基于直线段上下文的红外与可见光图像匹配

成像设备、所用光谱和拍摄时间等因素的差异给红外与可见光图像匹配带来了较大的困难。考虑到边缘直线段在异源图像中的稳定性,提出一种基于线段上下文的红外与可见光图像匹配方法。首先,采用LSD(line segment detector)算法检测出图像中的直线段,接着按照几何约束规则挑选出关键直线段,并计算它们的交点,将交点与Harris角点一起组成图像特征点;通过计算特征点四象限邻域内线段的得分,得到每条线段对特征点的贡献,在此基础上采用圆形阵列的方式,构建基于线段上下文的特征描述子;最后运用双向匹配策略和RANSAC算法实现红外与可见光图像的匹配。实验结果表明,所提方法能够对灰度差异较大的红外与可见光图像实现精确匹配,并且在鲁棒性和时间效率方面都要优于主流异源图像匹配算法。     

基于Shi-Tomasi角点验证的线段提取算法优化方法

针对现有的线段提取算法在图像中的天空、阴影、玻璃以及地板等模糊区域提取出较多的无意义线段的问题，提出了一种基于Shi-Tomasi角点验证的线段提取算法优化方法(ST-Lines算法):首先，使用经典线段提取算法进行线段提取；然后，采用Shi-Tomasi角点检测算法提取角点，并利用滑动窗口对所得的角点进行非极大值抑制；最后，根据线段长度、线段端点圆形框内的角点分布情况以及K最近邻算法对每条线段进行有无意义验证，尽可能多地剔除无意义线段。并利用YorkUrban线段数据集，对ST-Lines算法与原线段提取方法进行测试对比。对比结果表明:ST-Lines算法在平均准确率、F-score、平均线段长度上有所提高，且降低了平均线段数量。     

基于图像分割的线段检测方法

介绍了线段检测技术的研究背景及发展历程,按照检测原理的不同,对线段识别方法进行了分类综述,主要介绍了基于Hough变换的线段检测方法、Burns边缘检测算法、端点扩张线段检测法、LSD线段检测法.通过对各种检测方法的阐述、分析和比较,总结了线段检测技术的理论缘由和应用特点,并提出了影响线段检测技术的几个因素,展望了线段检测技术今后的发展方向.     

岩石表面图像的特征提取和处理方法

在对比多种岩石表面图像特征提取的基础上,提出了岩石表面图像中节理特征的提取方法,包括图像的增强、二值化、边缘提取、Hough变换等,提出了3个限制条件,以剔除提取的节理特征冗余线段,并给出了处理依据和流程.同时,编写相应的软件以对所提方法的可行性进行验证.结果表明,经所提线段分类与合并方法处理后,冗余线段的重复率大幅降低,其结果能够准确反映岩石表面裂隙特征的分布情况.     

一种基于图像轮廓信息的新视点图像生成算法

对于摄像机任意运动采集的序列图像,提出了一种基于轮廓对应的新视点目标图像生成算法．在此算法中,首先检测并提取图像中的轮廓边缘,将边缘分解为直线段,根据直线段间的相对位置关系实现不同图像间直线段的匹配,从而实现整幅图像问匹配．采集的参考图像首先转化到与视点连线平行的平面（称做校正图像）．然后,通过对校正图像匹配点线性插值生成对应于新视点的校正图像;最后将该生成的校正图像变换至最终位置,从而实现新视点图像生成．实验证明,该算法可应用于任何种类的图像合成,所生成图像可以获得清晰的边缘,图像质量较高．     

以多幅图像非几何约束线段匹配重建建筑物外立面三维线段模型

针对建筑物外立面三维线段模型重建的现有算法中存在多幅图像线段匹配需要提前获知对极几何约束,以及三维线段重建的过程会因为输入误差的累积而受到影响等问题,提出了一种以非几何约束重建三维线段模型的算法。该算法在多幅图像的线段匹配过程中以点线相结合的高稳定性双视图线段匹配算法为基础,通过匹配线段间的传递性形成匹配线段组,再剔除不相容匹配并合并相容匹配,最终得到准确的匹配线段结果。三维线段重建采用分段重建的方式得到每一个匹配线段组对应的三维线段,再经过对线段长度和角度的约束,剔除不构成建筑物外立面框架的空间线段,最终构成建筑物外立面的三维线段结构。实验结果表明,该算法可以有效重建出建筑物外立面的整体框架。     

端点预搜索的Freeman直线段识别算法

直线段提取对于数字图像中规则目标的形状分析、识别来说是一个基本且必要的前期信息提取步骤.本文提出了一种以角点充当直线段的端点,在得到直线段端点和直线段主次方向基础上使用Freeman准则对直线段进行扫描.由于在直线段搜索前已经获取了直线段端点的位置信息,因此该算法能够高速准确地对直线段进行扫描,具有较强的抗噪声能力.实验结果验证了该算法的有效性,并且该算法对较粗直线段也具有良好的检测能力.     

基于信息熵的自适应高斯金字塔的 LSD 算法改进

针对 LSD(Line Segment Detector)算法在对图像中连续的边缘进行提取时, 结果中常常呈现线段不连续的问题, 提出一种基于信息熵的自适应高斯金字塔的 LSD 改进算法。 该算法首先通过计算处理后的图像与原图之间的互信息熵, 确定高斯金字塔的层数与层内图像数量, 构建出自适应高斯金字塔; 其次使用改进的大津阈值, 根据图像的梯度峰值将图像分割成不同区域并计算相应梯度阈值, 分离出图像背景; 最后根据梯度角度寻找线段, 并通过赫尔姆霍兹准则验证线段。 仿真结果表明, 该算法解决了 LSD 算法提取线段不连续的问题;与其他流行算法 Hough 变换(Hough Transform)、 PPHT(Progressive Probabilistic Hough Transform)、 LSWMS(Line Segment detection using Weighted Mean Shift)、 LSD、 EDLines 比较, 能提取出更多有意义的线段。     

一种结合数学形态学和LOG算子的遥感图像边缘检测方法

提出了一种结合数学形态学和LOG算子的遥感图像边缘检测算法,该算法可有效地解决在混合噪声及复杂细节环境下的遥感图像地物边缘信息的检测．该算法首先利用中值滤波消除原始图像的非高斯噪声,并采用数学形态学进一步消噪及增强地物间的对比度;然后采用LOG（LaplacianofGassian）算子对处理后遥感图像进行边缘信息检测．实验结果表明,提出的方法能有效地提取遥感图像地物边缘信息．     

一种基于贝叶斯理论的目标验证方法

提出了一种验证图像中候选目标的新方案.综合目标的先验知识,将目标验证转化为给定候选目标的条件下,图像特征观察集合的条件概率问题.同时,提取图像的短线段特征,利用短线段特征的观察,给出了一种目标验证方法排除复杂场景图像中虚假建筑物目标.在自然图像集上进行的实验表明,所提出的方法能有效排除虚假目标,满足处理自然图像的要求.     

基于全自动泊车与对数变换法的轨迹图像边缘信息细节化检测

为解决传统边缘检测方法中阈值设置过高或过低,致使关键信息被遗漏或干扰信息被误看作重要信息,造成边缘检测结果不可靠的问题。通过引入自适应阈值思想,研究了基于全自动泊车的轨迹图像边缘检测方法。对采集的全自动泊车的轨迹图像进行直方图均衡化和自适应二值化处理,以及先腐蚀后膨胀的操作,对小对象物体及平滑较大物体边界进行消除。通过一阶微分算子求解经预处理后图像不同点的梯度幅值与梯度方向,细化梯度幅值图像中的屋脊带,仅保留幅值的局部极大值。采用对数变换法对梯度范围进行扩展。通过新的局部自适应阈值化方法确定阈值,实现全自动泊车轨迹图像边缘的初检测。针对轨迹图像边缘直线线段,选用Hough变换法提取其中的直线特征,获取直线轨迹。结果表明,所提方法边缘检测细节化好,可见整体性能优。     

基于区域形状的静脉图像特征提取与匹配

为了准确地对人的身份进行识别,提出了一种基于区域形状的静脉图像特征提取与匹配算法.静脉图像经预处理后得到二值图像,该算法首先对二值图像进行细化处理,得到了静脉的骨架信息;然后,标注4连通区域并寻找到与连通区域相连接的端点与交叉点;再利用最小距离法将连通区域的边缘逼近成若干条线段,将线段角度作为特征;最后,利用改进的最长公共子序列算法,进行了局部区域匹配,并利用改进的豪斯多夫距离算法进行整幅图像的匹配.实验表明,该算法获得的图像特征具有较高的区分度,识别效果受采集静脉图像中信息缺失的影响较小,正确识别率可达到96%以上.     

利用标记生长从边缘图像中抽取线段

作为计算机视觉的中层处理部分，线段提取具有重要意义，它是底层处理到高层推理和高层计算的桥梁．在复杂的背景图像中自动提取出线段是可能的，却又是十分困难的．为此，提出一个基于有向边缘图像利用标记生长提取线段的新方法，它以同类方向边缘像素为标记对象，在当前像素的有向邻域中搜索相应的线段．实验结果表明，该方法在复杂图像中的有效性     

TM遥感图像中河流的自动提取

提出了一个TM图像中河流目标自动提取的方法.对TM图像上河流及其背景地物的光谱特征进行分析,利用所发现的知识建立河流地物的提取模型,检出河流区域;对河流进行细化,抽取骨架;最后利用基于线段间斜率差的方法对河流骨架进行矢量化.试验结果表明该方法能较准确的识别提取TM图像中的河流目标,得到理想的矢量数据.     

特征点提取及视图变形技术研究

介绍了图像变形和视图变形技术,在此基础上提出了一种改进的视图变形方法．利用样条小波变换进行边缘检测,根据模极大值原理,获得单像素的轮廓边缘;针对传统的霍夫(Hough)变换的局限性,对其进行改进,并将改进后的Hough变换方法,用于从单像素边缘图像中提取直线的特征点,即端点中．在原始图像中,载入这些特征点,交互地选取其中所需的特征点,连接形成特征线段,然后使用图像变形方法,生成从起始图像到终止图像的期间过渡图像,实现两幅图像的渐变,该方法提高了特征点选取的准确性和效率,使中间过渡图像更加自然适真。     

线段二维裁剪的新算法

本文提出了一种参数线段对矩形窗口裁剪的新算法,并且证明了算法的正确性.这种算法用参数表示线段上的点,根据文中提出的两个准则即可迅速判断线段是否有可见部份及可见部份的端点位置.本算法的主要优点是简化了现行方法中的繁琐计算与判断过程、性能可靠,可适用于对任何状态的线段的裁剪.     

角点检测的一种新方法

提出了一种边缘图像的角点检测方法.根据角点的边缘特征(角点的一个小邻域内包含两条或两条以上的线段,而一般的边缘点的邻域内则只包含一条线段),计算出每个点的小邻域内包含的线段数,便可以确定该点是否为角点.由于计算过程只依赖于角点的空间坐标,因此计算量小而且能够有效的排除噪声.     

基于灰度特征约束的Radon变换改进算法

针对跑道信息在机场目标识别算法中的重要性,分析了子母弹在实施跑道封锁时对跑道端点信息的需求,给出了机场红外图像的灰度约束先验知识;针对传统R adon变换无法获取线段端点信息的特点,提出了一种新的基于灰度特征约束的R adon附加策略识别算法,对低对比度的红外图像进行了识别,仿真计算结果表明:该算法可以较为有效地获得准确的跑道中点和端点信息。     

一种基于方向导数的边缘直线检测算法

基于方向导数序列的概念提出一种新的边缘直线检测算法.在检测过程中,将边缘图像视为三维空间的曲面,对各个边缘点求各个方向的方向导数序列,然后由方向导数序列的取值判断确定出直线段.通过分析和编程试验证明了其算法对直线段的检测有效.     

基于多尺度相位谱的显著性运动目标检测

针对视频序列中的显著性运动目标检测问题,提出一种基于图像频域中的多尺度多特征显著性运动目标的快速检测方法.所提算法在对视频序列多尺度运算的基础上,通过提取视频序列底层特征,分析其离散余弦频域中的时空域相位信息,最终构建时空域显著性视频序列,完成序列中的显著性运动目标检测.实验结果表明,所提算法在复杂背景环境下,特别是各...