基于特征点的快速匹配算法

为了实现快速、高精度的图像匹配,将基于灰度的图像匹配技术与基于特征的图像匹配技术相结合.定义了一种灰度值特征.并提出一种基于图像灰度值特征点的快速匹配搜索算法.该算法利用得出的灰度值特征点作为搜索依据,改变了传统匹配方法遍历性质的搜索策略.由于特征点的选取对噪声和灰度值的线性变化具有一定的"免疫性".因此对灰度值不均匀的图像匹配问题同样适用.该算法在大大提高匹配速度的同时兼顾了匹配精度,实现了高效率、高精度的图像匹配.通过实验,证实了该算法的快速性和准确性.     

基于奇异值分解的图像目标跟踪算法

传统相关跟踪方法是利用模板图像与目标图像对应像素的灰度差异信息进行跟踪,它对旋转变化敏感,且存在跟踪累积误差,容易导致模板漂移而丢失目标。文中提出基于奇异值分解的跟踪算法,算法首先建立模板图像训练集合,利用奇异值分解方法,张成模板图像特征空间,然后求出模板图像在特征空间里的投影值,代替传统算法中灰度对两幅待匹配图像进行的全局搜索定位。在进行投影值间的相似性度量时,欧氏距离同等对待所有的特征向量不移合理,文中采用了一种鲁棒估计方法,可以对不同距离的值做不同处理。匹配跟踪实验效果良好。     

融合图像灰度信息与边缘特征的快速匹配算法

基于灰度相关的图像匹配算法对光照变化敏感,且计算量大,效率低,而基于特征的图像匹配算法结构复杂且在很大程度上依赖于特征提取的质量。为此,本文提出了一种基于Sobel边缘特征和小波变换的递推多模板快速匹配算法。首先用Sobel算子提取边缘特征;然后用小波变换对图像进行多尺度分解;最后用本文提出的递推多模板快速算法仅对集中了图像主要信息量的低频部分进行互相关匹配。将该算法应用于基于ADSP-S201的图像制导系统中,实验表明,此算法在保证匹配准确度的同时完全能达到系统实时性要求。      

一种基于矢量相关性的快速匹配算法

针对传统的基于灰度特征的图像匹配算法的匹配速度慢和对灰度敏感的问题,提出了一种基于矢量相关性的快速匹配算法.该算法从矢量关系的角度分析图像间差异.采用高维空间矢量表征图像所含信息,通过计算矢量之间的角度衡量待匹配区与模板的相关性.实验验证了采用的矢量角度作为图像间关系的测度的合理性和准确性,表明了该算法的图像匹配具有快速性和较高的准确性.     

基于子图灰度比较的匹配模板选取算法

为降低图像匹配模板选取算法的时间复杂度,提出一种基于子图灰度比较编码的图像匹配模板选取算法.首先将子图等分为2×2子块,以子图及邻近区域的4×4子块的灰度比较关系为子图赋予一个编码;其次在所有子图编码中选取重复次数最少的编码对应的一个子图或若干个子图中图像方差最大者作为匹配模板.算法复杂度分析和仿真实验结果表明,该匹配...     

基于主成分分析的图像匹配方法研究

景像匹配和相关跟踪系统中,由于所面临的都是变化的场景,实时获取的图像与预存的基准图之间存在差异。传统的基于图像空间的匹配方法不能很好地克服这些差异给图像匹配定位带来的影响,使得完全按图像灰度特征的相关匹配应用受到限制。文中将主成分分析方法引入了图像匹配和相关跟踪过程中,提出一种能抗御一定图像畸变的基于主成分分析的图像匹配算法,并应用该方法进行了初步实验,证明该算法具有较高的匹配跟踪鲁棒性。     

基于奇异值分解的自适应模板更新研究

研究了基于奇异值分解的图像匹配和目标跟踪问题。由于图像的奇异值特征具有良好的稳定性,可以将奇异值当作一种有效的代数特征来描述并表征图像。根据所定义的奇异值缩放不变量提出了一种基于奇异值分解的模板更新算法。在算法中,根据奇异值向量的缩放不变特征来度量当前模板内的目标信息,然后根据所定义的置信度自动计算更新后所需的模板大小,从而使更新后的模板更有效地包含目标。试验表明：提出的模板更新算法在序列图像的目标跟踪中具有较好的实用性。     

基于灰色关联分析的图像匹配方法

针对图像匹配正确率的问题,在研究灰色关联理论的基础上,提出了基于灰色关联分析的匹配方法,找出模板图像在待匹配图像中的最佳匹配位置。通过计算图像直方图的灰关联度及边缘点集间的Hausdorff距离,从图像的灰度分布和形状特征两方面来验证了定位的准确性。实验采用了多张不同的图片进行图像匹配,实验结果表明了该算法的有效性和良好的匹配效果,具有匹配效率高、匹配误差小等特点。     

基于二维最大熵阈值分割的SIFT图像匹配算法

提出了一种基于二维灰度直方图最大熵阈值分割的SIFT图像特征匹配算法。与传统SIFT算法相比,该算法首先综合利用图像像素的灰度信息和邻域空间信息,生成图像二维灰度直方图,并基于此直方图的最大熵对图像进行阈值分割,然后检测分割后图像的DoG尺度空间局部极值,并以此作为特征点进行图像匹配。实验结果表明,基于所提出的匹配算法,可以有效降低图像背景噪声和边缘像素点对目标匹配的干扰,进而提高图像目标的匹配性能。     

基于PCA和分块FFT的快速模板匹配算法

图像匹配算法作为一种经典的图像识别算法,在计算机底层视觉处理中占有重要地位.在理论界,对该算法的讨论和研究由来已久,也提出了基于像素灰度、基于图像特征等的匹配算法.本文所提出的匹配算法主要基于模板特征,通过结合主分量分析(PCA)、分块快速傅里叶变换(FFT)等技术实现了高效快速的图像匹配算法.在对具有大量相似目标的图...     

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中，均是给定一个模板，然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量，找出与模板距离最小的一个区域作为当前模板，以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中，由于所面临的大多数是变化的场景，实时获取的图像与预存模板之间存在比较大的差异，传统相关匹配方法的应用就会受到限制；而且在跟踪过程中，随时更新模板会造成跟踪性能对扰动过分敏感，从而产生漂移。首先拍摄目标不同角度的图像（尽可能包含目标可能出现的所有情况），构成目标图像训练集合，抽取出特征矩阵，对它进行奇异值分解，构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索，找出目标的大致位置，并利用收敛方法在确定的大致位置内进行搜索，确定目标的仿射变换系数，从而得到一个目标位置的确切描述。     

一种新的基于对应像素距离度量的图像相关匹配方法

传统的图像相关匹配方法中,由于实时图和参考图之间存在着灰度差异和一定程度的几何形变以及对目标的局部遮挡,使得利用求取对应像素灰度差累加和来进行相似性度量算法的性能很容易受到影响。文中从另一角度提出了一种新的图像相关匹配算法。该方法改变了原先匹配算法中求取模块图像和目标图像的像素灰度差的和的方法,而改为求取两幅图像之间相接近的点的个数,从而使匹配算法的稳定性大大提高,因为 局部出现的大片噪声点将不会影响匹配的结果,而这样的情况在传统的相关算法中将会显著影响匹配结果。实验结果表明了该方法的有效性。     

基于DWT-DFT和SVD域的盲水印算法

提出了一种基于离散小波变换、离散傅里叶变换和奇异值分解相结合的盲水印算法。该算法对原始图像进行一级离散小波变换后选择低频子带图像作分块离散傅里叶变换,然后对分块离散傅里叶变换的幅度谱进行奇异值分解,选择最大奇异值并采用量化嵌入方法实现水印的嵌入和盲提取。为了提高算法对旋转攻击的鲁棒性,采用基于Radon变换的检测算法对待检测图像进行旋转校正。实验结果表明,该算法对一些常规攻击和几何攻击都具有较强的鲁棒性。     

基于MSA直方图的景象匹配算法研究

提出了一种基于MSA直方图的景象匹配算法,用来解决景象匹配辅助导航系统中,由于拍摄的实时图背景复杂、存在畸变、易受遮挡等因素所带来的匹配困难。该算法利用灰度信息及其空间分布信息,分别计算目标区域及模板的MSA直方图,并计算匹配度,采用金字塔算法及中途停止策略进行搜索,对目标进行识别和定位。用cameraman图像、人脸图像和实际卫星拍摄图像进行了实验,实验结果表明：该算法对仿射变换、轻微透视投影变换、噪声、遮挡及视角变化具有鲁棒性,且比灰度直方图具有更好的性能,在实际拍摄的图像中能对目标进行准确的识别和定位。     

一种基于离散余弦变换与奇异值分解的数字图像水印算法

结合奇异值分解（SVD）和离散余弦变换（OCT）的特点,提出了一种基于离散余弦交换与奇异值分解的数字图像水印算法.该算法能够很好地解决透明性和鲁棒性之间的矛盾.算法中采用经过置乱变换的灰度图作为水印,不仅增加了嵌入的信息量,而且提高了水印的安全性.实验结果表明,该算法不仅具有较好的透明性,而且对常见攻击如：叠加噪声、JPEG压缩、滤波以及几何攻击等具有较好的鲁棒性.     

基于局部交叉熵的图像匹配跟踪算法

交叉熵值的大小反映了模板图像与实时图像之间的信息量差异大小,从平均意义上来表征模板图像与实时图像之间的信息量差异量。为了解决机裁成像光电吊舱系统中的图像辐射失真和几何失真问题，提出了基于局部交叉熵的图像匹配跟踪算法。由于交叉熵值最小准则有利于信息量丰富的图像匹配，因此该算法不仅具有抗噪能力，而且具有良好的抗辐射失真和抗几何失真的能力。仿真试验表明：在辐射失真情况下，该算法具有稳健的匹配跟踪能力，适应能力强，是一种很实用的匹配跟踪算法。     

A transcoding-resistant video watermarking algorithm based on corners and singular value decomposition

The singular value decomposition (SVD) mathematical technique provides an elegant method for extracting algebraic features form an image. When a small change is added to singular values, great variance of image doesn’t occur, and singular values in an image are less affected if general image processing is performed. Because singular value matrix of an image has good stability, the watermark can be embedded to this matrix without causing large variation in the stego-image. The reason of causing block effects and flicker in the traditional watermarked video using SVD is firstly analyzed in this paper. Based on the feature of SVD and that human eyes are not sensitive to the changes in corner area of each frame of video, we embed watermark into blocks with corner inside using quantization index modulation. We analyze the validity of the proposed algorithm about synchronizing error, block effects, and flicker. The experiment shows that the proposed approach has an excellent robustness against transcoding and some normal attacks, such as adding noise, re-encoding and so on without causing any block effects and flicker. The result also shows that the correct rate of extracting watermark can achieve 98 % per second.     

基于目标变换模型的跟踪方法研究

图像目标跟踪是计算机视觉领域中富有挑战性的工作之一,但已有的算法大多都存在一定的局限性。针对目标相关匹配方法难以处理图像序列中目标所具有的连续性的尺度变化、旋转、变形等问题,通过在相邻两帧图像之间建立目标相对变化关系的数学模型,并依据该变换关系的数学描述及一定的相关测度对跟踪问题进行最优化建模,将目标跟踪问题转化为目标变换模型参数的最优化求解问题,最后利用L-M算法对上述优化问题进行求解,实现目标跟踪。实验结果表明,该方法对发生连续性平移、尺度、旋转、变形等变化的目标具有良好的跟踪精度,且对图像质量要求不高。     

奇异值分解带通滤波背景抑制和去噪

针对可见光图像弱小目标检测中的背景抑制和去噪问题,提出了奇异值分解(Singular Value Decomposition,SVD)带通滤波新方法.首先分析了图像奇异值与目标、噪声和图像背景的关系,结果表明奇异值的高序部分更多地反映图像噪声,中序部分更多地反映目标性质,而低序部分更多地反映图像背景.以此为依据提出了SVD-I型和SVD-II型两种带通滤波器,并给出了奇异值曲线转折点法和门限准则法两种滤波器参数确定方法.实验表明SVD带通滤波能有效抑制图像背景,去除噪声,进而提高弱小目标的信噪比.