前视红外末制导Nprod目标识别算法适应性研究

描述了前视红外末制导景象匹配中归一化积相关(Nprod)目标识别算法的基本原理。由实际拍摄的典型目标前视红外图像匹配结果得出:当目标所占面积越大、与背景灰度反差越大、边缘越清晰,Nprod算法匹配效果越好;在目标与背景的灰度分布集中或者目标较远的情况下,匹配效果不甚理想。给出了Nprod目标识别算法的基准图预处理方法,对远距离情况下建筑物目标的匹配进行了匹配方法研究,实验表明具有较好的匹配效果。     

前视红外视觉导航定点修正导航区选取方法

针对飞行器前视红外视觉导航技术中导航区选取问题, 提出了一种实用的定点修正导航区选取方法。 结合导航任务, 通过对红外与可见光图像共性特征的分析, 以独立像元素、 边缘密度、 图像自匹配系数为分类指标, 设计了一种有效的导航区选取分级搜索方法, 给出了方法的基本原理、 实现步骤及流程图。 同时给出一种实用的匹配仿真验证方法, 并通过大量仿真实验验证了该方法的有效性。     

基于电视末制导技术的舰船目标分割与匹配方法在复杂背景下的应用

针对电视末制导炮弹在复杂背景下对多目标舰船识别精度不高的问题,提出一种结合经典阈值分割和Prewitt边缘梯度算子的方法,对图像中存在的多个舰船轮廓实现清晰的分割,利用模板匹配,选用加速稳健特征(Speed-up robust features, SURF)算法检测特征点,将处理后的舰船图像与弹载图像进行匹配;针对匹配过程中的错误匹配问题,采用M估计采样一致性算法,有效提升了匹配正确率。数值仿真表明,弹上图像处理器在进行单帧图像处理时,通过与传统图像分割技术如坎尼梯度算子、高斯拉普拉斯(Laplacian-of-Gaussian, LoG)梯度算子和最大类间方差法对比,该文提出的算法可以清晰地将视场内的多只舰船进行有效分割,并显著减少了错误匹配。     

基于核线影像的点特征提取与图像匹配方法比较研究

对遥感航空影像进行计算机自动化处理是目前遥感发展的主要方向,而特征提取与影像匹配是一切影像处理的前提。特征提取算子有很多,该文比较和评价了几种著名的特征提取算子:Moravec算子、Harris算子和Forstner算子。基于相关系数以及最小二乘方法,利用提取出的特征点将两幅核线影像进行匹配与校正,比较和评价了两种匹配方法,并对最小二乘匹配方法作出了一些改进。     

基于点特征匹配的SUSAN,Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法,包括特征提取和特征匹配2个步骤.在介绍保持结构的形态学方法--SUSAN算子和Harris算子原理的基础上,根据真实影像,就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较.编程实现SUSAN,Harris算子影像的点特征提取,基于匹配支持度的松弛匹配算法,从而获得研究实验数据.实验表明这2种算子在特征提取及影像匹配等方面各自具有其独特的优势,且均具有操作简单、易于实现的特点.     

基于点特征匹配的SUSAN，Harris算子比较

基于点特征的影像匹配是计算机视觉界比较流行的匹配方法，包括特征提取和特征匹配2个步骤。在介绍保持结构的形态学方法——SUSAN算子和Harris算子原理的基础上，根据真实影像，就特征点提取的数量、分布及匹配有效性等方面对上述2种算子进行分析比较。编程实现SUSAN，Harris算子影像的点特征提取，基于匹配支持度的松弛匹配算法，从而获得研究实验数据。实验表明：这2种算子在特征提取及影像匹配等方面各自具有其独特的优势，且均具有操作简单、易于实现的特点。     

几种边缘检测算子在红外图像处理方面应用研究

为了从原始红外图像中提取目标轮廓信息,并克服图像对比度低、噪声干扰大等缺点,需要对红外图像进行边缘检测处理。文章分析Sobel,Canny等几种常用边缘检测算子原理并将其应用于红外图像的边缘检测,同时根据仿真结果比较了它们所代表的一阶梯度算子、二阶梯度算子以及复合检测算子在不同类型红外图像边缘检测中的表现,总结了不同算子检测效果的特点并分析其对应的理论依据。为今后红外图像处理中边缘检测算子的选择提供了参考。     

随机树特征匹配算子性能研究

为了改进增强现实实时跟踪系统,评估增强现实特征匹配算子随机树的性能,并与尺度不变特征变换算子SIFT进行比较. 分别在旋转变换、尺度变换和光照变换的情况下,测试两种算子的鲁棒性能和匹配速度. 实验结果表明,随机树算子能达到每秒30帧的实时特征匹配速度,且光照变换可以到达50%以上的匹配率,但匹配精度有待提高.     

用于求解TSP问题的遗传算法比较研究

针对基本遗传算法收敛速度慢、易早熟的现象,提出了基于贪心交叉算子的改进型遗传算法,利用贪心思想引导交叉操作,加快寻优速度。利用新算法进行了30城规模的TSP问题求解,并且与基于部分匹配交叉算子和顺序交叉算子的遗传算法进行了比较研究。通过在不同种群大小、迭代次数、交叉及变异概率、代沟等参数设置下对三种算子的性能影响进行深入分析。结果表明:基于贪心交叉算子的改进型遗传算法具有收敛速度快、寻优效率高的特点。     

利用改进遗传算法实现图像特征点的匹配

提出了一种两幅图像特征点匹配的新方法,利用起源于生物进化论观点的遗传算法来对两幅图像的特征点集进行匹配。设计了染色体的表示方法、适应度公式以及３种新的遗传操作算子。为了加快算法的收敛速度及获得适应度高的解,对初始种群的选取和遗传算子操作概率的选取提出了新的方法。实验结果说明与传统的点匹配算法相比较,遗传算法更加有效地完成了特征点集之间的匹配。