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.     

SURF算法在局域盲人图像导航中的应用

局域盲人图像导航即在建立基准图像信息特征库的基础上,对实时拍摄图像提取特征并与基准图像特征库进行匹配,得到相应地理信息并语音输出给盲人,从而实现导航的一种方法。本文基于SURF算法对图像特征进行匹配,首先提取SURF特征点,然后采用Hessian矩阵迹快速索引匹配以及匹配点距离差平方和的相似性度量方法进行匹配。实验表明SURF匹配算法优于SIFT匹配算法,并可实现快速、鲁棒、准确匹配,为实现盲人局域图像导航奠定理论基础。     

一个基于尺度空间理论的直方图定性匹配算法

设计并实现基于高斯尺度空间理论的直方图定性匹配算法，该算法首先建立灰度直方图的尺度空间，并提取各直方图在尺度空间中的特征。包括峰点个数、峰点线结构和峰点生命期等，然后利用这些特征匹配直方图，在同一内容的图像与不同内容的图像组成的图像库中。对直方图定性匹配算法进行了实验研究，实验结果表明，该算法可较好地解决图像内容恒常性问题。     

一种基于改进的SURF算法的静态手语字母识别方法

结合Kinect传感器提出一种改进的SURF(speeded up robust features)算法进行静态手语字母识别的方法。Kinect传感器采集深度图像进行手势分割可以克服光照变化、复杂背景带来的干扰;改进的SURF算法对实时图像与模板图像的积分图进行计算分析,提取两者的SURF关键点描述符,采用最近邻匹配算法对SURF算法自有的快速索引匹配的结果进行优化,克服了角度旋转变化对手语字母识别率的影响。实验证明,该方法在应对光照变化、复杂背景、角度旋转方面有很好的鲁棒性,平均识别率为97.7%。     

基于支持向量机的景象匹配区选择方法

考虑景象匹配区选择结果与参考图像信息之间的联系与制约,提出了基于支持向量机的景象匹配区选择方法.首先合理选择基于灰度和基于特征的2级测度参数,准确有效地表示参考图图像信息;其次将多个测度参数归一化组成样本集的输入属性向量,并使用去均值归一化算法得到匹配结果作为样本集的输出;最后选择合适的核函数与最佳参数训练样本集数据,得到具有自动区分景象适配区与非景象匹配区能力的决策函数,并用其分类实现任意候选参考图的匹配区选择.实验结果表明该方法具有较大的适应性和抗干扰性,能够对复杂参考图的匹配区选择进行正确决策指导.     

基于非下采样Contourlet变换的无人机景象匹配算法

卫星导航作为无人机重要的导航方式常因受到干扰而不可用,针对此问题,提出一种同样可辅助惯性设备进行导航的景象匹配算法。首先采用非下采样Contourlet变换(NSCT)对基准图和实测图进行多层级分解,以获得不同分辨和方向的稀疏表示图像,然后以基于稳健统计量的Hausdorff距离(LTS-HD)作为相似性测度进行由粗到精的分级匹配。仿真结果表明,基于NSCT方法的图像匹配概率相对于小波分解提高了14%;景象匹配辅助惯导后,可有效抑制位置误差发散,误差被控制在30 m以内,可满足无人机中等精度导航要求。     

一种SAR图像与光学图像匹配算法研究

INS/SAR组合导航系统对SAR实时图像与光学参考图像的匹配算法提出了较高的实时性和准确性要求。针对以往直线匹配算法与角点匹配算法的缺陷,首先提取SAR实时图像与光学参考图像直线中的直线与角点特征,然后在干线对粗匹配的基础上利用精确的角点特征进行小参数变化下SAR图像与光学图像的精匹配。经实验验证,该方法实时性与匹配精度高,可较好的应用于INS/SAR组合导航系统的图像匹配中。     

采用圆形匹配限制框的指纹特征点匹配算法

介绍了指纹特征点的匹配原理,提出了一种改进的实时指纹特征点匹配算法,并对算法性能进行了实验研究.给出了错误匹配率(FMR)和错误不匹配率(FNMR)随阈值变化的情况及算法的ROC曲线.得到算法的等错误率(EER)为1.8%,最小FMR(zeroFNMR)为6.8%,平均匹配时间为0.1s.算法在指纹库FVC2004上的实验结果表明,算法性能较好,适合于实时指纹识别系统.     

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。     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称Shi-Tomasi-SURFORB算法,...     

鲁棒Hausdorff距离在SAR/惯性组合导航图像匹配中的应用研究

分析了适用于SAR景象匹配辅助导航系统的图像匹配算法的特点 ,提出了一种新型Hausdorff距离的鲁棒型图像匹配算法 .首先分析了传统的Hausdorff距离算法的不足 ,然后引入了一种能有效消除高斯噪声影响的新算法 .同时针对此算法图像匹配时全局搜索的不足 ,提出了扫描终止法技术 ,以有效解决图像匹配实时性的问题 .针对高斯噪声的大小对图像匹配的影响进行了仿真实验 .仿真结果表明 ,新图像匹配算法能大大提高合成孔径雷达图像的匹配精度和实时性 ,对组合导航系统的精度提高有重要的意义 ,是一种行之有效的方法 .     

SIFT算法在不同维数下的图像匹配效率

 在移动机器人视觉定位领域中,SIFT（Scale Invariant Feature Transform）算法由于具有尺度、旋转和光照不变等特性被得到广泛应用。图像匹配效率与SIFT算法中所取维数有关,使用多少维数来表示一个特征点,满足不同的图像匹配精度和实时性的要求,还没有明确定义。为解决这个问题,针对不同维数的SIFT算法的匹配效率做了实验分析,得到了不同应用场合下使用维数的指导范围。以室内场馆导航机器人视觉定位为例,选取了16维作为匹配维数,实验结果能够满足移动机器人实时定位的需要。     

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.     

地磁匹配导航算法综述

地磁导航在军事和民用领域上具有广阔的应用前景,地磁匹配导航算法是地磁匹配导航的核心技术。本文综合分析了地磁匹配导航算法的研究现状,针对目前存在的主要问题,指出了研究高效、实时的匹配算法的关键技术,分析了匹配算法的发展趋势并进行了展望。     

一种基于互相关的图像定位匹配算法研究及应用

提出了一种基于互相关的图像定位匹配算法.该算法利用互相关实现图像定位匹配,同时采用了金字塔分层来弥补互相关匹配带来的大运算量的不足,克服了以往图像匹配中精度低的缺点,匹配精度可以达到亚像素甚至1/100像素级;通过在印刷质量自动化检测系统中的应用,验证了该算法的高精度与高速度特性.     

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.     

一种面向图像匹配算法的高性能专用集成电路设计

介绍了一种面向图像匹配算法的专用硬件集成电路(ASIC),这种专用ASIC电路结构简单、易于级连、易于流水,特别适合嵌入式实时图像匹配.     

一种新的基于FPGA的立体图像差异性算法

提出了一种新的基于FPGA的立体图像差异性算法,它以块匹配算法为基础,根据FPGA的特点,对图像相关性的公式进行设计优化,并结合穷尽方式搜索和预测方式搜索,提高算法的执行速度.设计基于FPGA的立体图像差异性算法IP核,充分利用FPGA独特的并行处理机制和强大的运算能力以提高系统的处理速度和性能.系统测试结果表明,基于FPGA的立体图像差异性算法,可以达到每秒33帧的处理能力,处理速度能够达到PC机的二百倍以上,具有较好的实时性;且能够连续处理500帧图像数据,具有较好的稳定性.