透视变换模型的Harris图像配准

针对图像末制导系统的图像配准问题,提出了一种透视变换模型下基于增强旋转不变性Harris算法的快速图像配准方法.首先,将Harris算法进行了旋转不变性的增强,利用增强后的Harris算法提取摄像系统中每帧图像的角点,采用基于归一化互相关(Normalized Cross Correlation,NCC)匹配算法进行角点的粗匹配;然后,利用随机抽样一致(Random Samples Consensus,RANSAC)算法对粗匹配的角点进行迭代筛选,剔除错误的匹配点,并将保留下来的精确匹配角点带入透视变换模型,计算出稳定的可反映图像平移、旋转和尺度变换信息的透视变换矩阵;最后,利用得到的变换矩阵对图像进行配准.实验表明,该方法对平移、旋转、尺度变化、视角变化以及光照变化和模糊变化均具有良好的不变性,可以快速高效地实现高精度的图像配准.     

一种基于投影的小波矩及其在图像识别中的应用

该文提出了一种基于图像投影的小波不变量算法。首先将图像投影到一维空间,然后引入一种平移和比例不变自适应一维小波变换,利用该变换获得图像的平移和比例不变特征。由于图像的旋转导致特征矩阵发生行之间的循环平移,该文利用奇异值分解进行研究,得到的奇异值向量具有图像的3个不变性。实验分析表明,本文方法具有较好的图像识别效果。     

基于Radon和小波变换的图像检索

提出一种基于Radon和小波变换的图像纹理特征检索算法.对原始图像进行坐标系的方向归一化,再对方向归一化后的图像进行Radon变换.根据Radon变换投影数据的几何特性,构造了适合投影数据的具有尺度和平移不变性的小波分解,该小波分解系数具有旋转、平移和尺度不变性.采用图像中各尺度小波系数的能量值作为图像的纹理特征,以此作为纹理特征进行图像检索.基于纹理特征的试验结果表明该特征具有旋转、平移和尺度不变性,与其他算法相比具有较高的检索率.     

机动飞行环境无人机航拍图像拼接技术研究

以实战环境下无人机航拍图像的全景拼接为研究目的,提出了一种适用于无人机在机动飞行条件下的航空图像拼接算法,该算法采用空间变换、特征识别、匹配相关和信息融合等图像处理技术,可实现序列图像空间旋转、变形、尺度变换等特殊情况下的无缝拼接,通过真实使用环境试验测试,该算法具有在多种机动飞行环境下航拍图像拼接准确的特点,取得了良好的效果。     

基于小波多尺度分析的综合特征图像检索

以整数小波变换为基础,提出了一种综合颜色和空间特征的图像检索算法.该算法首先对图像做整数小波变换,提取其低频系数矩阵中环形区域的F-范数作为颜色特征;然后对低频分量分块并编码,利用马尔可夫链特性提取一步转移概率矩阵作为空间特征;再综合利用上述两个特征计算图像间的相似度,并进行彩色图像检索.通过对不同类型图像的检索对比实验结果表明,这种图像检索方法是行之有效的.     

基于分块和Contourlet变换相结合的多聚焦图像融合算法

分块融合易产生块效应,而Contourlet变换融合方法不具备平移不变性.结合以上方法的各自优势,提出1种新的基于Contourlet变换与块分割相结合的多聚焦图像融合方法.首先对图像进行分块并评价子块清晰度,然后通过建立标记矩阵,确定图像清晰区域、模糊区域及两者的交界区域.对非交界区域,直接选取清晰子块的像素值作为融合后的像素值;对介于清晰与模糊之间的交界区域,采用1种新的基于Contourlet变换的融合算法完成融合.实验结果表明,该方法有效抑制了图像块效应,且具备平移不变性,融合效果明显优于分块和Contourlet变换融合方法.     

基于单应性矩阵的SAR图像配准技术研究

通过分析单应性矩阵的特点,提出利用单应性矩阵来表示待配准SAR图像与参考矢量图像之间的空间变换模型,并以地理信息系统矢量图为参考,针对某局部遥感图像,分析了SAR图像的配准过程及配准结果.配准结果表明文章提出的配准方法具有人机交互少、算法鲁棒、配准效果好的优点.     

一种基于小波-Contourlet变换的多聚焦图像融合算法

利用小波-Contourlet变换良好的多尺度性和多方向性特征,提出一种基于小波-Contourlet变换的多聚焦图像融合算法,引入Cycle Spinning来有效地消除由于小波-Contourlet变换缺乏平移不变性而产生的图像失真.实验结果表明,与其他基于多分辨率分析的多聚焦图像融合算法相比,该算法显著减小了融合图像的RMSE值,提高了融合图像的视觉效果.     

基于形状的小波变换系数广义高斯分布图像检索算法

本文提出一种基于小波变换系数的广义高斯密度分布形状检索算法.该算法充分利用小波变换变换系数的统计特性,形成描述形状特征的特征矢量.实验证明,算法提出的描述方式能够有效体现物体形状特征.同时,算法对于形状的尺度变化,平移变化以及旋转变化有着很好的抑制能力.该算法简单,有效,是一种有效的基于形状的图像检索算法.     

一种适应于旋转、平移和大尺度变换的图像配准方法研究

传统的基于Fourier-Mellin变换的图像配准算法对配准存在较小旋转、平移和尺度变换的图像对十分有效,但由于有限采样图像的旋转和缩放与离散傅立叶变换的不可交换性,以及采样和插值误差的存在,该算法对尺度变形较大的图像不再适用.本文深入分析了算法产生误差的根本原因,考察了误差对离散图像的傅立叶功率谱产生的影响,然后综合运用加窗和滤波等手段去除假象、改善频谱,改进后的算法可配准的尺度范围扩展到0.29～5,能满足绝大多数应用的需求.     

基于快速鲁棒相关和粒子滤波器的图像拼接方法

为了在没有预处理和人工干预的情况下自动完成图像拼接，结合快速鲁棒相关与粒子滤波器，提出一种新的图像拼接方法。该方法利用快速鲁棒相关技术所提供的被拼接图像相对位置，作为基于仿射模型粒子滤波器的预测值；使用该预测值，粒子滤波器可简单而有效地估计出图像拼接所需的准确配准参数。实验结果表明：该方法在获得图像配准的全局解的同时，满足鲁棒性、实时性和准确性的要求。     

基于控制点的人脸图像绘制

基于图像的绘制变形技术已成为当前图形学的一个新的研究热点。本文介绍了图像变形和视图变形技术,由Field Morphing方法的基础上,提出了基于控制点的图像变形算法,给出实现变形的原理和步骤。通过实拍人脸图像进行了人脸局部和整体变形实验,其变形结果过渡自然,效果较好,且算法过程简洁,因此具有较好的实用性。视图变形是在图像变形中对物体形状、颜色变形的基础上添加视点变换的一种方法,本文在图像变形的基础上,提出了利用控制点的改进算法,编程实现,中间过渡图像自然逼真。     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题, 提出了一种具有较强鲁棒性的图像拼接方法。首先, 根据Harris算法和SIFT算法各自的特点, 提出了一种自适应的Harris-SIFT特征点提取方法, 利用最邻近法完成图像间的特征点粗匹配; 然后, 应用随机抽样一致性(Random Sample Consensus, RANSAC)算法对粗匹配的特征点进行筛选, 同时估计出透视变换模型的变换矩阵, 并对相邻的两帧图像进行配准; 最后, 利用加权平均融合算法消除图像拼接处的缝合线, 实现图像的高质量拼接。实验结果表明, 该算法在提升SIFT算法鲁棒性的同时, 还增强了图像拼接的效果, 消除了图像亮度和色度差异的影响。     

一种有效的序列图像自动拼接方法

提出了一种基于相位相关法和加速鲁棒特性（SURF：Speeded-Up Robust Features）特征点匹配相结合的序列图像自动拼接算法。首先,利用相位相关法计算归一化相位相关度,通过最大相关度求交进行序列图像的自动排序,并计算得到平移参数;在平移参数指导下,粗估测特征检测感兴趣区域（ROI：Region of ...     

基于局部特征点配准的图像拼接算法

为解决尺度、视角、光照变化较大及存在噪声和模糊变化情况下的图像拼接问题,提出了一种具有较强鲁棒性的图像拼接方法。首先,根据Harris算法和SIFT算法各自的特点,提出了一种自适应的Harris-SIFT特征点提取方法,利用最邻近法完成图像间的特征点粗匹配;然后,应用随机抽样一致性(Random Sample Consensus,RANSAC)算法对粗匹配的特征点进行筛选,同时估计出透视变换模型的变换矩阵,并对相邻的两帧图像进行配准;最后,利用加权平均融合算法消除图像拼接处的缝合线,实现图像的高质量拼接。实验结果表明,该算法在提升SIFT算法鲁棒性的同时,还增强了图像拼接的效果,消除了图像亮度和色度差异的影响。     

基于颜色和空间特征的彩色图像获取方法

本文针对基于内容的彩色图像相似性获取问题,提出了一种新的相似性获取方法,它既考虑了颜色内容特征,也包含了图像的空间关系特征.文章设计了无序矩阵来描述图像空间位置的相对关系,这种无序矩阵具有对旋转和平移不变性的特点.在进行图像间相似性测量时,首先用颜色直方图相交法对图像全局颜色分布进行相似性测量,再对得到的候选图像队列用新的算法进行测量,剔除不相似的图像.新的测量算法既考虑了颜色内容的匹配,同时也考虑了空间相似性的因素.用不同类型的图像对这种方法进行实验,其结果表明,它在彩色图像相似性检索时是很有效的,具有较高的检索精度.此外,它在图像发生小的旋转和平移等形变时,表现出较高的可靠性.     

基于trace特征的ISAR像空间目标识别

论文提出了一种基于trace特征的逆合成孔径雷达（Inverse Synthetic Aperture Radar,ISAR）像空间目标识别算法.首先将ISAR像进行分割与归一化处理,利用Canny边缘检测、Hough变换方法提取空间目标ISAR像最长轴,确保所提特征具有旋转不变性;然后仅对最长轴所在局部区域进行Trace变换生成空间目标ISAR像的局部trace矩阵,使得所提trace特征满足低维要求;再将trace矩阵每一列向量进行移位对准操作以消除ISAR像平移对识别带来的影响并将其作为空间目标识别的特征向量;最后在特征空间内以最小欧氏距离作为不相似度,采用集成分类器AdaBoost.M2-KNN完成了5类空间目标的分类识别.通过5类空间目标的ISAR数据对该方法进行目标识别验证,并与现有的几种ISAR像特征提取方法进行了对比.结果表明论文所提算法可行有效,可以明显地提高识别率.     

基于特征点和泊松融合的红外序列图像拼接

提出了一种基于特征点和重叠过渡泊松融合的红外序列图像无缝拼接方法。该方法首先采用简化的SIFT特征提取方法获得图像特征点,然后利用双向互匹配的方法提高特征点的匹配精确度,再通过引入随机抽样一致性（RANSAC）算法剔除误匹配点对并求出图像间的变换矩阵,最后将改进的重叠过渡的泊松融合完成图像间的无缝拼接。该算法具有很好的鲁棒性,允许图像有旋转变换和缩放变换,且不受图像噪声影响。实验结果表明:该方法简单有效,可以在保持图像清晰度的前提下,明显消除拼接缝隙,提高拼接图像的质量。     

基于Levenberg-Marquardt算法的图像拼图研究

提出一种基于LM(Levenberg-Marquardt)算法的图像拼图方法。图像拼图是将不同时间段、不同视点获取的2幅或多幅图像拼接在一起。算法首先利用手动选取的对应点,基于线性最小二乘算法,估计出射影变换矩阵,然后利用LM优化算法,基于平方误差累加和目标函数进行最小化,当获得最优射影矩阵,利用最采样技术,将两幅图像拼图。基于真实图像实验,说明算法是简单可行的。     

基于图像内在特征的图像自动拼接方法

针对传统图像拼接方法需要人工干预的不足,提出了基于图像内在特征的图像自动拼接方法.本方法应用由粗到精的技术实现图像之间像素精度的拼接.图像粗配准阶段采用仿射变换模型,利用Fourier-Mellin变换的频域分析技术同图像多分辨率技术相结合的方法求取仿射变换模型下的粗配准参数.图像的精配准阶段采用投影变换模型,将粗配准参数作为图像投影变换模型下的初始值,相邻图像中重叠区域的灰度差平方和作为误差指标函数,利用Levenberg-Marquardt方法进行图像投影模型参数估计的优化,得到全局意义条件下的精确变换参数.最后,将此方法应用于实际拍摄的可见光和红外图像序列进行试验分析,验证了本方法的有效性.