基于区域模板相关的图像匹配方法研究

传统的图像相关匹配方法是利用求取对应像素灰度的相关性进行图像之间的相似度量的。由于参考图和实测图之间存在着灰度差异、模糊、噪声以及局部遮挡等，这就使得仅依靠图像灰度相关进行匹配的算法性能受到影响。基于图像分割后的区域是比像素灰度更高一级的图像表述，利用势函数聚类自适应多阈值图像分割技术，提出了一种对图像的加权区域模板相关匹配的算法。这种算法建立了一种目标区域隶属度的相关度量方法。试验结果表明了该算法在多种图像变形情况下的有效性。     

基于区域特征分割的红外弱小目标提取算法

针对现有的红外图像中目标分辨率低且边缘弱等问题,提出了一种基于区域特征分割的红外弱小目标提取算法;该算法根据灰度形态学理论,利用红外背景与目标轮廓信息来提取图像的目标信号;其中算法先根据红外图像的灰度与形状的相似度进行归属度处理,来分类出图像中的目标区与背景区;接着,根据边缘检测算法,该算法对目标区的目标的进行轮廓提取;实验结果表明,该算法能够有效的进行目标提取针对红外图像的不同性质;具有精度高,抗干扰能力强的分割优势。     

基于区域特征的高光谱与全色图像NSCT域融合方法

针对高光谱图像解译需求,提出了一种基于目标检测理论的NSCT域高光谱图像与全色图像融合方法。首先对高光谱图像进行RX异常目标检测,得到目标背景分离图像;然后对参与融合的波段图像进行无下采样轮廓波分解,得到不同分辨率的低频子带和多方向的带通子带;对于背景区域的低频子带系数和高频子带系数,分别采用加权平均和平均梯度自适应加权的融合策略,对于目标区域,则根据不同特征采用区域方差自适应加权的低频系数融合方法和区域方差取大的高频系数融合方法;最后进行NSCT逆变换得到融合图像。实验结果表明,本文提出的融合方法能够有效提高高光谱图像的目视效果,突出目标与背景区域的差异,有利于目视解译工作的进行。     

复杂背景下运动目标跟踪技术

运动目标分割技术是计算机视觉研究的热点。介绍了一种常用的K im目标分割方法,并针对其不足,对K im方法进行了改进,将连续两帧的差分图像和背景差分图像直接相乘得到灰度图像,然后对该灰度图像进行阈值分割来获取目标区域模板,再基于灰度加权图像模板匹配法实现目标跟踪。实验结果表明,该方法能够准确地检测跟踪目标,具有较好的实用价值。     

灰度融合图像目标与背景感知对比度客观评价模型

目标与背景感知对比度是影响可见光与红外灰度融合图像质量的主要因素之一。现有的对比度评价模型未能充分考虑人眼视觉特性。因此,基于韦伯对比度模型的形式,结合人眼亮度掩盖特性,提出了一种简单有效的融合图像目标与背景感知对比度评价模型。利用模拟图像和现实场景灰度融合图像的主观评价分数来检验客观评价模型。结果表明,与现有的5种图像对比度评价模型相比,所提出的目标与背景感知对比度客观评价模型能够给出更接近人眼主观感受的评价结果,有效地实现灰度融合图像目标与背景感知对比度的客观评价。     

红外图像显著目标检测算法

提出一种简单快速的红外图像显著目标检测算法,算法可以分为三步:首先,对原始红外图像进行预处理以增强目标与背景的对比度;然后,在log频谱中提取预处理后图像的频谱残差,通过相应的反变换及简单的阈值分割,可以得到显著目标的大致区域;最后,采用一个滑动窗口在目标候选区域内进行搜索确定显著目标的准确位置,这个过程采用由目标及其周围区域在原始图像中的灰度分布得到的半局部特征对比度的概率表达得到每个像素点的显著性值,进行阈值分割得到显著目标,改变滑动窗口的大小可以检测出不同尺度的目标。采用大量的红外图像对算法进行测试,实验结果表明该算法具有高效性和鲁棒性。     

一种基于图像纹理的模板匹配算法

为了提高实际工程应用中图像匹配算法计算的实时性,增强图像匹配算法对复杂场景跟踪的鲁棒性,提出了一种新的基于图像纹理的模板匹配算法(TTM)。依据邻域内像素灰度变化的趋势分别提取水平、垂直方向二值化的图像纹理矩阵,然后根据定义的一个相似性判别准则,分别度量水平、垂直两个方向二值化图像矩阵之间的相关置信度。最后,通过合成两个方向上的图像匹配置信度结果得到目标配准置信度。实验结果表明,该算法对图像光照变化、目标部分被遮挡等情况具有较好的适应性。     

基于频谱分析和图像融合的红外弱小目标增强

利用红外弱小目标灰度的局部极大性在频域往往对应于频谱突变的特性,提出了一种基于频谱分析和图像融合的红外弱小目标增强算法。首先利用图像背景和目标具有不同频谱振幅的特点,提取红外图像的残留频谱,得到潜在目标显著图;然后利用序列图像的冗余信息,在空间域对目标和背景区域分别采用不同融合规则进行多帧融合。实验表明,该方法能够有效增强红外弱小目标的像素数和总能量,且实时性较好。     

基于SCM和CST的红外与可见光图像融合算法

针对红外与可见光图像的成像特点及目前红外与可见光图像融合中融合图像信息量不足的问题,结合复剪切波变换(Complex Shearlet transform,CST)及脉冲发放皮层模型(Spiking cortical model,SCM)的优点,本文提出了一种新的红外与可见光图像融合算法。首先,利用红外图像目标与背景灰度的显著差异,通过区域生长方法从红外图像提取目标区域;然后用CST对源图像进行分解,对源图像的目标区域和背景区域系数分别采用不同的融合规则进行融合,其中背景区域的高频子带系数利用SCM进行选择;最后,经过CST逆变换重构融合图像。研究结果表明,与其它的红外与可见光图像融合算法相比,本方法在视觉效果和客观评价指标上都得到了提升。     

基于改进Retinex算法增强夜视融合图像的颜色传递

颜色传递是获得夜视图像自然彩色的一种方法。 本文利用颜色传递技术得到红外与微光融合 图像的自然彩色,在采用匹配邻域亮度均值和标准差颜色传递算法的基础上,提出了通过增 强夜视融合图 像的亮度-对比度来提高匹配精度,减小传统算法中由于亮度接近导致在颜色传递过程中的 误传现象。首先 利用像素平均法将红外和微光图像进行灰度融合;然后采用提出的改进多尺度Retinex增强 算法将融合图像 进行增强;最后在YCbCr颜色空间匹配灰度融合图像与参考彩色 图像亮度的均值和标准差,应用颜色传递 技术得到彩色夜视图像。实验结果表明,本文采用改进的多尺度Retinex算法使融合图像的 亮度-对比度得 到显著的提升,经过颜色传递后得到的彩色图像纹理细节清晰,目标背景对比度高,具有和 参考图像相近的真彩色。     

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广     

基于下颌轮廓线的人脸分类方法

在人脸正面图像中,下颌轮廓线是一种相对稳定的形状特征,但是如何提取和有效利用这个特征是一个难题。提出一种在识别中有效利用下颌轮廓特征进行人脸分类的方法。根据先验知识将人脸分为圆脸、尖脸和方脸,据此建立下颌形状模板：尖下巴、圆下巴和平下巴。对事先得到的下颌轮廓上的点进行模板匹配,根据匹配结果进行轮廓线分类。该算法采用了基于先验分布和局部判别的方法,先得到可能的轮廓点,然后进行滤波去除伪下颌点,得到真正位于下颌轮廓上的点,再通过模板匹配进行分类。试验表明,该方法分类效果良好,可以有效提高大库人脸识别的速度和识别率。     

以一种新的距离度量作为反馈的相关跟踪方法

基于相关的模板匹配方法在图像跟踪中得到了广泛的应用,但是这种方法的主要缺点是对图像噪声非常敏感,而且由这种方法得出的相关曲面比较平坦。为了有效抑制噪声和局部遮挡对图像的影响,提出用鲁棒统计中的一个值代替相关值作为距离度量。它不是计算两幅图像的对应像素差值,而是计算两幅图像中差别不大的对应像素对的个数。实验证明这样得到的曲面相对　　收稿日期:2003 08 31;　修订日期:2003 10 28作者简介:张桂林(1944 ),男,天津人,教授,博士生导师,主要研究方向为自动识别、人体生物统计特征识别、图像处理算法与系统性能评估等。　　　　　　　要尖锐得多。当上述的距离度量应用于跟踪过程中时,模板的合理更新对跟踪非常重要。基于上述的距离度量方法,提出了一种新的模板更新策略。利用两幅图像中近似像素在整修匹配模板像素中所占的比例大小决定加权系数。这种加权策略可以自适应地根据图像序列的变化选择更新相关模板,同时在一定程度上减小模板漂移的危险。     

基于人工靶向免疫疗法的红外手部痕迹目标提取

红外手部热痕迹图像是特殊的模糊图像,该文提出一种人工靶向免疫疗法对其进行手部目标提取。首先依据序列图像中像素灰度的变化趋势设计了先天性免疫识别进行初分割;然后借鉴免疫的提呈机制,根据热扩散特性定义同心圆模板提取特征;基于模板特征对模糊像素集适应性免疫识别;最后,指尖指谷病变检测分析,实施靶向治疗,保证了手的形态特征。与分水岭、SOM网络以及近几年研究成果进行了比较,表明提出的算法在目标提取率、绝对误差率均优于现有算法,提取结果更符合手的形态,同时扩展了应用热痕迹信息的时间跨度。     

基于相关性的测量图像评估方法

针对经纬仪测量图像评估的特殊性,根据序列测量图像目标识别一般采用模板匹配的原理,提出了一种基于相关系数的测量图像评估方法.该方法采用对背景区域和目标区域的相关系数分别评估的方式,建立了主次波峰比评估指标,并引入了平均梯度和散度指标.实验证明:本方法能够真实地反映测量图像质量对目标识别算法的适应能力,其评估结果准确、可靠.     

地面复杂场景图像相关跟踪算法研究

提出了一种性能良好的快速图像相关跟踪算法，利用视频图像序列帧间及帧内的相关性，采用空间及灰度多尺度分解算法，减少匹配算法的运算量和提高目标定位精度，建立相关跟踪置信度评估、模板自适应刷新、相似目标辨识等准则，有效地提高目标跟踪的稳定性和鲁棒性。实验结果表明，该算法能够较好地实现各种复杂场景条件下的目标稳定跟踪。     

基于图像理解的LPR系统研究

设计了一种基于图像理解的智能车牌识别系统,利用水平和垂直投影进行车牌区域定位。通过基于垂直投影和模板匹配的字符分割方法有效地解决了背景变化、车牌尺寸变化、字迹模糊等问题,在对120幅472×332大小的车辆图像采用基于模板匹配的ORC识别方法,在Hausdorff距离分类器上进行了相关匹配测试实验。识别率达96.7%,识别时间稳定在0.3~1.2 s之间。     

三维轴对称目标的简化识别

基于对空中轴对称目标识别的需要,根据目标投影变换和姿态测量,利用匹配滤波和坐标变换,提出一种简化的识别方法。选择合适的目标投影图像作为识别模板,并用计算全息的方法编制成匹配滤波器;在目标的三维姿态被探测后,根据其方位角和俯仰角,对滤波器进行坐标变换,再利用光学相关方式识别目标的投影图像。通过数值模拟,分析了不同姿态下二维任意目标的识别情况,以及三维轴对称目标的模板选择及其识别效果。分析表明,利用这种简化识别方法,只需将目标在45°和90°俯仰角下的投影图像制成识别模板,并进行组合,即可得到目标的最小相关系数为0.4472,远大于飞机干扰物与模板的最大相关系数0.06。     

采用人工神经网络技术改善光学模式识别系统的识别效率

在采用光学模式识别技术,ＳＤＦ滤波技术进行实际场景中的三维目标畸变不变识别的时候,由于面对的晨在量的非训练像的相关识别,加上场景图像中的不同噪声,背景的干扰,以及硬件识别系统的各种非理想特征等因素,均不可避免带来相关平面的Ｓ／Ｎ的严重退化,从而使按通常的阈值技术进行相关信号分割的在而大大降低了ＯＰＲ系统的识别效率。     

基于指导滤波的内侧指横纹识别方法

为了使指导滤波可以更有效地去除噪声进而提高匹配效率,提出了一种基于指导滤波的内侧指横纹识别方法。首先,在ROI提取阶段,通过提取ROI模板和利用模板在原始图像上所处位置的先验知识来指导其他原始图像进行准确的ROI提取,并对得到的ROI和模板进行互相指导滤波去除噪声。其次,在线特征提取阶段,利用Gabor滤波与求偏导相结合的方法进行线特征提取。最后,在特征匹配阶段,利用快速傅里叶变换的方法,得到相似度后通过对其选取合适的阈值来得到较好的实验效果。评估系统建立在包含100个人的2 000幅右手手部图像的数据库上,等错误率为2.32%,证明该算法可以进行指横纹特征识别并具有较高的准确率。