融合多重信息的图像局部不变特征描述

以SIFT(Scale Invariant Feature Transform)算法为基础,提出了一种将局部二进制模式(Local Binary Patterns,LBP)描述子和全局上下文(Global Context)信息相融合的图像局部不变特征描述算法,增强了SIFT算法的仿射不变性,以及对处于图像相似区域的特征辨别能力。在特征检测阶段,通过迭代变换,使得SIFT特征点收敛到仿射不变点;在特征描述阶段,为每个特征点计算主方向,分别计算特征点的LBP描述子和全局上下文信息。实验结果表明,提出的局部不变特征描述子对图像仿射、尺度和旋转、光照等变换均具有良好的不变性。     

基于粗糙集近似约简和SIFT特征的图像匹配算法

SIFT(Scale Invariant Feature Transform)描述符由于具有尺度、旋转和光照不变等特性在图像匹配领域获得了广泛的应用。但是,SIFT特征点采用128维特征向量表示,当图像特征点较多时,匹配算法所需的存储空间大、匹配时间长,且匹配精度不理想。针对以上问题,本文给出了一种基于Rough-SIFT描述符的图像匹配算法。首先,利用排序法求出图像的稳健特征点,然后为提高后续匹配处理运算效率,将粗糙集约简理论引入到基于SIFT特征的匹配算法中,通过构建一种新的近似约简算法来对稳健特征点的128维特征向量进行降维处理,最后利用约简后的特征点对图像进行匹配。仿真实验表明, 本文方法使得约简后的SIFT特征点更加精确、稳定、可靠,有效减小了匹配算法的存储空间,提高了匹配算法的效率和准确率。      

基于尺度不变特征变换的快速景象匹配方法

传统基于特征的景象匹配方法存在冗余点多、匹配精度低等问题,难以同时满足实时性及鲁棒性要求,对此,论文提出一种基于尺度不变特征变换(SIFT)的快速景象匹配方法。在特征提取阶段,采用高速分段特征检测器(FAST)在多尺度检测角点作为初始特征,经过高斯差分(DOG)算子在尺度空间中进行特征的2次筛选,简化原有遍历式的特征搜索过程;在特征匹配阶段,采用仿射模型模拟变换关系建立几何约束条件,克服SIFT算法由于忽略几何信息而产生的误匹配。实验表明:该方法在匹配精度和实时性方面均优于SIFT算法,且对光照、模糊、尺度等变换具有良好的鲁棒性,能够更好地实现景象匹配。     

一种基于SIFT和区域选择的图像拼接方法

提出了一种基于SIFT和区域选择相结合的图像拼接方法.该方法采用改进的尺度不变特征变换(SIFT)特征提取方法获得图像特征点,并充分利用圆形区域的旋转不变性和互信息量最大原则进行特征点匹配,避免了传统的图像配准算法计算量过大、特征点匹配不准确等问题,最后采用加权平均的方法对图像进行融合.实验表明,该方法对图像间存在的平移、旋转、明暗强度和噪声干扰等都具有良好的鲁棒性,可实现高质量的图像拼接.     

基于ASIFT的图像拼接技术在监控系统中的应用

提出了一种基于改进仿射-尺度不变特征转换(ASIFT)特征的监控图像拼接算法,ASIFT特征比传统的尺度不变特征变换(SIFT)算法具有完全的仿射不变性,在低重叠图像匹配上,ASIFT算法能够检测到更多准确的特征点,满足拼接要求。实验结果表明,该算法在视频监控系统中具有很强的实用性。     

一种通用的仿射不变特征区域提取方法

本文利用尺度-空间理论和自相关矩阵的局部形状提出了一种通用的提取仿射不变特征区域的方法.首先,在尺度-空间中对图像的归一化高斯微分求三维局部极大值获得特征点和特征尺度位置,然后在特征点的特征尺度上用自相关矩阵刻画局部的灰度变化,提取的椭圆区域即为仿射不变特征区域.在此通用方法框架下构造了Harris3D、Laplace3D、Hessian3D和Localjet43D四种仿射不变特征区域算法.实验结果表明这四种算法都具有照度、旋转和尺度不变性.用本文设计的一种仿射不变性仿真实验方法验证了算法的仿射不变性.比较四种算法发现除了Harris3D性能稍差外其他三种算法性能接近.     

基于增强MSER和Harris-Laplace互补不变特征的遥感图像配准

针对具有倾斜的遥感图像的自动配准问题,提出一种增强自动配准方法。该方法首先应用最大极值稳定区域(Maximally Stable Extremal Regions,MESR)特征的仿射不变性结合匹配能力较强的SIFT(Scale Invariant Feature Transformation,SIFT)描述子进行粗匹配,初步校正倾斜图像的空间变换;然后利用Harris-Laplace(H-L)在图像旋转、光照变化条件下能最稳定的提取2维平面特征点和在3维尺度空间中能最稳定高效地提取特征点的特性结合随机一致性检验(Random Sample Consensus,RANSAC)方法进行精匹配。通过实验分析证明,与SIFT配准方法相比该方法能够对倾斜的遥感图像实现更精确的自动配准。     

基于PCA-SIFT特征的目标识别算法

针对尺度不变特征变换(SIFT)算法在匹配时特征向量过多,从而导致耗时过长的问题,提出PCA-SIF]算法,对目标进行匹配与识别.首先,利用SIFT算法提取出原图像中稳健的特征点以及特征向量;其次,利用PCA算法对SIFT特征向量的维数进行约减;最后利用降维后的图像与原始图像进行匹配.实验证明,与原始SIFT算法相比,该算法不仅保持了SIFT算法的鲁棒性和稳定性,同时提高了匹配效率,增强了实时性.     

基于目标区域内仿射不变性特征的图像检索

针对仿射畸变问题,首先构建了基于最大稳定极值区域(MSER)的仿射不变性检测子:根据分离集合森林以及并查集算法提取极值区域,结合成分树和最大稳定判定条件提取MSER。以MSER为底层局部特征区域,生成SIFT描述子并聚类成视觉关键词表。利用标准加权思想,在检索图像上框选查询对象,根据库图像与查询对象的相似度对检索结果进行排序;同时,基于搜索单元区域匹配法的空间一致性度量准则,得到最终的检索结果。实验表明,该极值区域具有可靠的仿射不变性,所开发的检索机制也能显著提升图像检索系统的性能与可靠性。     

基于改进SIFT算法的弹载电视制导技术研究

以图像匹配技术为代表的弹载电视制导技术具有信息直观的特点,作为非常优秀的图像匹配技术,SIFT算法受到了广泛的关注和深入的研究。针对传统SIFT算法实时性差的问题,本文提出了一种改进的SIFT算法。在提取特征点部分,通过Laplace算子找出图像边缘区域并进行Laplace加权处理,然后利用FAST特征点检测算法提取区域特征点;在生成特征点描述子部分,将传统的128维SIFT算子降为48维,利用改进的SIFT特征描述算子为特征点赋予方向和描述符使其具有旋转不变性;在特征点匹配部分,利用欧式距离提取匹配点对,并采用RANSAC算法提纯匹配点对,得到最优矩阵。实验结果表明改进的SIFT算法在目标旋转、尺度变化等条件下匹配效果良好,与传统SIFT算法相比具有很高的实时性,可以很好地实现图像实时匹配。     

The fast fixed-point algorithm for speckle reduction of polarimetric SAR image

In this letter, a simple and efficient method of image speckle reduction for polarimetric SAR is put forward. It is based on the fast fixed-polnt ICA (Independent Component Analysis) algorithm of orthogonal and symmetric matrix. Simulation experiment is carried out to separate speckle noise from the polarimetric SAR images, and it indicates that this algorithm has high convergency speed and stability, the image speckle noise is reduced effectively and the speckle index is low. and the image quality is improved obviously.     

基于图像矩阵的广义主分量分析

传统的主分量分析在处理图像识别问题时是基于向量的,且没有充分利用训练样本的类别信息。该文提出了一种直接基于图像矩阵的广义主分量分析方法,该方法能够提取包含在类平均图像中的鉴别信息,与传统的主分量分析相比,具有更强的鉴别力。在ORL标准人脸库上的试验结果表明,所提出的方法不仅识别性能优于传统的主分量分析和Fisher线性鉴别分析,而且极大地提高了特征抽取的速度。     

一种合成孔径雷达图像特征提取与目标识别的新方法

该文提出了一种利用小波域主成分分析和支持向量机进行的合成孔径雷达图像特征提取与目标识别的新方法。该方法对图像小波分解后提取低频子带图像的主成分分量作为目标的特征,利用支持向量机进行分类完成目标识别。实验结果表明,该方法可以明显提高目标的正确识别率,是一种有效的合成孔径雷达图像特征提取和目标识别方法。     

基于独立分量分析的多分辨率遥感图像融合算法

研究了目前常用的遥感图像融合方法，提出了基于独立分量分析的多分辨率遥感图像融合方法，分析了用于独立分量分析的目标函数（如峭度、近似负熵和互信息），给出了独立分量分析的优化快速算法，并详细描述了提取源信息独立分量的具体步骤。最后，将独立分量分析法应用于高分辨率光学图像和低分辨率光学图像的融合，与采用主分量分析法融合的图像相比，图像质量得到很大的提高。     

基于相位信息和主成分分析的对称性检测方法

对称性检测在图像分析与模式识别中具有重要意义。该文提出一种基于相位信息和主成分分析的对称性检测方法。首先在不同尺度、不同方向上计算相位对称性,其次在每个方向上将所有尺度的相位对称性进行融合,再次利用主成分分析提取各个方向的主要特征,最后利用非极大值抑制和自适应滞后阈值处理得到最终的对称性检测结果。实验证明:该文方法可直接对原始图像进行处理,不需要图像的任何先验知识,对于多目标图像不需分割等任何预处理;可以同时检测亮目标和暗目标的镜像对称、旋转对称、曲线对称;对图像亮度和对比度不敏感。     

一种基于主分量分析的SAR图像变化检测算法

该文提出一种基于主分量分析(PCA)的SAR图像变化检测算法.该算法将SAR图像转化为列向量,对两个图像向量组成的矩阵进行主分量分解,其图像的变化部分则表征为矩阵的次分量成分.论文还研究了高效的SAR图像变化检测实现算法,最后通过与对数比方法和分块主分量分析法进行比较实验,实验结果证实了方法的有效性.     

基于克隆选择和多重空间构造的彩色图像分割

该文提出一种基于克隆选择和多重空间构造的彩色图像分割方法。该方法首先将一些常见的颜色分量分为亮度成分、单频光谱成分、双频光谱成分、多频光谱成分,利用主分量分析技术(PCA)分别对其进行计算,得到最具有识别能力的颜色分量来构造多重颜色空间;然后利用克隆选择算法对样本进行自学习,得到全局最优的聚类中心;最后用得到的聚类中心对图像进行分割。由于该文的方法结合了克隆选择算法的非线性分类能力,通过对彩色图像自适应的构造最佳多重空间,能够快速准确地得到分割结果,克服了传统分割方法使用固定颜色空间以及容易陷入局部最优的缺点。通过实验表明,该方法对彩色图像同质区的分割均匀,边缘保持度好。此外,新方法对彩色图像的亮度和纹理变化不敏感,鲁棒性较强。     

基于独立成分分析的高光谱图像数据降维及压缩

该文提出了一种以高光谱图像分析为目标的基于独立成分分析的高光谱图像降维和压缩方法。该方法首先通过独立成分分析提取高光谱数据的光谱特征实现高光谱图像降维,再对降维后的图像采用预测和自适应算术编码的方法进行压缩。对220波段和64波段高光谱数据的实验结果表明,该方法与基于主成分分析的降维相比,压缩比有所提高,特别是更有利于后续的分析处理,但峰值信噪比有所降低。     

全极化探地雷达多极化数据融合分析研究

对于相同地下目标体,相比大部分传统单极化探地雷达,全极化探地雷达(FP-GPR)可以测得更全面的极化数据,称为VV, HH, VH。为了对地下目标体进行更全面精细的成像和识别, 数据融合技术被应用于FP-GPR将3种不同极化模式的极化信息结合起来。然而,目前全极化探地雷达数据融合常用的加权平均融合方法,它会掩盖全极化的优点,同时也无法同时适应不同的散射机制。因此,该文提出了基于主成分分析(PCA),拉普拉斯金字塔(LP)以及多尺度小波变换(WT)的3种FP-GPR数据融合方法。为了检验几种数据融合方法的可靠性,该文在实验室分别测量了代表3种不同基本散射机制目标体的FP-GPR数据进行分析, 引入瞬时振幅为主、梯度为辅的方法将加权平均融合方法与3种方法进行比较。结果表明该研究所应用的3种数据融合方法效果均优于加权平均融合,并且3种方法可以分别适应不同散射机制的目标体,主成分分析融合可以更好的应用于未知散射机制目标体。最后,将主成分分析融合应用于实际冰裂缝数据成像,得到很好的融合效果,且优于加权平均融合方法。      

基于小波核主成分分析的相关向量机高光谱图像分类

相关向量机(RVM)高光谱图像分类是一种较新的高光谱图像分类方法,然而算法本身存在对于高维大样本数据训练时间过长、分类精度不高的问题。针对这些问题,该文提出一种基于新型核主成分分析的RVM分类方法。该方法首先将核函数引入到主成分分析中,然后应用小波核函数代替传统核函数,利用小波核函数的多分辨率分析特点,进一步提高核主成分分析(KPCA)非线性映射能力,最终将新型核主成分分析算法与相关向量机相结合,对高光谱图像进行分类。仿真实验结果表明,将所提出的方法应用于AVIRIS美国印第安纳州实验田高光谱数据预处理后,类内类间距离比降低20%,方差整体增幅较大,最终将处理后的数据应用于相关向量机的高光谱图像分类中,分类精度提升3%~5%。