基于特征的自动图像配准算法

提出了一种基于特征的自动图像配准算法，它利用角点检测和相关运算在给定源图像和目标图像上自动寻找侯选匹配点，利用松驰过程确定对应特征点。算法在大多数情况下能自动完成。从实验结果看，该算法获得了理想的拼合效果。     

基于Reeb图的三维网格模型骨架提取算法

针对目前骨架提取算法存在计算复杂度高、骨架结构不够精确等问题,本文基于Reeb思想提出一种改进的三角网格模型骨架提取算法。首先对三角网格模型进行有效简化,计算简化后的模型特征点,以特征点为聚合点,测地距离函数为映射函数,根据不同顶点的函数值进行特征区域划分,然后利用不同分支的顶点信息进行拓扑分析,连接拓扑构造出的骨架点,并对多余骨架点做删除操作。实验结果表明,可得到较好的骨架提取结果。     

基于红外成像引信的瞄准点识别研究

红外成像引信通过共享成像导引头实现前视探测，瞄准点识别是引信图像信息处理中的一个关键问题。首先对飞机红外图像进行预处理，然后进行中轴变换，提取飞机的骨架特征，并把瞄准点定义为特定邻域内骨架线分布最集中的节点，最后利用遗传算法确定最优瞄准点，结果证明文中的方法和算法是可行和有效的。     

GaAs图形衬底上InAs量子点生长停顿的动力学蒙特卡罗模拟

采用动力学蒙特卡罗模拟方法对GaAs图形衬底上自组织生长InAs量子点的停顿过程进行了研究．用衬底束缚能的表面分布模拟衬底图形，考察生长之后的停顿时间对量子点形成的影响．结果表明，合适的停顿时间使图形衬底上的量子点分布更趋规则化，对量子点的定位生长有积极的影响．     

基于随机循环网络的汉字骨架生成

汉字骨架是汉字字形的重要拓扑描述，提供了汉字字形结构的重要信息。汉字骨架可以视为点序列，运用具有序列输出的循环神经网络（RNN）等生成。然而当前输出长序列的深度神经网络通常面临诸如梯度消失或爆炸，需要大量训练样本和训练时间长等问题，导致此类方法生成的汉字骨架蕴含的书写细节较少，同时缺乏对汉字结构的准确描述。文中将汉字的结构信息与神经网络方法相结合，使用多个并行的随机循环网络（RRN）生成汉字骨架，生成过程在两个层面进行，字符层面包括一连串的笔画，而笔画层面包括一连串的点。生成模型仅需小规模的训练数据即可完成训练，同时避免了梯度消失或爆炸的问题，不仅增强了对汉字结构的描述，而且保留了更多的骨架特征点。实验结果表明，该方法生成的汉字骨架具有更丰富的书写细节特征，可用于快速生成大规模、高质量的汉字骨架。     

基于遗传算法的激光视觉焊缝特征点提取

提出了一种基于遗传算法的平面焊缝特征点提取方法。采用中值滤波、阈值分割法对焊缝图像进行预处理,以减少噪声;利用种子填充法进行图像分割,提取出激光条纹连通域,根据连通域特征抽象出激光条纹骨架提取的数学模型;重点研究基于遗传算法的骨架提取方法,并采用法向直线扫描法沿骨架方向提取中心点坐标;对骨架中心点进行直线拟合,并利用拉依达准则迭代剔除噪声点,获得激光条纹骨架的准确位置和焊缝特征点坐标。经试验验证可知,该方法能够有效消除焊缝图像中多种噪声及激光条纹宽度的干扰,快速准确地检测出焊缝特征点的位置。     

基于距离变换的多尺度连通骨架算法

传统的基于距离变换的骨架算法不能保证骨架的连通性，需要引入鞍点解决连通问题．该类算法复杂，且不够准确，同时鞍点的定义很难推广到三维，限制了传统算法的发展．本文提出一种新型骨架算法，在图形内根据距离变换的约束，由骨架种子点开始以单像素宽度逐点生长出各骨架分支，逐点生长保证了连通性．实验证明该算法的骨架生长过程是骨架由粗到精的演变过程，能够方便地实现骨架的多尺度控制．     

GaAs图形衬底上InAs量子点生长停顿的动力学蒙特卡罗模拟

采用动力学蒙特卡罗模拟方法对GaAs图形衬底上自组织生长InAs量子点的停顿过程进行了研究.用衬底束缚能的表面分布模拟衬底图形,考察生长之后的停顿时间对量子点形成的影响.结果表明,合适的停顿时间使图形衬底上的量子点分布更趋规则化,对量子点的定位生长有积极的影响.     

基于快速点特征直方图的三维点云配准算法

三维点云配准算法是三维场景模型重建的重要研究部分。针对传统迭代最近点算法(ICP)对点云进行配准时容易陷入局部最优的问题,本文研究了基于局部特征点改进的ICP算法。文章分析了点特征直方图(PFH)和快速点特征直方图(FPFH)两种局部特征点,得出了FPFH具有比PFH更低的时间复杂度的结论,因此通过FPFH特征描述子对两片初始点云进行粗配准,使其具有较好的初始位姿,最后用经典的ICP算法进行精配准。实验结果表明,基于FPFH特征点改进后的ICP算法能提供较好的点云初始位姿,一定程度上避免了配准时陷入局部最优的问题,比传统ICP算法具有更好的配准效果。     

基于形状分解的书法字骨架提取新方法

针对传统骨架提取算法产生的骨架毛刺较多、交叉处易产生畸变的问题,文章提出一种书法字骨架提取新方法。在基于形状分解思想的基础上,将书法字骨架提取转化成一个分步的问题:由于点云模型能够充分利用现有汉字的底层信息,因此文章采用K-均值聚类算法分割书法字图像;并提出一种适用于书法字特征的以四邻域像素点距离为聚类中心的增量聚类算法提取书法字的部件骨架;最后基于字的拓扑结构连接部件骨架形成完整的骨架。实验结果表明,该方法在骨架提取中表现出了极大的优势,获得了质量较好的骨架,为骨架提取提供了新的思路。     

景象匹配评估系统中图像特征指标的选择(一)图像统计特征

采用统计试验的方法进行景象匹配算法的性能评估是当前的重要研究课题。通过统计试验建立匹配性能与图像特征指标体系之间的关系是研究的重点,因此选择一个合理的图像特征指标体系是很重要的。文中论述了评估系统中图像特征指标体系的选择问题,分析和试验指出,建立在实时图尺寸上的特征更符合理论分析结果,因而也更适于算法的性能评估和匹配区的选择。     

基于区域特征的图像配准方法研究

研究一种快速、准确,适用于大角度旋转的图像自动配准方法.首先利用图像边缘点和角点的重复性提取两图像的特征点,有利于提高匹配速度;再利用双向结构相似度最大和三角形相似相结合的方法获得匹配点对,有利于减少误匹配点对;最后利用结构相似度较大的匹配点对求得配准参数,并对图像进行配准.实验结果证明了该算法的正确性和有效性,并且其能够适用于较大缩放倍数和旋转角度图像的配准.     

Generalized feature extraction using expansion matching

A novel generalized feature extraction method based on the expansion matching (EXM) method and on the Karhunen-Loeve transform (KLT) is presented. The method provides an efficient way to locate complex features of interest like corners and junctions with reduced number of filtering operations. The EXM method is used to design optimal detectors for a set of model elementary features. The KL representation of these model EXM detectors is used to filter the image and detect candidate interest points from the energy peaks of the eigen coefficients. The KL coefficients at these candidate points are then used to efficiently reconstruct the response and differentiate real junctions and corners from arbitrary features in the image. The method is robust to additive noise and is able to successfully extract, classify, and find the myriad compositions of corner and junction features formed by combinations of two or more edges or lines. This method differs from previous works in several aspects. First, it treats the features not as distinct entities, but as combinations of elementary features. Second, it employs an optimal set of elementary feature detectors based on the EM approach. Third, the method incorporates a significant reduction in computational complexity by representing a large set of EXM filters by a relatively small number of eigen filters derived by the KL transform of the basic EXM filter set. This is a novel application of the KL transform, which is usually employed to represent signals and not impulse responses as in our present work.     

二维平面内的增强现实虚实配准问题研究

增强现实是把计算机产生的虚拟物体或其它信息合成到用户看到的真实世界中的一种技术。实现虚拟信息与真实景象的正确匹配或有机结合是每个增强现实实用系统都必须完成的一项重要任务。文中在对二维平面内增强现实应用研究分析的基础上,重点讨论了图像分析技术在虚实配准问题中的应用,提出了一种基于数值背景表达的快速虚实配准策略,以提高虚实配准过程中场景特征点提取的精度和速度。     

基于车载视频图像的道路消失点检测算法

道路消失点检测是高级驾驶辅助系统中盲区监测的重要组成部分。针对现有消失点检测方法所存在的准确度低、运算量大等问题,提出一种基于车载视频图像的道路消失点检测算法。该算法在Harris角点检测基础上优化得分函数检测出图像特征点,减少在跟踪阶段的运算量;通过金字塔光流法和帧差距离对运动特征点进行跟踪,在结束帧上准确获得各特征点的位置;对特征点去除离值点后,通过优化初始聚类中心的K-Means聚类算法,得到车载视频图像的道路消失点。最后将算法应用于各种车辆行驶场景进行测试,在较短运行时间内,能准确检测出车载视频图像中道路消失点,证明算法鲁棒性好、运算简单易实现。     

一种基于特征点的快速跟踪算法

目标跟踪技术是视频检测技术中一个十分重要的组成部分,为此,提出一种基于特征点的快速跟踪算法。该方法避免了困难的目标分割过程。采用两次帧差共同确定角点选择区域,利用Moravec算法提取合适角点;采用一种特别设计的包含不平滑区域的结构化模板获取更好的匹配点;利用预测点缩小搜索范围,降低计算复杂度和时间复杂度。实验证明该算法能够快速实现目标的实时跟踪,跟踪准确度高,对不同的场景都具有良好的鲁棒性。     

一种TFT源漏极沟道尺寸的自动测量方法

为了实现对图像中TFT源漏极的快速定位和沟道尺寸的自动测量,采用基于图像特征点的图像识别方法。在识别过程中先采用图像处理的方法对图像进行优化,再采用多边形拟合的方法确定目标的边缘,并通过改进的角点检测方法对物体形状进行更精确的定位,从而实现了对TFT源漏极沟道尺寸的精确测量。经过实验验证,精度可达到0.02像素。     

基于兴趣点不变矩的图像拼接

提出了一种基于兴趣点不变矩(IPIM)的图像拼接技术.利用Harris角检测器获取图像中的兴趣点,计算兴趣点邻域的平移、旋转及尺度不变矩,通过比较各兴趣点邻域不变矩的欧式距离提取出初始特征点对,根据几何变换模型剔除伪特征对,最后利用正确映射模型实现图像的拼接.实验表明,该方法对平移以及任意角度的旋转具有良好的鲁棒性,对于具有小尺度变换的图像仍然具有很好的拼接效果.     

基于角点增强改进的TLD目标跟踪算法

针对TLD算法的特征点无法有效表述目标问题,提出了一种基于角点增强改进的TLD目标跟踪算法。改进算法在跟踪模块加入了对目标表述能力更强,具有光照不敏感性和旋转不变性的Shi-Tomas角点作为跟踪特征点。跟踪器运行时,在角点经光流法跟踪和双向误差检测后,利用剩余的稳定角点定位目标窗口。对照结果表明,改进算法在面对目标抖动和形变时可以稳定跟踪;有效抑制因跟踪平滑点造成的漂移现象;提高了跟踪的稳定性。针对TLD算法跟踪过程中因在线模板积累造成的计算量持续增大、实时性持续降低的问题,提出了一种依据相似度中值的模板判断删除机制。该删除机制在模板积累到设定阈值时运行,根据模板与当前目标的相似度,删除不再具备代表性的模板;调整模板空间并更新模板数目。实验表明,该删除机制在应对模板更新快、持续时间长的跟踪情景时有效降低算法计算量,实时性可提高约20%。     

基于图像分割的红外图像撞击时间估计方法

以往的被动测距方法主要集中在可见光领域,利用图像稳定的特征点进行观察,目前利用计算目标尺度变化率进行撞击时间估计,已经发展成为一种较成熟的方法。然而在红外领域,由于红外图像自身的特性其特征点难以提取,原有的特征点跟踪方法无法适用。文中论述了一种红外图像撞击时间估计方法,根据红外图像难以提取特征点而相对易于目标分割的特点,提出了先对国图像进行分割提取目标面积,然后根据图像序列目标面积变化率来进行撞击时间估计,并根据撞击时间系统特征对估计结果进行修正以进一步提高精度。实验结果证明了该方法的有效性。