基于Mexican hat函数的图像特征提取和配准算法

使用Mexican hat函数作为特征检测算子,对图像进行局部区域提取和特征点提取,在此基础上,提出了一种结合局部区域和特征点的图像配准算法。使用Mexican hat检测算子和零交汇点检测的方法获得局部区域特征并进行初步匹配,然后使用基于不同尺度空间的Mexican hat检测算子进行特征点提取。将特征点按照局部区域进行分组,再对每一组内的特征点进行匹配操作。最后使用基于分组的随机采样一致性检验进行变换矩阵求解。算法使用Mexican hat特征检测算子进行两种图像特征的提取,对两种特征分别进行匹配,完成图像配准操作。实验结果表明,给出的Mexican hat特征检测算子在配准精度上不亚于当前主流检测方法,配准算法具有复现率高和运算速度快的优点。     

基于区域分块的PCB图像配准算法研究

针对ORB算法特征点提取集中、匹配精度低的问题，提出一种基于区域分块的ORB改进算法。通过区域分块的方式，提取分布均匀的特征点，使用Hamming距离对提取的特征点进行粗匹配，筛选掉误差过大的特征点，接着使用RANSAC算法对特征点进行进一步筛选，使用RANSAC算法计算出待配准图像与模板图像之间的单应性变换矩阵，对图像的方位进行纠正。通过实验对算法的可行性进行验证，结果表明，算法在兼顾运行时间的基础上对图像匹配的精度有较大的提升。     

多幅图像的自动拼接算法研究

提出一种基于特征点的多幅图像自动拼接算法。根据SIFT或SURF算法在图像的尺度空间中提取特征点,对特征点进行亚像素定位,并赋予主方向。根据特征点邻域信息分布计算得到特征向量后,基于k-d树进行最近邻和次最近邻搜索,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对。使用RANSAC（Random Sample Consensus）算法剔除错误匹配特征点对,同时对图像之间的变换参数进行鲁棒估计,使用多频带融合算法消除拼接痕迹。实验验证了该算法能够完成多幅图像的自动无缝拼接。     

结合区域检测特征点与极谐变换的图像拼接

提出一种结合区域检测特征点与极谐变换的图像拼接算法。首先,利用区域检测得到图像中的显著性区域,利用哈里斯(Harris)角检测器提取图像中的特征点,然后计算得出特征点圆形邻域的PHT特征矢量,并通过相似性变换原则消除误匹配对。最后利用正确的匹配对得出映射模型,并利用加权平均法进行图像融合。实验证明该算法提高了图像的拼接效率和准确性。     

Canny边缘特征18维描述符在图像拼接中的应用

为将同一场景中具有重叠区域的序列图像合成为一幅宽视角、高分辨率的图像,基于尺度不变特征变换(SIFT)算法,提出一种结合Canny特征边缘18维特征描述的图像拼接方法。采用SIFT算法提取图像特征点,利用12个圆形区域中的梯度方向累加值、3个同心圆区域中的灰度累加值及3个灰度差分值建立18维特征描述符,保留图像Canny边缘16邻域特征点,选用RANSAC算法进行特征匹配对提纯,计算出不变换矩阵H,并用渐进渐出算法完成图像融合。实验结果表明,与传统SIFT算法相比,该方法对光线变化、旋转、尺度缩放等图像均能取得较好的拼接效果。     

基于SURF和KLT跟踪的图像拼接算法

针对现有图像拼接精度不高和速度慢的问题,提出一种图像自动拼接算法。采用特征向量实现图像序列完全自动排序,把特征向量作为图像中的运动目标,利用KLT跟踪算法计算特征点的偏移量,从而得到图像之间精确的单应性变换矩阵,给出一种基于视觉特征的色彩融合方法实现图像的无缝拼接。实验证明该算法提高了匹配的精度和速度,能够实现自动排序,并具有较好的鲁棒性。     

基于SIFT的岩石薄片图像拼接

为了解决传统的基于尺度不变特征变换(SIFT)算法的图像拼接方法无法使用SIFT特征匹配算法对岩石薄片图像中的空白区域图像进行特征提取,进而影响整个岩石薄片图像拼接的问题,在尺度不变特征变换匹配算法的基础上,提出了一种将岩石薄片图像的行列中心位置作为拼接基准点的图像拼接方法。该方法改进了特征点的提取方式、变换矩阵的计算顺序以及矩阵优化的顺序,并利用相邻图像之间的位置关系估计出空白区域图像的变换矩阵,实现了整个岩石薄片图像的拼接。实验结果表明,该方法可以较好地完成岩石薄片图像中空白图像的拼接,能够较为完整地保留整个岩石薄片的纹理信息,具有一定的实际应用价值。     

一种快速稳健的图像配准算法

本文对图像配准问题进行了研究,提出了一种快速、稳健的基于特征点匹配的配准算法。采用小波变换建立图像金字塔,从分辨率最低的图像层开始进行特征点匹配,在次一层匹配时以上层匹配结果为粗值,在原始图像上得到初始匹配点后采用RANSAC算法稳健估计变换矩阵H;为了提高配准算法的精度,采用变换矩阵H引导两幅原始图像上的所有特征点重新进行匹配,对得到的匹配点集重新用RANSAC算法估计变换矩阵,并采用LM非线性优化算法进一步优化。通过实验分析对比,本文的算法比原算法速度更快,更稳健。     

基于Contourlet变换和SPIHT算法的彩色医学图像压缩

二维小波变换只能很好地分离不连续点,无法最优表示曲线奇异,同时只能获取有限的方向信息,这大大限制了它在图像处理领域的应用。Contourlet变换则结合拉普拉斯金字塔和方向滤波器组,得到多分辨率、局域、多方向的图像表示。由于基于小波变换的多级树集合分裂排序(SPIHT)算法不能有效表达图像的纹理和轮廓信息,因此提出一种基于Contourlet变换和SPIHT算法的彩色图像压缩方法,并应用于医学图像感兴趣区域压缩。首先将彩色图像转换至YIQ彩色空间;然后选取感兴趣区域,对其采用Contourlet变换提取特征信息,并利用SPIHT算法对Contourlet系数优先编码和传输,从而保证感兴趣区域的图像质量和细节信息。对背景区域则采用小波变换,并通过系数截断的方式提高图像压缩比。实验结果表明,所提算法可以较好地保留感兴趣区域的图像特征,大幅度提高背景区域的压缩比,是一种较实用的图像压缩新方法,在医学图像感兴趣区域压缩中效果良好。     

使用特征点与灰度值的医学图像局部配准方法

针对医学图像配准中,存在某些图像间大部分区域没有差异或者存在差异但不被关心的情况,提出了一种局部图像配准方法。该方法使用局部可控的紧支撑径向基函数作为配准变换函数,通过在感兴趣区域设置特征点,将变换函数作用范围限制在图像中某一特定区域,保持其他区域不发生变形。利用图像间的互信息量作为测度函数,更加精确地求解变换函数。在优化策略的选择中,将图像配准看作为寻优过程,采用基于小生境的遗传算法优化变换函数参数,能够克服经典遗传算法早熟、搜索能力差等缺点。通过对已知变换函数的仿真图像与真实医学图像进行实验,结果表明该算法能够准确地找到较优的变换函数,并且将作用区域限制在较小范围内。该方法结合了基于特征点和基于像素配准方法的优点,有效的搜索策略保证了变换函数准确性,是一种可行的、鲁棒的局部医学图像配准方法。     

结合最佳缝合线和多分辨率融合的图像拼接

目的 针对图像拼接过程中,缝合线通过运动物体或配准不准确区域等情况导致融合图像出现鬼影、重影的问题,提出了一种基于差异图像加权的改进最佳缝合线算法,采用基于多分辨率和加权平均的分区图像融合算法解决了拼接线问题。方法 首先将两幅图像的重叠区域划分为缝合线区域和过渡区域;在缝合线区域内,使用差异图像加权的最佳缝合线搜索准则构建准则值图像,基于动态规划思想来搜索得到最佳缝合线;基于缝合线生成掩码图像,并对重叠区域图像进行扩展,采用多分辨率融合算法实现了非严格重叠区域的融合;在过渡区域采用加权平均算法来消除拼接线。结果 采用含有大量运动物体的图像序列对算法进行测试,实验结果表明,基于差分图像加权的最佳缝合线有效避开了大部分运动物体,当缝合线难以绕开运动物体时,能够尽量少地穿过运动物体;通过多分辨率和加权平均融合算法消除了拼缝等问题。结论 提出的最佳缝合线算法能够有效地避免缝合线通过运动物体、配准不准确的区域,将多分辨率图像融合算法应用于非严格重叠图像融合,能够合成高质量的全景图像。     

一种用于动态场景的全景表示方法

针对全景图无法表示动态场景这一问题，提出一种用于动态场景的全景图表示方法，将视频纹理和全景图结合起来，构造动态全景图。系统首先将一系列定点拍摄的图像拼接成全景图，然后用摄像机拍摄场景中周期或随机运动的物体，提取视频纹理，最后视频纹理与全景图对准并融合，生成动态全景图。动态全景图既保持静态全景图全视角漫游的优点，又使得场景具有动态的特征，极大地增强漫游的真实感。     

无人机航拍图像拼接重影消除技术研究

为了解决拼接图像中的模糊、畸形,运动物体图像拼接后会出现重影错位等问题,首先在图像配准阶段通过感知哈希值相似度量准则选取变换效果最佳的权重ωi,j来计算局部投影变换矩阵;然后利用帧间差分法和区域生长算法对差异图像中的运动物体进行分割,对差异性区域进行单采样,其他区域采用线性加权融合;最后,构建了一个用于图像拼接的航空影像数据集并进行实验。实验结果证明,该方法运行耗时增加量较小,不仅有效抑制了重叠区域出现的拼接模糊、严重畸形现象,还能消除包含运动物体图像出现的重影错位,显著提高无人机航拍图像的拼接质量。     

基于区域锐度的多聚焦图像融合

为了获得同一场景内所有物体都清晰的图像,提出一种新的多聚焦图像融合算法。把待融合图像进行分块,构造融合块的清晰度评价函数（区域锐度）,根据其区域锐度值,判断融合块应取自哪幅源图像。采用投票选举的方法对融合图像进行一致性校验,对相邻但来自不同聚焦图像的融合块进行加权融合。实验结果证明,与基于小波分解的融合算法相比,该算法速度快、效果好。     

Mining of Moving Objects from Time-Series Images and its Application to Satellite Weather Imagery

The framework of mining of moving objects from image data sequence is presented. Scenes are first clustered and labeled by using two-stage SOM that is modified to recognize images including similar moving objects as the same cluster, and that well recognizes scenes including prominent objects. After extraction of images which include prominent objects based on clustering result, the position and the shape of objects are approximated by using mixture gaussian model via EM algorithm, providing the adequate or larger number of components. By adopting the average of the data points in the smaller blocks as the initial parameters, the solutions are stabilized and the identification of components among time-series images and the tracking of a specific object become easier.This framework is applied to a four-year (ranging from 1997 to 2000) dataset of cloud images taken by Japanese weather satellite GMS-5 to evaluate its performance. Modified SOM method well classifies scenes which include prominent moving object, and seasonal variation tendency is detected in the cluster ID sequence. The result of object detection via EM algorithm for summer-type images including clear cloud masses such as typhoons shows that this approach well approximate the adequate distribution of cloud masses in many cases. Objects in the very irregular shapes are also well represented as the mixtures of gaussians.The extracted object information, together with the scene clustering result, is expected to offer us a rich source for knowledge discovery of video datasets. This approach is one of the effective ways of mining video images whose characteristics are unknown in advance, and thus applicable to the various type of applications.     

含运动目标的红外图像非均匀校正算法

通过分析运动目标对基于图像配准的非均匀校正算法校正效果的影响,基于相邻帧之间运动目标辐射强度不变的假设,提出含运动目标的红外图像非均匀校正算法。通过临近帧补全运动目标遮挡的场景,消除运动目标的影响,进行非均匀校正得到场景校正帧,再利用运动目标的辐射信息对各帧运动目标进行非均匀校正,最终得到全图校正帧。仿真和实测红外图像校正实验表明：算法能够很好地解决含运动目标的红外序列图像的非均匀校正问题。     

物体基视频编码中的运动物体分割

针对物体基视频编码应用,提出了一种基于运动的图像序列分割方案,它同时结合了亮度和运动信息,使用重构式开－闭形态滤波器等形态变换工具。此外,还提出了一种区域生长型的分水岭算法,它直接对要分割的图像而不是其形态梯度信号进行分割,克服了传统形态分割方法使用形态梯度信号而导致轮廓信息丢失的缺点。在具体实现算法时,文中采用了一种基于分级队列结构进行图像扫描的巧妙方法,大大提高了算法的效率。模拟结果表明,该方     

基于融合的夜间视频图像增强算法

夜晚条件下,能见度低,光线不足等问题导致夜间图像亮度通常很差而且亮度不均匀,从而影响图像质量。首先采集针对同一场景的白天图像,然后再将实时夜间视频进行高斯背景建模,提取出运动目标并将该夜间图像进行增强,对增强后的夜间图像和白天图像进行小波分解,然后用加权融合算法进行融合得到最终的背景图像,将最终的背景图像进行小波反变换,反变换以后的图像与提取出的目标叠加就得到增强后的图像。增强后的图像场景清晰,图像整体上自然、平滑、细腻,算法有效地提高了夜间图像的质量。     

彩色序列图像中移动目标定位与区域提取

提出一种基于彩色序列图像提取移动目标区域的新方法。首先采用时态差分法进行运动目标定位,对彩色序列图像进行差分;然后通过选择阈值将彩色差分图像转化为二值图像;为了克服背景扰动和摄像头抖动,采用了对称差分算法,使得运动目标的定位更为准确。最后在对称差分的基础上,通过投影提取移动目标区域,为了消除扰动造成的影响,采用了杂块去除和区域合并方法。实验结果表明所提方法能有效快速地提取出移动目标。