采用非线性尺度空间滤波和SIFT的遥感影像配准方法

针对传统点特征匹配算法存在运算时间长和配准精度低的问题,提出一种基于非线性尺度空间滤波和尺度不变特征转换(SIFT)点特征配准算法.首先,通过非线性尺度空间滤波对基准影像和待配准影像分别进行预处理,保留其边缘信息并去除噪声.其次,采用SIFT算法对预处理后的两幅影像进行特征点提取,通过最近邻和次近邻的欧式距离比值法进行双向匹配,得到匹配特征点.最后,对待配准影像进行仿射变换.结果表明:该方法的总体运行时间比传统SIFT点特征配准算法降低63.2%,且配准精度大幅提高.     

基于核密度估计尺度空间的目标跟踪算法

为能够准确表示目标颜色分布、适应目标尺寸连续变化,提出了一种新的序列图像目标跟踪算法。该算法首先计算目标区域颜色概率分布的核密度估计函数,然后通过规整化每一帧输入图像像素在此函数上的取值生成目标概率分布图。最后通过检测多尺度规范化Laplacian滤波的极值,实现目标的定位和尺寸描述。与基于直方图的算法比较并结合大量真实序列图像上的实验验证表明,该算法更好地描述了目标颜色特征,提高了跟踪算法的精度。     

基于多尺度特征的高分辨率SAR图像机动目标识别

针对客观世界本身的多尺度特性及多尺度分析方法的有效性,提出了能够体现目标宏观和微观固有多尺度信息的SAR图像目标识别方法。该方法通过引入目标先验信息分割出反映目标形状的区域;并根据SAR图像目标对Gabor滤波器组的不同响应,利用多尺度信息及尺度间的相依性提取新的多尺度特征;最后按照方位信息建立多尺度特征库用以指导目标识别。通过MSTAR的实测SAR目标数据集进行了多尺度特征建立和目标识别测试,试验结果表明了该方法的有效性。     

基于尺度空间理论的Harris角点检测

研究了一种基于尺度空间理论的Harris角点检测方法. 建立Harris函数的尺度空间表示, 检测每个尺度水平上的极值, 利用迭代算法验证每个尺度水平上LoG算子是否获得最大值, 从而得到特征角点的位置及其尺度. 该方法在保持Harris角点不受光照条件及摄像机姿态变化影响的同时, 还能检测出多尺度下的特征点. 通过实验验证该方法具有尺度不变特性, 适用于尺度变化较大的视觉系统.     

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。     

基于支持矢量机和信任域的目标跟踪算法

从模式分类的角度看待跟踪问题,将SVM(支持矢量机)方法、信任域算法和尺度空间理论相结合,提出了一种能精确描述目标尺寸连续变化的新的序列图像目标跟踪算法。首先使用SVM算法对像素分类,将每一帧输入图像转换成目标概率分布图,目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值,来决定这些灰度块的尺度。最后使用QP-TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图多尺度规范化Laplacian滤波函数的极值,实现了目标定位并同时决定了其尺度,从而完成了跟踪任务。通过和现有算法的比较以及在大量真实序列图像上的实验表明,该算法不但能够更准确地描述目标的大小,而且显著提高了跟踪算法的精度。     

基于支持矢量机和信任域的目标跟踪算法

通过使用SVM(支持矢量机)分类器对像素分类进行目标检测,将输入图像转换成可靠的目标概率分布图,然后结合使用性能优良的信任域优化算法,在概率分布图上实现目标定位并确定其尺寸。分类器对像素分类的低错分率为信任域算法提供了更好的基础。通过和现有算法的比较以及在真实序列图像上的实验表明,该算法不但能够更准确地检测到目标,而且在跟踪精度方面有了显著提高。     

均值漂移带宽选取新方法及其在分割肺结节中的应用

针对肺结节与周围组织相连且边缘模糊造成分割困难的问题,提出一种新的均值漂移(meanshift)带宽自动选取方法并采用均值漂移算法解决结节分割.与基于统计分析规则的带宽选择方法相比,该方法时间复杂度低,且能得到符合实际问题的正确带宽参数.应用带宽选择定理确定带宽参数的初始值,利用尺度空间滤波聚类理论的最稳定尺度准则确定最佳的自适应带宽参数.该方法对毛玻璃型、粘连血管型、贴胸壁型和各向异性型进行评估实验,都取得了正确的分割结果.结果表明,该方法对分割结节是有效的.