抗区域灰度变化的景像匹配算法研究

根据Ｐｈｏｎｇ照射模型，研究了视点变化对景像灰度的影响，提出采用灰度校正技术，纠正由于视点变化而带来的同一地区景像在参考图与实时图中表现出的不同灰度特征，获得两者间共同的区域灰度特征，以提高匹配可靠性．给出了与常规匹配算法比较的实验结果，证实其较通常方法具有更强的抗景像区域灰度反转的能力．     

一种基于多特征的匹配方法研究

基于区域特征与边缘特征，对存在仿射变换的实测图与基准图进行匹配，包括；对图像进行动态门限分割，以去除噪声点，提取图像中的主要区域，进而利用这些区域特征进行粗匹配，然后结合边缘特征准确确定匹配位置．实验表明，将这种方法用于出现仿射交换下的景像匹配可取得较好的效果．     

基于特征的景像匹配置信度融合计算

定义了三个特征量,通过大量景像匹配试验,研究了景像匹配置信度与三个特征量之间的统计关系模型;根据建立的模型,利用改进的Dempster-Shafer组合规则对景像匹配置信度进行融合计算．试验结果表明该方法正确,有效解决了景像匹配置信度的定量计算问题．     

基于图像直方图的一维不变矩研究

由于基准图与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求。图像灰度变化时，对应的直方图基本形状保持不变，据此定义了基于直方图的一不变矩，并提出基于直方图不变矩的匹配方法，由于直方图不变矩是基于一维矩的定义，运算时间大大减少。     

基于图像直方图的一维不变矩研究

由于基准日与实测图之间存在灰度变化，基于灰度不变矩的匹配方法不能满足实际匹配的要求．图像灰度变化时，对应的直方图基本形状保持不变．据此定义了基于直方围的一维不变矩，并提出基于直方图不变矩的匹配方法．由于直方图不变矩是基于一维矩的定义，运算时间大大减少．     

高程起伏对雷达景像匹配的影响及改正方法

雷达景像匹配由于具有全天候的特征，在飞行器导航与定位中受到重视。针对实时雷达景像以及参考基准图像的成像方式，分析了地面高程起伏对实时雷达景像以及参考基准图像构像的影响，及合成孔径雷达（SAR）影像上因地形起伏产生的影像变形的改正；推导出实时雷达景像上，影像像点位移与地面高程起伏的关系式，以及由此产生的影像变形的改正方法和具体改正步骤，同时利用数字地面模型（DEM）对模拟实时雷达图像进行反纠正，在辐射特性一致的条件下，通过匹配试验分析因地形起伏产生的实时雷达景像变形对匹配精度的影响。     

融合彩色和光照信息的尺度不变特征变换图像匹配算法

针对灰度图像色彩信息缺失导致尺度不变特征变换(SIFT)算法匹配能力差的问题,提出一种新的融合色彩和光照信息的SIFT图像匹配算法。新算法首先求出彩色图像各个像素的彩色补偿量和光照补偿量;在图像灰度化时增加彩色补偿量和光照补偿量来增强对比度,以减小颜色差异带来的匹配误差;采用SIFT算法对获得的灰度图进行图像匹配。对7组存在多种变化的图像对进行匹配测试,结果表明,新算法可以有效区分不同颜色但灰度相似的区域,增加了SIFT算法的匹配点数和准确率,提高了算法的匹配性能。     

一种基于多特征的匹配方法研究

基于区域特征与边缘特征，对存在仿射变换的实测图与基准图进行匹配，包括：对图像进行动态门限分割，以去除噪声点，提取图像中的主要区域，进而利用这些区域特征进行粗匹配，然后结合边缘特征准确确定匹配位置，实验表明，将这种方法用于出现仿射变换下的影像匹配可取得较好的效果。     

车道斑马线及障碍物检测方法研究与实现

为提升道路行驶安全,提出了一种基于视频图像特征的车道癍马线及障碍物检测算法。根据一维小波能捕获一定规律灰度变化的特点,通过设计一维Gabor小波的时空参数得到模板,与感兴趣区域逐行卷积计算最大匹配能量值．以最大匹配能量值作为分析指标检测斑马线,进一步结合斑马线区域的纹理特征,分析特征变化来判断斑马线上是否有障碍物的存在。     

基于十字模板匹配的靶场目标检测方法

针对现代靶场所面临的测量目标小、 距离远、 目标与背景对比度低以及匹配算法计算量大、 时间复杂度高等问题, 提出一种基于数字图像处理的靶标检测方法。该方法以十字特征直线代替模板进行粗匹配, 仅对搜索图中像素点数目较少的一段灰度区域进行匹配, 从而大大减小了计算量, 使匹配速度得到极大提高。通过CCD（Charge Coupled Device）相机采集的靶场目标序列图像进行仿真实验, 实验结果表明, 该算法匹配速度快、 较传统的灰度相关算法具有较强的鲁棒性。     

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。     

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.     

一种分形图像匹配方法

通过对ＦＢＭ的Ｗｅｉｅｒｓｔｒａｓｓ－Ｍａｎｄｅｌｂｒｏｔ随机分形逼近函数的频谱分析，给出了多重分形特征的定义，并给出了判别图像的ＦＢＭ区域的方法，在ＦＢＭ区域内采用该特征进行匹配能克服复杂自然景物图像中灰度与边缘特征的不稳定性，实验表明该匹配方法能够获得比传统匹配方法，例如平均绝对差算法以及特征匹配法更高的匹配定位精度和匹配概率。     

背景差目标检测法中图像灰度校正问题的研究

背景差目标检测法是一种常用的视频目标检测方法,它是将当前帧图像与背景图像求差以获取目标。但摄像机会根据环境的变化自动进行光圈调整,在调整的过程中图像的灰度特征不断变化,这使得背景差目标检测方法的稳定性、准确性和完整性受到了严重的影响。假定背景图像已经构建,通过对灰度调整原理的分析,提出了一种通过设定灰度校正采样区域,计算灰度变换函数,对背景进行灰度校正的方法,使背景图像与当前帧图像在亮度、对比度等灰度特征上相匹配。     

一种三维图像表面重建的方法

在计算机立体视觉研究中，主要针对人造场景，提出了一种新的三维表面重建方法，该方法首先对景物的灰度图像进行了分割，将景物图像分成各种不同的区域，利用了将立体像对进行边缘特征匹配的结果，并使用各种曲面模型对各区域进行拟合，以求得整修区域内的视差值，再对整修视差图进行自适应平滑，得到了较为满意的结果。     

一种三维图像表面重建的方法

在计算机立体视觉研究中，主要针对人造场景，提出了一种新的三维表面重建方法。该方法首先对景物的灰度图像进行分割，将景物图像分成各种不同的区域，利用了将立体像对进行边缘特征匹配的结果，并使用各种曲面模型对各区域进行拟合，以求得整个区域内的视差值，再对整个视差图进行自适应平滑，得到了较为满意的结果。     

基于灰度相关图像拼接的改进算法

结合灰度相关与区域特征,文章提出了一种基于灰度相关图像拼接的改进算法.为减少匹配块的计算量,首先在选取的特征块上计算灰度平均值和每个像素与平均值的差值,然后选取一定的阈值来减小图像的搜索范围,最后利用灰度相关法匹配待拼接两幅图像.实验表明,该方法具有原理简单、速度增快和鲁棒性好的特点.     

一种基于特征代价函数的多目标跟踪算法

提出一种基于特征代价函数的多目标跟踪算法。根据目标在相邻帧间运动具有连续性以及包围窗口、灰度变化不大的特点，改进了一种代价函数。在跟踪的匹配过程中，启动卡尔曼滤波和预测目标匹配搜索区域，同时使用目标链记录目标最新的运动状态和特征值，从而保证运动跟踪的连续性和计数的有效性。     

融合颜色信息的尺度特征提取及匹配算法

实现有效三维重建的关键是将图像中的特征点检测并匹配,已有的算法中对特征点检测实效不高,特征描述子依赖灰度信息,导致匹配率不高。为了提高特征匹配率和时间,提出在尺度空间下提取Harris角点,对SIFT特征描述子进行颜色改进,对描述子进行二值化和主成分分析法降维,最后通过欧式距离作为相似形度量实现两幅图像特征向量的匹配。在MATLAB 2014平台进行3组图像测试,改进后的算法提取的特征点具备尺度不变形,特征点分布较SIFT均匀,特征匹配正确率均在90%以上,匹配时间优于对比算法,尤其对于灰度相似但色彩不同和灰度区别小的图像也维持了高匹配率。     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.