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．     

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。     

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。     

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。     

基于局部分形特征的快速图像匹配方法

利用分形的方法建立了一种新颖的基于分形特征的景像匹配方法．该方法具有良好的抗几何形变能力和较强的抗噪能力．由于利用了分块、序贯检测及分层搜索技术，计算量大为减少，试验结果表明这是一种良好的图像匹配方法．     

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。     

SAR图像与光学图像多子区鲁棒匹配算法

提出了一种新的低空机载合成孔径雷达(SAR)图像与卫星光学图像的多子区匹配算法.算法中,依据SAR图像噪声特性,提出了用于SAR图像边缘提取的基于小波包变换的改进断面检测法.匹配中将低空SAR图像分为多个子区,利用子区影像频谱直方图等特性参量判别其可匹配性,并用各子区位置分布关系约束匹配结果.匹配搜索策略为基于提升小波的金字塔分层搜索.用低空SAR图像与SPOT-5卫星光学基准图进行了实验,结果表明该方法的有效性.     

基于角点检测图像配准的一种新算法

提出了一种新的基于角点检测的图像配准方法，其核心思想是采用一种快速的基于图像灰度的角点检测新算法，通过沿圆弧曲线扫描获取角点信息，然后根据这些角点信息建立图像间角点的对应关系，并由此得到初配准参数，最后通过迭代过程以提高配准的精度。理论分析和实验结果表明，该算法对图像间的旋转角度没有限制，配准精度高而且计算量较小。     

一种基于SURF的图像配准改进算法

为了更好地构造逼真的虚拟环境,提高虚拟场景中图像配准的效率,提出了一种改进的SURF算法。改进算法根据特征点的数量和其间疏密关系作为判定条件,可以在更短时间内得到数量适当且分布相对均匀的图像特征点,同时在特征点匹配阶段利用Hessian矩阵迹的正负性提高特征点匹配的速度。针对误匹配影响图像拼接准确性的问题,采用随机采样算法（RANSAC）提高匹配的精确度。实验结果表明该算法节省了特征点检测和匹配的时间,提高了匹配效率。     

基于相位角点检测的特征匹配研究

基于特征的匹配是立体匹配中最常用的方法,但是匹配结果受特征检测精度的影响较大.针对这一问题,提出一种基于相位一致性角点检测的匹配算法,该算法采用相位一致性模型对图像中的角点特征进行检测,检测结果不受亮度、对比度等因素影响,因此在不同光照环境下的多幅图像可以使用相同的固定阈值,避免了特征检测中阈值选取的困难.在此基础上,结合场景的深度信息采用图像的灰度局部区域相关系数进行特征匹配.实验结果表明,该算法获得的匹配结果具有很高的正确匹配率.     

基于Harris-改进LBP的特征匹配及目标定位算法

为满足机器人伺服抓取中定位精度和实时性的要求, 提出一种基于Harris及改进局部二值模式(LBP)的特征匹配和目标定位快速算法. 首先采用Harris检测算法提取图像特征点; 然后提出一种新的特征点描述子定义方法, 先利用胡矩确定特征方向, 再根据特征方向对局部图像做标准化处理, 提取标准化局部图像LBP特征作为特征点描述子; 最后通过计算两张图像中各特征点描述子间的汉明距离实现特征匹配, 再根据匹配结果估计单应性矩阵, 定位目标在场景图像中的位置. 实验结果表明, 该算法匹配速度快、 定位精度高.     

基于粒子群的彩色印刷品图像分层搜索定位算法

针对彩色印刷品表面质量在线检测过程中存在目标图像定位精度低、定位速度慢而导致检测误判率高、检测效率低等问题,提出了一种基于粒子群的彩色图像分层搜索定位新算法.首先采用图像金字塔结构在空间域中对彩色图像进行分层,分析尺度因子和层数的选择对提取目标图像关键特征的影响;其次,基于边缘特征建立各层的匹配模型,最后引入粒子群算法(PSO)求解每层的最优匹配参数,实现待匹配对象的快速定位.实验结果分析表明,该方法对宽幅面彩色印刷品像素大小为1024×454的目标图像平均校正偏差不超过0.1°,即水平方向上的定位误差可达0.017个像素;对角度偏移小于6°的图像,分3层搜索校正的最长时间仅为12.6 ms,以上实验结果显示出该定位方法具有较高的精度和较强的实时性.     

基于降低图像分辨率的红外目标跟踪方法

灰度图像色彩信息贫乏，背景噪声不易抑制，会导致分割误差大，使跟踪点发生漂移．针对此问题，提出了基于改变图像分辨率的红外目标跟踪算法．以减小图像分辨率的方法，采用逐点匹配。对下一帧图像进行目标9种方向的跟踪判断．实验结果表明，采用该算法运算速度快。解决了在强背景噪声的情况下跟踪点发生漂移的问题．     

一种水下图象传输编码解码的方法

介绍一种水下图象传输系统中的新的编码解码方法，包括由快速数字频率合成实现的多频移频键控，图象信息产生装置，智能模糊判别逻辑的图象灰度解码，微机图象重建和显示．     

动态环境下改进ICP算法的RGB-D SLAM研究

针对传统的ICP(Iterative Closest Points)算法,无法满足室内动态环境下SLAM(Simultaneous Localization and Mapping)算法的准确性要求,提出了一种融合特征点结构相似性判断的ICP改进算法;通过在特征点集中引入三角形结构约束,实现两组点集中的动态匹配点与误匹配点的剔除,进而提高ORB特征点匹配的准确性;与传统的SLAM算法相比,改进后的算法对相机位姿的估计更加准确;通过在Linux系统下的仿真实验,结合特征点三角几何约束的ICP算法能够有效解决动态对象对相机位姿估计的影响,提高RGB-D SLAM在动态场景下的定位精度。