景提出一种误匹配特征的回收机制.实验结果表明,该算法可解决由于场景对称结构导致的错误特征匹配,从而大幅提高特征的正确匹配率.     

基于ASIFT的医学图像配准算法

对ASIFT算法的原理进行了分析,针对医学图像配准鲁棒性强、准确性高和低耗时率的要求,设计出基于ASIFT的医学图像配准算法。该算法首先通过ASIFT算法提取图像特征点,接着用欧式距离筛选出匹配的特征点,最后实现参考图像与浮动图像之间的配准。该算法较好地解决了其他同类型算法中存在的提取的特征点数量少、特征点匹配的精确度不高、不能对扭曲变形的仿射图像配准等问题。实验结果表明,该算法不仅提高了配准的精确度和准确性,也提高了配准的稳定性和可靠性。     

基于模型动态切换的运动目标实时跟踪

针对视频监控系统中运动目标的跟踪问题,提出了一种基于模型动态切换的实时跟踪方法.在运动目标分割之后,跟踪系统有效判定运动目标的遮挡状态,对未遮挡的运动对象采用基于区域的跟踪模型,对于相互重叠的运动对象采用基于SIFT特征的窄基线图像匹配模型.基于区域的跟踪模型采用简单的目标区域特征以及运动预测属性,实现快速地跟踪.基于SIFT特征的图像匹配模型利用被跟踪目标在相邻图像帧之间很小的尺度和外形变化以及基于目标区域位置预测出的有限运动范围,实现快速的窄基线小范围SIFT特征匹配和跟踪.实验结果表明,该方法具有较强的鲁棒性,能有效实现复杂遮挡场景下的多目标实时跟踪.     

基于嵌入式的实时视频采集与拼接系统的设计

视频拼接在日常生活中有着广泛的应用。提出了一种基于Linux和Open CV的嵌入式实时视频采集和拼接系统设计方案。该系统采用Tiny4412四核处理器,通过两个摄像头实时采集图像数据,然后结合Open CV库利用改进的算法对两幅具有重叠区域的图像进行拼接处理,包括特征匹配和图像融合处理,生成拼接图像,最后把拼接图像在LCD上实时显示。实验结果表明,采取的算法能够适应多种环境,很好的抑制鬼影,并且拼接速度能够达到实时系统的要求。     

自主移动机器人走廊视觉识别与跟踪方法研究

在基于图像的道路识别技术实现的自主驾驶问题研究中,图像识别和跟踪的速度是自主驾驶效果的关键。采用基于模型的走廊识别技术,通过模仿人类视觉过程,使用遗传算法,对实时图像进行目标识别和跟踪,实现了一套自主移动机器人系统;同时通过对识别模型匹配值的变化率分析,实现了对走廊拐角的识别。实验结果表明,该方法的走廊图像识别和跟踪速度能够满足系统实时性的要求,并具有较高的可靠性。     

SSDA并行算法在无纸化阅卷中空白题识别的应用

图像匹配是图像处理领域的一项重要技术。针对无纸化阅卷系统的主观题评阅,提出了一种结合自适应阈值SSDA(序贯相似性检测算法)和多核多线程并行技术的图像匹配方法,由电脑自动完成主观题空白题的评阅,以提高评阅工作效率。通过螺旋分配多核处理器资源,在多核处理器的每个核心上并行运行SSDA图像匹配,按行列顺序处理待匹配区域,每个核心的匹配结果不断更新阈值,达到提高匹配速度的目的。最后进行实验仿真,可见,与传统的串行算法相比较,本算法能够满足空白题识别中图像匹配的实时性要求,并且有较好的识别效果。     

基于小波变换的模糊目标识别

针对图像处理问题中的模糊性问题,在不确定因素分类与影响分析的基础上实施去模糊处理,并与其他图像的降噪处理作比较.利用仿真实验系统地分析模型与算法的有效性;然后,利用小波变换对图像进行分解,提取小波系数和图像的能量特征,给出匹配与识别方法,通过实验与现有主要的目标识别方法作比较.结果表明,该识别法的识别精度高、速度快,比现有的目标识别方法的识别率平均提高了5.16%.