小波多尺度分解及其在SAR图象目标检测中的应用

合成孔径雷达图象的目标检测是最重要的任务之一.目前用于目标检测的现有方法速度较慢、准确率较低、精度较差.作者提出小波分解的方法用于目标检测.同尺度目标检测采用二维离散二进小波分解方法,提高检测速度.不同尺度的目标检测采用多尺度二维离散小波分解方法,提高检测准确率.图象匹配采用灰度归一化的灰度相关匹配方法,提高匹配精度.实验证明,采用该法进行目标检测能获得较好的效果.     

基于多分类器的牌照字符识别算法

通过对牌照特征及已有识别算法进行分析,提出了基于多分类器-模板匹配与支持向量机相结合的牌照字符识别算法。首先利用模板匹配进行粗分类,将多类问题转化成两类问题,再利用支持向量机进行精确分类。在模板匹配环节,使用灰度分布标准化,增加字符与模板的相似度。在Virtual Studio环境下进行测试,结果表明:与单一分类器相比较,该方法的识别精度与识别速度都有了很大的提高。     

基于分层多模板匹配的乳腺肿块自动检测

为提高乳腺癌检测的精准度和效率,提出了一种基于多模板匹配的乳腺X线摄片肿块自动检测方法.该方法设计了一种基于灰度直方图先验信息的阈值分割法来提取乳房区域;构造了不同尺度的模板对肿块进行分层匹配;对匹配结果提取了灰度、形态学及层间特征以便尽可能地去掉假阳性区域.与DDSM数据库中的已确诊的306幅乳腺X线射片进行了比较,实验结果表明:该算法在检测各种不同类型和尺寸的肿块时,具有高敏感度和低假阳性率.     

图像拼接中的特征模板提取优化方法

为了提高拼接算法的鲁棒性和效率,提出了一种基于边缘特征和行程编码索引的最优特征模板提取策略.最优模板包含了尽可能多的图像特征,模板中参与运算的只是具有边缘位置特征和灰度变化显著的像素点,通过行程编码方法构建索引模板以指定特征像素集合,从而显著提高了配准精度和匹配速度.     

一种多源遥感影像自动匹配通用方法

实现多时相、高分辨率遥感影像稳健的全自动匹配是遥感科学的重要课题。针对多源遥感影像间的自动匹配,寻找出一种通用的匹配算法流程,该流程通过提取尺度不变性Harris_Laplacian特征点,采用SURF匹配算法得到初始同名点,之后利用初始关系进行点位预测及模板匹配,并采用最小二乘原理剔除残差较大的匹配点对,实现影像间稳健及精度较高的自动匹配。实验结果表明,该流程能够实现多源遥感影像的高精度匹配,并无需人工参与,提高匹配效率和自动化程度。     

基于多尺度增量符号相关的图像匹配算法

将影像多尺度分解思想和增量符号相关方法相结合,提出了一种图像匹配算法.首先使用非线性的关键点滤波算子将参考图和待匹配图分解为不同尺度的子图;然后采用增量符号相关方法对影像进行二值化编码并进行相似性度量;最后通过由粗至精的逐层匹配得到最终的匹配结果.实验结果表明;在匹配区域存在一定灰度反差的条件下,该算法有效地解决了噪声干扰、光照差异大和阴影遮挡等条件影响下的匹配问题,同时大大的缩短搜索时间,提高了匹配定位速度.     

基于灰度直方图的加权模板匹配法在摄像机标定中的应用

采用基于灰度直方图的加权模板匹配法实现摄像机的标定.首先以一个游标卡尺作为目标采集图像,此采集图像作为后续分析的同时用于模板的多处提取;提取的每个模板都将用于后续的模板匹配来提取目标区域(Region of Interest,ROI);匹配所获得的所有目标区域二值化后并旋转90°,以提取其水平方向的灰度直方图;所获得灰度直方图经过优化获得单一峰值后用于获取测量精度;最终标定出的测量精度是由所获得的所有测量精度值进行可信区间的加权平均决定的.本文所采用的加权模板匹配方法不仅降低了单一模板匹配的风险,而且充分利用了具有相似纹理这一有利信息,实验结果表明,提出的方法可以达到工程要求的亚像素级别误差,由此说明该方法在摄像机标定的应用中是行之有效的.     

基于Delaunay三角网约束的倾斜影像匹配

针对倾斜影像存在尺度变化大、匹配困难的问题,提出一种基于Delaunay三角网约束的倾斜影像匹配方法.首先检测影像上的最大稳定极值区域(Maximally Stable Extremal Regions, MSER)作为初始匹配点,然后利用这些初始匹配点构建Delaunay三角网,并以同名三角形、核线、灰度等作为约束条件,迭代匹配左、右影像上三角网内的尺度不变特征变换(Scale-Invariant Feature Transform, SIFT)特征点.试验表明：所提方法能获得可靠的匹配结果,匹配点分布均匀,具有较高的匹配正确率和匹配精度.     

利用变形模板提取嘴部特征的算法

嘴部特征提取是人脸识别和人机交互等领域的重要步骤.作者提出了一种改进的利用变形模板提取嘴部特征的算法.针对变形模板对初始位置敏感和匹配易陷于局部极小等问题,首先确定嘴部区域的边框,然后在此区域内仅用边缘和灰度信息,进行全局搜索确定变形模板的最佳参数.算法用两种模板匹配张嘴和闭嘴的情况.实验表明,对于简单背景的灰度图像,该算法可较好地提取嘴部特征,计算速度较快.     

基于局部对称性及灰度统计特征的人眼定位方法

为了兼顾人眼定位方法的准确率和实时性,提出基于局部对称性和灰度统计特征的人眼定位方法。该方法结合了模板匹配与对称变换的思想,利用了人眼灰度统计信息,取得了较好的效果。通过仿真实验表明:算法在满足算法定位准确率的同时,具有较好的实时性,因为其算法复杂度相对于模板匹配法和基于学习的方法大大降低。     

遥感影像配准中控制点的自动提取

针对遥感影像的处理应用中,传统的手工选取控制点速度慢、精度低和强度大等缺点的问题,提出了一种基于影像灰度和影像特征混合自动提取控制点的新方法。在进行控制点的自动提取时,该方法速度快、错误匹配率低、精度高。方法内容包括特征点提取、构造影像金字塔以及基于金字塔数据结构的互相关匹配。     

基于细分小波与局部投影熵相结合的图像匹配算法

利用第二代小波-细分小波计算量小和其具有多分辨分析的特点,结合局部投影熵的优势,提出了一种基于细分小波与局部投影熵相结合的图像匹配算法．该算法首先利用立方B-样条细分小波对模板图像和实时图像进行多尺度分解;然后在粗尺度上利用局部投影熵进行匹配,确定细一层的候选匹配区域;重复这一过程,直到尺度为零时止,便得到最终匹配结果．通过仿真实验表明该算法可以有效地提高匹配速度,并具有一定抗噪能力和较高的匹配精度．     

一种基于双通道深度网络的多时相卫星遥感影像匹配研究

常用的特征匹配方法难以满足长间隔多时相卫星遥感影像匹配,提出一种基于双通道深度卷积神经网络的遥感影像匹配框架。该方法首先构建Siamese双通道结构的深度卷积网络,利用点积非线性组合双通道深度卷积特征,以Sigmoid为激活函数输出影像块的匹配概率来确定粗匹配点;通过建立金字塔多尺度空间构建基于Siamese深度网络的多尺度影像匹配框架,结合粗差点剔除与由粗到精的匹配策略实现卫星遥感影像多尺度精匹配。试验结果表明,提出的方法可获得大量均匀分布密集匹配点,相比常用方法能显著提高长间隔多时相遥感影像匹配性能。     

基于Harris-Affine的宽基线立体影像LSM匹配方法

针对宽基线影像的高畸变特点,提出基于几何一致性约束的Harris-Affine高精度最小二乘匹配(Least Square Matching,LSM)方法。首先,用Harris-Affine算子在影像高斯多尺度空间中提取仿射不变特征,并根据特征区域灰度矩阵与主梯度方位来实现特征的几何归一化,继而提取特征描述符,接着采用一种由粗到精的特征匹配策略来渐进地获取正确率占优的特征匹配。然后,通过LSM迭代方法来补偿同名像点的定位误差,LSM迭代所需的良好的几何畸变初值由同名特征区域灰度矩阵与主梯度方位求取,而良好的辐射畸变初值通过同名区域像元灰度的最小二乘线性拟合法求取。实验结果表明:该算法鲁棒有效,且实现了亚像素匹配精度。     

智能交通系统中基于特征提取的车型识别

随着智能交通系统的不断深入和普及,在安全以及数据分析能力上提出了更高的要求。车型识别则是其中的关键图像识别技术,叙述了一种利用垂直灰度投影分割特征区域,采用基于边缘梯度特征信息模板匹配的方法,对车型分类和识别,并且还进行归一化处理,使得其可以适应不同大小尺寸同时也减少数据量提高匹配速度。     

中低分辨率遥感影像控制点对自动提取方法

遥感影像配准是遥感影像融合与校正的基础,而控制点提取是遥感影像配准的关键。针对中低分辨率遥感影像配准时产生的控制点少且分布不均匀、正确匹配率低等问题进行研究,提出了一种自动提取其控制点对的方法。该方法采用区域匹配策略,首先将参考影像与待配准影像的公共区域进行网格划分,对2幅影像中相同地理范围的小区域进行一致编号,接着建立影像的多尺度空间,对每一个尺度影像区域块采用Harris进行角点检测,用SIFT特征描述符描述Harris角点的特征向量,最后利用区域匹配策略进行特征点的匹配。实验表明,该方法能提取出均匀分布且精度高的控制点对,有利于提高中低分辨率遥感影像配准的精度。     

基于尺度、距离、旋转测度的角点匹配算法

针对基于模板灰度相似性测度的匹配方法抗旋转性差的缺陷,依据真实匹配角点与邻域内其他角点位置关系存在拓扑不变性,提出了一种基于尺度、距离、旋转测度的角点匹配方法.该方法首先利用相位相关法对角点进行初始匹配,而后对每对候选匹配角点进行基于尺度、距离、旋转测度的计算,利用计算后的测度函数值来判断初始匹配是否为正确匹配.实验验证了提出的角点匹配方法的匹配结果要明显好于直接基于模板灰度相似性测度的匹配方法.     

一种多源多光谱遥感图像特征点匹配技术

 在多源多光谱遥感图像中,针对匹配图像的像素之间非线性变化而导致正确匹配点对下降的情况,提出了一种基于主成分分析的多源多光谱遥感图像特征点提取算法。利用尺度不变特征变换(SIFT)算法的基本原理,首先对两幅多源的多光谱遥感图像进行主成分变换,再用变换后各自的第一主分量图像作为待匹配图像;其次,在构建尺度空间时提高尺度参数并且在进行特征匹配时,利用尺度限制条件进行匹配,这样既能提高匹配精度又能提高运算速度;最后,采用随机抽样一致性算法剔除误匹配点。这种算法能减少多源多光谱遥感图像之间像素灰度值的非线性变化对特征点匹配的影响,提取到一定数量的正确匹配点对。通过实验对比分析,所提算法比通用算法有更高的精度和更好的适用性。     

地貌测量中图像特征的匹配算法

针对地貌测量重构中的图像特征匹配问题,提出了一种新的图像特征匹配方法.通过对待匹配的资源和模板图像进行分区,并根据灰度相关值实现区域之间的匹配,在区域匹配的基础上再根据角点所属区域的对应关系进行角点特征匹配运算.在角点特征匹配过程中,利用去均值归一化相关法进行区域灰度相关运算,从而确定出初始匹配点对.为消除初始匹配角点对中的错误匹配点对,保证角点特征提取的准确性和可靠性,采用松弛迭代法、零交叉法以及最小平方中值法进行了错误匹配角点的滤除.实验结果表明,该算法可有效提高地貌图像特征匹配的精度和效率.     

月面自主精确软着陆的景象匹配方法研究

为提高月球探测器自主软着陆的落点精度,利用绕月飞行器和着陆探测器下落图像,提出一种基于尺度信息的多模板递阶景象匹配方法.在月面图像尺度空间上快速提取FAST角点,并确定特征点精确尺度、位置和方向.在特征点邻域建立图像块采样模式,通过图像块像素比较形成二进制串特征描述子,利用海明距离(Hamming distance)进行特征匹配.实验结果表明,目标在尺度缩放、旋转和光照变化等极端条件下,该算法能够实时完成月面着陆目标区域的准确识别和稳定跟踪,实现月球探测器的远距离、高精度自主导引着陆.