一种改进的SSDA图像匹配算法

介绍了一种快速的块匹配算法——SSDA算法,分析了现有SSDA算法的缺点:算法本身没有抗干扰性能、计算过程中没有利用图像自身的特点。针对现有算法的缺点提出改进,仿真结果表明改进算法在抗噪性能、计算速度上都比原算法有所提高。     

数字图象配准快速算法——OOP

本文研究了引起人们较为重视的序列相似度测试配准法(SSDA),并分析了它所存在的缺陷,然后在此基础上,提出了SSDA的一种改进算法——排序、优化、分级规划配准法(OOP算法)。     

一种新的实时相关跟踪算法

相关法也可用于对动目标的跟踪。本文结合二值图象SSDA相关算法和多灰度图象SSDA相关算法,提出了一种二级相关检测算法,其特点是速度快、精度高、容易实时实现,可用于实时电视相关跟踪系统中。 1.引言 相关跟踪是用测量两幅图象之间的相关度的方法去计算目标的位置变化的,用先后     

一种新的图像匹配算法的研究

在图像匹配研究中,基于H ausdorff距离的检测(HD)和序贯相似度检测(SSDA)是比较常用的两种方法。介绍了HD和SSDA两种算法并分析了两者各自的优点与不足,在此基础上提出了一种新的图像匹配算法。该算法结合了SSDA和HD的优点,实验证明该算法在实时图像匹配过程中能使模板和图像达到更加快速有效的匹配。     

基于SSDA的新型地板尺寸测量方法

SSDA是一种冰于特征的图像配准算法,由于相对于其他图像配准算法SSDA易实现并且处理速度快,因而经常用于实时系统中,针对生产流水线上地板长度测量存在的偏转问题,提出丁一种基于SSDA的地板尺寸测量方法,该方法结合了机器视觉和决策级图像融合的相关技术,应用SSDA和边缘提取算法,实现了对运动中地板的尺寸测量,实验验证了方法的有效性．     

基于螺纹边缘图像的快速SSDA算法

序贯相似性检测算法（sSDA）是针对传统的模板匹配算法提出的一种高效的图像匹配算法,但是SSDA算法难以满足螺纹检测的实时性。针对传统SSDA算法的不足,提出了一种基于螺纹边缘图像的快速SSDA算法。该方法用形态学对螺纹图像进行了边缘提取,然后只在边缘处进行匹配,从而大大减少了匹配的次数,同时提出了减小匹配运算量的方法。     

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配（NCC）算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测（SSDA）算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。     

图像相关匹配算法研究与红外目标跟踪应用

研究红外目标跟踪问题,针对目标的准确定位,图像相关匹配技术是目标跟踪中最基本的方法.当前红外成像导引头要求实时跟踪,但是在目标跟踪的末端,匹配点漂移和滑动将直接影响目标跟踪的精度.为提高定位精度和实时性,提出了一种新的实时跟踪算法.算法从红外图像中获取特征点,以特征点为中心选取参考模板,利用边缘检测算法获得边缘点集,使用自适应阈值的SSDA算法进行边缘点集的匹配,实现实时目标跟踪仿真.实验结果表明,算法很好地解决了红外目标跟踪精度问题,并满足实时性和跟踪稳定性要求.     

基于Camshift和Particle Filter的小目标跟踪算法

Particle Filter算法有较好的跟踪鲁棒性,但实时性差;Camshift算法计算速度快,但它属于半自动跟踪,所以都无法有效避免复杂背景的干扰。为了解决上述问题,提出了基于Camshift和Particle Filter的融合算法。该算法首先利用Particle Filter来自动搜索小目标的初始位置,接着采用Camshift跟踪小目标,然后通过度量因子自适应切换Camshift和Particle Filter来跟踪短时丢失的目标。利用复杂背景下的飞行小目标图像序列,与序贯相似性检测算法（SSDA）、Camshift和Particle Filter做对比实验。结果表明算法不仅能实现小目标的全自动跟踪,而且还降低了跟踪效果受目标形变和部分遮挡的影响,对小目标跟踪具有较高的鲁棒性和实时性。     

自适应SSDA图像匹配并行算法设计与实现

为了充分利用多核处理器的硬件资源和计算能力来提高图像匹配应用的实时性,通过对自适应阈值SSDA图像匹配算法原理的分析,基于任务分解的多核并行编程模式思想,设计了一种自适应阈值SSDA图像匹配并行算法,并在多核计算机上采用OpenMP模型编程实现该并行算法,同时还进行了相关的代码优化。实验结果表明,优化后的并行算法在保持匹配算法精度的同时大大提高了匹配速度和多核利用率,取得了良好的效果。     

Extracting road centrelines from high-resolution satellite images using active window line segment matching and improved SSDA

This paper presents a new semi-automatic approach to extracting main road centrelines from high-resolution satellite images. The approach is based on active window line segment matching and an improved sequential similarity detection algorithm (SSDA). First, a user-specified point on the road centreline is selected as a reference central point to define a template window, and a thresholding operation is performed within the window. Then a best matched target window along the road is searched to determine the next central point in the road. To avoid the influence of noise, only the line segment of ‘interest’ in the window is matched. An improved SSDA searching strategy is proposed to increase the matching speed. When the best matched target window is found, its centre is used as the next central point in the road, and a new template window is generated. By repeating the matching process, a series of central points can be obtained automatically and the corresponding final road centreline from them is extracted. Our approach also allows some kinds of user interventions in case automatic tracking fails. Experimental results confirm that the proposed approach is capable of rapidly and accurately extracting main road centrelines and has good robustness against noise.     

改进的全景图拼接融合算法

在全景图像理论的基础上,对现有的拼接算法进行研究和改进,采用基于像素点颜色变化特征和序列相似性检测拼接算法相结合的图像拼接融合方法对柱面全景图进行拼接。实验表明,与原有的算法相比,采用改进后算法的全景图拼接效果得到了改进,对柱面全景图像的拼接融合能取得满意的视觉效果。     

一种针对遥感图像中群目标的自动识别方法

传统群目标识别方法通常利用目标与背景的纹理差异分割目标,虽然具有简单高效的优点,但是对群目标的空间方位没有直观的认识.针对遥感图像中群目标的特性,提出了利用子目标群方位关系来实现群目标自动识别的算法.算法在边缘提取的基础上,改进了基于置信度的Hough变换子目标定位方法.将目标群方位、结构信息等与ROI区域的分离紧密结合起来从而达到后续精确判断目标群装备的目的.实验结果表明相比于传统方法,算法在检测遥感图像中群目标时具有更高的精度.     

一种相关跟踪算法在小内存DSP上的实现

文中构建了以TMS320DM642为核心的硬件图像跟踪处理系统,但TMS320DM642的CPU片内内存较小,大量的图像数据无法一次移入TMS320DM642的CPU片内内存,这就使得现有的图像相关跟踪算法无法在TMS320DM642上快速运行。针对这一问题,本文在SSDA算法的基础上提出了一种新的相关跟踪算法,使之在保持SSDA算法的跟踪精度、可靠性、抗干扰能力的同时可以高速运行在小内存的DSP系统上。     

高分辨率遥感影像上道路中心线的半自动提取

提出一种半自动的基于活动窗口线段特征匹配来提取高分辨率遥感影像上道路中心线的方法.通过用户在道路中心线上输入起始点,采用定义活动模板窗、阈值分割、线段特征匹配和改进的SSDA,实现了道路中心线的自动跟踪.另外,该方法还允许在跟踪过程中加入少量人工干预来处理某些匹配失败的情况,提高了实用性.对0.61m分辨率QuickBird影像和1m分辨率IKONOS影像进行道路提取的实验表明:该方法能够快速、准确地提取出主要道路的中心线,对噪声的干扰具有良好的鲁棒性.     

基于改进的稀疏去噪自编码器的入侵检测

针对传统浅层的入侵检测方法无法有效解决高维网络入侵数据的问题,提出了一种基于堆叠稀疏去噪自编码器（SSDA）的入侵检测方法。首先,利用SSDA对入侵数据进行降维操作;然后,将高度抽象后的低维数据作为输入,利用softmax分类器进行入侵检测;最后,又在SSDA方法的基础之上提出了一种改进模型（ISSDA）,即在传统稀疏去噪自编码器的基础上增加新的约束条件,以此来提高深度网络对原始入侵数据的解码能力以及模型的入侵检测性能。实验结果证明,ISSDA方法与SSDA方法相比,对4种类型的攻击的检测准确率提高了将近5%,也有效地降低了误报率。     

改进的SSDA图像匹配算法

在目前的图像匹配中,SSDA实时性好,但对图像灰度的线性变化非常敏感.鉴于此,提出一种基于SSDA(序贯相似度检测算法)的新算法.新算法提出差值矩阵的概念,消除了灰度线性变化的影响.首先将两幅图像同行的相邻像素进行灰度差值计算,获得差值矩阵,再将差值矩阵的元素按照隔点提取的方式进行序贯相似度计算,阈值自适应更新,获得最小阈值的子图像即为匹配图像.实验结果表明,该方法对图像灰度的线性变化有良好的鲁棒性,便于实时性的实现.     

基于特征差异的彩色目标快速识别方法

本文从人类视觉系统识别彩色目标的特点出发,提出一种基于特征差异的彩色目标快速识别方法,从而有效地提高了机器人视觉系统的实时性,并进行了多物体情况下特定目标的识别与动态目标的识别实验。