基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

基于最大梯度和灰度相关的两步全景图拼接算法

提出一种基于最大梯度和灰度相关的两步全景图拼接算法。该算法综合了基于灰度相关和特征相关算法的优点，首先通过匹配梯度最大值点位置的梯度值缩小搜索范围，再利用最大灰度相关匹配两幅待拼接图像。实验表明，算法原理简单、拼接速度快，同时消除了对有重复纹理特征图像的伪拼接现象，对图像亮度差异具有很强的抗干扰能力，鲁棒性好。     

一种基于视域的大地形无缝拼接算法

针对地形拼接的过渡带存在缝隙、跳变、对比度强等问题,提出了一种基于视域的无缝拼接算法。介绍了算法的基本原理,研究了地形高程数据的组织方法,色彩空间的图像边界检测,像素特征点集对的提取与匹配技术,基于像素点距的径向加权图像融合技术等,给出了拼接步骤。测试结果表明,该算法提供了一种可靠的扩展接口,实现了过渡带的平滑处理,实时性与逼真度良好,且简洁高效。     

无人机视觉着舰导航鲁棒角点精确检测算法

针对舰载无人直升机着舰时拍摄的图像存在大尺度、角度畸变,使得合作目标角点难以检测的问题,提出一种鲁棒角点精确检测算法。设计了一种彩色非对称合作目标,通过计算合作目标的最小周长多边形（minimum perimeter polygon,MPP）来获取轮廓上的角点。针对这些角点存在伪角点及未排序问题,给出了斜率约束、距离约束和方向约束策略。最后,针对亚像素Harris角点检测算法精度高但未排序、三重约束的MPP角点检测精度低但已排序的问题,制定了这两种角点检测方法的融合策略。实验表明,所提算法可以有效解决合作目标图像发生大角度畸变以及一定尺度畸变范围内的角点检测。     

基于圆环模板的改进Harris角点检测算法

Harris算子是经典的角点检测算法,但却存在检测性能依赖高斯窗窗长和阈值的不足,本文对此做出改进。先设定较低阈值,检测出图像中的疑似角点。再构造一个新的圆环模板,通过内外两个圆环上的像素点评估中心像素邻域灰度变化,用构建的新模板遍历每一个疑似角点,滤除虚假角点,得到最终检测结果。本文算法计算内外两个圆环上像素的灰度变化,充分考虑了角点在局部区域灰度变化明显的特征,不涉及微分运算,所以具有较好的鲁棒性。通过一系列实验,新算法在实际应用中明显具备良好的检测性能。     

一种基于特征光流检测的运动目标跟踪方法

图像序列的运动目标分割检测与跟踪是一个具有广泛应用的困难问题,特别当目标被遮挡丢失和/或大幅度机动时,算法要有很强的鲁棒性才能实现高精度的连续跟踪。通过特征角点提取、由粗到细层级匹配特征光流及其聚类分析算法实现运动目标分割,利用卡尔曼滤波估计对目标的多特征点构成的最小凸多边形描述子进行跟踪,具有抗遮挡丢失和抗机动功能,因此在跟踪过程中能够较好地保持或重新检测目标的最小凸多边形,使检测与跟踪算法鲁棒性强。对运动目标真实图像序列的实验结果充分证明了算法的优良性能。     

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。     

光电成像制导中地面运动目标检测与跟踪

地面运动目标的自动检测与跟踪是对地精确打击光电成像制导中的核心任务。针对地面运动目标自动检测问题,提出了由粗到精的迭代全局运动补偿算法以补偿动平台引起的背景图像像素位移,基于变化能量测度的独立运动目标检测算法以及基于三帧序列图像的运动目标定位算法。针对地面运动目标跟踪问题,提出了融合运动特征和灰度直方图特征的粒子滤波器目标跟踪算法,实现可靠、稳定跟踪地面运动目标。利用实际航拍视频进行算法验证实验,比较了基于傅里叶-梅林变换 (Fourier-Mellin transform, FMT)、Kanade-Lucas-Tomasi (KLT) 特征跟踪、Harris角点和迭代全局运动补偿算法,验证了基于变化能量测度的独立运动目标检测算法和融合多特征的粒子滤波器跟踪算法的有效性。     

三分支空间变换注意力机制的图像匹配算法

对于待匹配图像具有旋转、缩放、平移等空间几何变换的图像模板匹配任务,现有的算法耗时较长,且准确率不高。针对该问题提出一种高准确率、低运算成本的图像匹配算法,首先根据中心点与邻域点的像素差来寻找特征点,进行快速特征检测,然后以这些特征点为中心,并以快速特征检测所计算出来的旋转角截取出一定尺寸的图像块。再将这些图像块输入空间变换注意力模块的特征描述子提取网络,最后使用K最邻近算法计算两张待匹配图像特征描述子中匹配的特征。特征描述子提取网络中引入了空间变换注意力模块,网络在训练的时候着重对空间信息进行学习,故所提算法提高了具有较大空间变化图像匹配任务的准确率。在匹配时间方面,所提的匹配算法仅次于检测和匹配都使用快速特征检测算法的方法。在匹配准确率方面,所提算法匹配的准确率远远优于实验所比较的其他算法。     

基于ObjectNess BING 的海面多舰船目标检测

将一幅图像按照一个目标的大小进行缩放,然后计算其梯度特征,再对梯度特征进行标准化,二值化能够极大地提高目标候选区域的选择和检测计算效率,减少耗时。由于对海上舰船目标的检测是具有丰富角点的人造目标,对ObjectNess二值化标准梯度特征(binarized normed gradients, BING)方法中的目标候选区域提取算法进行改进,使其能够更加快速地进行候选区域的选择并保持较高的检测率。分析了海上多舰船目标的图像特征,提出了利用角点确定目标的候选基点,再利用ObjectNess BING检测模型训练获得的多目标尺寸进行候选区域的选择,对互联网上下载的多幅多舰船图像进行处理的结果表明,算法能够有效减少候选目标区域的数量并保持较高的检测概率。     

基于图像的脸部模型调整及表情动画技术研究

采用一种基于图像的三维人脸模型主动调整方法,实现了三维特定人脸模型的真实感重建和表情动画生成。通过特定人脸的正面和正侧面图像上的93个人脸表情特征点,采用整体调整及基于径向基函数插值的局部调整方法对通用三维人脸模型进行几何调整,并利用变形拼接及多分辨率图像融合技术生成无缝的人脸纹理镶嵌图,实现具有真实感的三维特定人脸模型重建。改进了人脸肌肉物理模型并结合弹性约束模型,避免了在表情动画处理中由于肌肉收缩力过大导致网格三角片毁坏而破坏人脸的拓扑结构问题,其局部网格动态细分策略,使生成的表情动画更加细腻。     

基于Contourlet域树状系数的自组织神经网络图像分割

为避免小波域隐马树模型分割算法中模型假设的不足,提出用SOM网络作为非参数概率密度函数估计器。用图像轮廓波变换域中的树状数据作为网络输入,以利用图像的几何特征来提高分割效果。由训练好的网络组可以得到待分割图像各个尺度下的条件概率密度函数值,应用最大似然分类准则得到相应尺度下的粗分割。通过多尺度粗分割结果的融合,得到像素级的分割结果。用合成纹理图像、航拍图像和SAR图像进行实验,并与小波域隐马树模型分割方法和基于SOM网络的多尺度贝叶斯分割方法进行比较。对合成纹理图像给出错分概率作为评价参数,实验结果表明所提算法分割效果更优。     

基于决策融合的多无人机协同目标检测识别算法

针对现阶段单无人机不能高效完成大区域巡视的问题,提出一种多无人机决策融合的目标检测识别算法。首先改进Retinanet算法进行单无人机的目标检测,根据航拍图像目标特性,调整anchor参数和训练策略。同时利用特征提取算子配准多无人机航拍图像,实现多机图像坐标一致,并进行图像拼接。然后综合目标的位置信息和属性信息对多机图像进行目标关联。最后提出一种基于冲突度量的动态切换策略,自适应选择DST(dempster-shafer theory)或DSmT(desert-smarandache theory)融合关联目标信息。在多无人机协同目标识别数据集上进行实验,结果表明所提算法能在增大单次巡视范围的同时,提高无人机巡视系统的检测精度。     

基于增强现实技术的圆明园景观数字重现

提出基于关键帧匹配的增强现实跟踪注册算法,实现圆明园大水法遗址的数字重现。并采用随机树的方法将特征点的匹配问题转化为特征模式分类问题,解决图像间的宽基线特征匹配。基于该算法构建出基于视频透视式头盔显示器的移动增强现实系统。实验验证表明,该方法具有实时、鲁棒,适用于户外跟踪注册。     

基于元胞自动机的云层实时模拟

云层的实时模拟是构造真实的虚拟自然环境的重要组成部分.然而,外观形状的不规则性和物理形成过程的复杂性增加了云层实时模拟的难度.在分析和研究现有云层建模和渲染方法的基础上,提出了一种基于元胞自动机的云层实时模拟方法,该方法的核心是采用元胞自动机理论对云层建模,使用风力函数对云进行控制;综合单散射和多重散射的方法构造云的光照模型;利用连续帧之间的相关性实现基于视点变换的云层实时渲染, 并利用Murakami的元球方法计算云的密度分布.实践证明该方法可以实时模拟具有较强真实感的云层.     

一种基于神经网络的红外目标识别方法

文中介绍了一种基于神经网络的目标识别方法。该方法利用径向基函数（ＲＢＦ）神经网络,结合目标边界的形状特征,对平移、旋转及尺度变化情况下的目标进行了分类识别。实验结果表明,这种识别方法性能稳定,且具有很高的识别精度。     

一种血管内超声图像边缘提取方法

血管内超声（IVUS）图像的冠状动脉血管壁内、外膜边缘提取对冠脉疾病的诊断和治疗有着重要意义。针对实际IVUS图像血液斑点噪声比较严重的情况，提出一种基于超声序列图像斑点噪声抑制和活动轮廓模型（Snake模型）的IVUS图像边缘提取方法。首先采用一种时／空滤波方法对IVUS图像进行降噪预处理，该方法能够有效地抑制IVUS图像的血液斑点噪声；然后基于Snake模型和图像的统计特征自动提取冠脉血管壁内、外膜边缘。实验结果表明，本算法简单，准确性较高，对序列图像处理的可重复性和鲁棒性较强，是一种较好的全局最优化算法。     

一种基于亮度和深度信息的实时景深渲染算法

在研究透镜成像模型与针孔成像模型的基础上,提出了一种基于亮度和深度信息的实时景深渲染算法,首次把景深渲染应用到增强现实系统。使用OpenGL和Visual Studio2008实现整个算法。通过建立三维空间坐标系,实时追踪和获取真实场景深度信息,把生成虚拟物体融入到真实场景中。随后,依据亮度信息对虚实融合场景进行模糊处理。最后进行图像融合,把模拟的景深效果输出到屏幕。实验结果表明,新算法更接近于真实摄像机拍摄的景深效果图,适用于增强现实系统。     

一种基于局域自适应处理的SAR图像降斑算法

合成孔径雷达(SAR)图像所固有的相干斑噪声严重降低了图像的可解译程度,影响了对图像中的目标进行检测和识别,因此SAR图像的相干斑抑制一直是SAR图像应用的重要课题。提出了一种基于局域自适应处理的SAR图像降斑算法,算法根据区域像素点的分布特征自适应调整滤波窗口的大小,在均匀的背景杂波区域内增大滤波窗口来抑制斑点噪声,在包含目标的细节区域内减小滤波窗口,同时采用自适应阈值选择部分像素参加滤波的方法,以便在有效降斑的同时保持边缘和目标细节,最后通过对实际数据的处理验证了算法的有效性。