基于多属性综合评价的SAR景象匹配区选取方法

针对采用单一特征指标选取SAR景象匹配区不全面的缺陷,提出了一种基于多种特征属性融合的SAR景象匹配区选取方法.首先,提取边缘密度、独立像元数、信息熵、主次峰值比4个特征指标;其次,运用组合赋权法将层次分析法和熵权法融合,得到各个特征指标的组合权重;最后,根据参考图像的综合评价值,规划出最佳匹配区.实验结果表明,文中算法具有较强的鲁棒性和通用性,能够有效的选取出满足要求的SAR景象匹配区.     

基于惯导信息的图像校正算法研究

针对景象匹配制导系统中弹载摄像机拍摄的实时图相对于弹体中预存的基准图存在较大的变形，严重影响到景象匹配精度的问题，提出一种基于惯导提供的位姿信息的图像校正算法，将弹载摄像机拍摄的实时图转换成与基准图同一个拍摄角度和高度条件下的图像。实验结果表明该算法校正精度高，鲁棒性强，极大地提高了景象匹配的精度。     

基于多线程的巡航导弹景象匹配技术研究

常规的图像匹配方法数据量大、耗时较长,极大的影响了景象匹配的速度。为了改进景象匹配的速度,通过对景象匹配和多线程技术的研究,利用多线程并行性、快速性的特点,提出一种基于多线程技术的匹配定位方法。采用多线程技术对基准图和实时图像进行实时匹配。经实验证明,多线程对于快速读图和实时匹配有很明显的效果。能够更好的满足导弹景象匹配实时性的要求。     

巡航导弹末制导的景象匹配快速算法

快速实时景象匹配在巡航导弹精确攻击目标中起着极重要的作用,文中研究了在保证精度的条件下提高景象匹配速度的问题,文中用Hausdroff距离代替传统的欧氏距离的相似度指标,利用包括二进制编码和十进制编码在内的遗传算法和分别基于频域和空域的分层算法替代全空间逐点搜索.经实验表明,这些算法在保证一定精度的条件下提高了景象匹配的快速性.另外根据不同的快速算法,可区分基准图景象匹配品质的差异,为巡航导弹的航迹规划提供参考.     

一种改进的SIFT双向匹配算法

分析SIFT特征提取匹配算法，利用SIFT特征向量匹配对的唯一性约束改进算法的匹配策略提出双向匹配算法，在已有匹配结果的基础上引入匹配的唯一性约束，进一步降低实时图像与参考图像时序匹配的误匹配率，以达到在实时图像中寻找已知着陆区域的目的，提高图像匹配的准确率。实验结果表明该方法有效。     

基于模板匹配的前视红外目标识别方法

针对固定目标红外图像中边缘模糊,难以分割和识别的情况,提出了一种基于模板匹配的目标识别方法。由高程数据和正射影像等卫星数据生成目标区参考图和基准图,在基准图中根据归一化Laplace响应确定目标区特征尺度作为目标检测的先验知识,对实时图及灰度反转实时图进行匹配滤波,检测出候选区域,再对候选区域进行基于Hausdorff距离的模板匹配,从而得到最终识别结果。实验结果显示:该算法识别精度高、速度快,对于复杂地面目标前视红外图像的匹配识别具有一定的应用价值。     

基于高程选择的SAR景象匹配系统基准图选择准则

景象匹配技术是飞行器自主精确制导的关键技术之一,随着武器系统日益精确化,影响匹配制导精度的基准图选择得到了广泛的关注.在合成孔径雷达侧视成像机理的基础上,讨论了高程起伏对SAR图像的影响,引入了图像高程方差的概念.同时,以图像匹配的准确性、稳定性、可靠性为考察量,讨论了各特征参数对匹配性能的影响.文中对真实星载SAR图像进行匹配试验的结果表明,此准则是有效的.     

景象匹配实时图模拟生成中几何畸变的建模与仿真

景象匹配实时图的模拟生成是巡航导弹末制导系统仿真和景象匹配算法验证的关键技术之一.文中分析了导弹飞行过程中实时图获取时几何畸变产生的原因,建立了基于导弹姿态角偏差和飞行高度偏差的几何畸变模型,给出了实时图模拟生成的方法,实现了具有几何畸变实时图的模拟生成.仿真实验结果验证了方法的有效性和实用性.     

一种抗区域强灰度变化的景象匹配算法研究

对比分析了灰度强烈变化对图像统计特征的影响.针对在灰度强烈变化条件下,基于直方图、灰度矩阵和图像纹理特征的匹配算法的不适应性,提出了一种基于边缘特征的抗区域灰度强烈变化的景象匹配算法.仿真结果表明,该方法能有效地克服灰度强烈变化对景象匹配性能的影响,与基于灰度的积相关匹配算法相比,在匹配时间大大缩短的同时,匹配概率也有了较大提高.     

景象匹配制导图几何畸变的消除方法研究

景象匹配技术是巡航导弹实现精确末制导的关键,而制导图的匹配性能如何,怎样对制导图进行预处理,特别是消除图像的几何畸变,又严重影响着景象匹配的效果.本文研究了多种消除图像几何畸变的方法,这些方法增强了制导图的适配性,提高景象匹配的正确率.     

基于轮廓片段匹配和图搜索的红外目标识别方法

针对前视红外（FLIR）目标识别中复杂背景干扰和目标轮廓片段缺失的问题,提出了一种 基于轮廓片段匹配和图搜索的目标识别方法。提取基准图和实时图的轮廓特征并进行分段,利用片段的方位和朝向特征进行匹配并构建匹配图;在基准图轮廓片段间的空间关系约束下,利用图搜索策略遍历匹配图得到候选目标轮廓片段组合;结合全局相似性度量实现目标的匹配识别。仿真实验结果表明,该方法对复杂背景干扰和轮廓片段缺失的情况具有较好的适应性和鲁棒性。     

一种基于边缘匹配的前视红外目标识别算法

红外目标识别是影响精确制导武器命中精度的重要因素。针对因基准图与实时图存在差异导致模板匹配性能下降的问题,提出了一种基于边缘匹配的前视红外（FLIR）目标识别算法。在模板匹配的基础上,利用目标的邻域信息排除虚警,计算基于匹配代价矩阵的匹配置信度对候选匹配点进行排序,利用前面连续多帧图像的识别结果为当前帧识别提供信息,从而提高目标识别的准确性和鲁棒性。在2组不同目标类型的红外视频序列上所做的实验表明,该算法具有较好的识别性能。     

基于角点响应函数的加权Hausdorff距离匹配算法

常见的图像匹配算法对目标遮挡以及非零均值噪声比较敏感,为此提出一种基于特征点的图像匹配算法,根据SUSAN算子提取图像的角点作为特征点,然后采用加权的部分平均Hausdorff距离对两个角点集合进行计算,通过引入角点响应函数的差异来抑制接近中心的误匹配点对图像匹配造成的干扰,从而实现较恶劣环境下目标的配准.实验结果证明了该算法具有较强的鲁棒性.     

改进型LBP 算子在异源图像匹配的应用

针对现有异源图像处理方法的不足,提出一种适合于描述异源图像纹理分布特征的改进的LBP特征的匹配算法。通过改进的LBP算子分别得到基准图和实时图的全局纹理分布特征;在此基础之上提取出基准图和实时图分块加权后的联合直方图特征并作为最终特征;并对图像分块加权后得到的联合LBP特征进行异源图像的特征匹配,在基准图上对此特征进行相似搜索得到相似系数图,峰值点即为匹配点。实验结果表明:通过LBP算子提取的纹理特征能够很好地应用于异源图像匹配,且匹配效果稳定优异,具有很好的工程应用价值。     

巡视探测器立体图像匹配技术研究及应用

提出了一种联合使用自适应权值选择匹配窗和邻域差值特征模板的立体匹配算法,针对复杂的非结构化场景,使用该方法进行了立体匹配实验,获得了浓密的视差图,进而进行了三维重建和基于视差估计与补偿的立体图像压缩应用研究。结果表明,该算法结构简单,能够处理复杂的非结构化场景,适合巡视探测器的自主导航和立体图像压缩等任务使用。     

图像制导的目标匹配算法与系统设计

根据航拍地形图像和目标图像的特点,提出Zoser图像匹配算法用于图像导航与制导.Zoser算法主要由高斯Zoser图像金字塔、24邻域极值点和SIFTl28描述符等组成.Zoser算法使用整型数据,结构简单,二级算法独立性好,易于模块化设计;根据这些特点提出了基于FPGA和多DSP的系统设计方案,系统具有较好的实时性和图像匹配目标识别性能.Zoser算法对图像位移、旋转、仿射变换、尺度变化、噪声影响、轻微形变和照度变化有较好的鲁棒性,识别和匹配的准确性较好,速度比SIFT算法提高3倍左右,更适合实时系统.     

基于边缘强度特征的景像匹配算法比较分析

设计实现了多种景像匹配算法,经试验分析发现其中Laplacian Nprod和LOG Nprod匹配算法性能优异,从而为研究设计景像匹配算法提供了重要参考.围绕基于边缘检测的多源图像特征提取问题展开研究,重点介绍了Roberts、Sobel、Prewitt、Laplacian和LOG 5种实用的边缘检测算子;设计了多种基于边缘强度特征的景像匹配算法,通过试验分析比较了MAD、MSD及NProd等算法的性能.试验结果表明,Laplacian及LOG边缘强度匹配算法性能最优,具有更高的可靠性,且算法简单、易于实现.     

基于加权Hausdorff距离矩阵测度的SAR图像与光学图像匹配研究

针对多传感器图像匹配问题,提出一种基于加权Hausdorff距离矩阵(Weight Hausdorff Distance Matrix,WHDM)测度的合成孔径雷达(SAR)图像与光学图像匹配算法。该算法采用边缘特征作为SAR图像与光学特征的共性特征,克服了两种不同图像的灰度不一致性。算法中提出了基于边缘连续性密度加权的Hausdorff距离矩阵范数测度的相似性准则,该测度相对经典的Hausdorff距离与改进的距离测度相比,具有更高抗噪声水平与大比例遮挡能力。试验结果表明,这种算法匹配精度高,适合并行计算,该算法可应用于无人飞行器的自主导航中。     

无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。