基于多尺度Fourier-Mellin变换的末制导目标跟踪

针对光电成像末制导阶段目标尺寸迅速增大且可能伴有旋转的稳定跟踪问题,采用了一种基于多尺度Fourier-Mellin变换的目标跟踪方法.根据高斯尺度空间理论和Fourier-Mellin变换,构造了基于多尺度Fourier-Mellin的图像变换参数估计策略.利用平均绝对差分匹配准则对模板和待匹配图像进行图像匹配,当匹配误差过大时,基于多尺度Fourier-Mellin变换进行模板参数估计,求出模板与当前目标之间的尺度和旋转变换参数,并利用双线性内插调整模板,求得目标匹配位置,对模板进行刷新.仿真结果表明,该算法能够适应末制导阶段目标尺寸的急剧变化,实现对目标的稳定跟踪,其跟踪精度和稳定性优于传统方法.     

移动机器人定位图像匹配的快速局部特征算法

利用定位图像的局部特征进行移动机器人导航和定位是近年来该领域的研究热点.针对经典局部特征提取和描述算法实时性不好,提出一种快速局部特征(fast local feature, FLF)的检测子和描述子算法.利用离散尺寸的均值滤波器估算LOG算子构建图像尺度空间,建立尺度和旋转不变的检测子.在尺度相关的邻域中利用规格化后的像素强度作为关联信息,建立局部邻域的描述子.模拟实验中,利用优选参数的FLF与经典SIFT算法对比,在识别率相当的条件下,FLF的运行时间是SIFT的1/3.在标准评估图片和移动机器人平台拍摄的定位图片构成的数据集下,FLF的匹配效果好于经典的SIFT和SURF算子.因而FLF是一种适合于实时应用的快速局部特征.     

一种新颖的模糊形态联想记忆网络

模糊形态联想记忆网络FMAM具有较强的抗膨胀或腐蚀噪声能力，且可以模糊性解释。但抗混合噪声的能力很弱。而在实际中，随机噪声往往是混合型的，既有膨胀又有腐蚀噪声。为此提出了一种基于尺度空间的模糊形态联想记忆网络，并分析了其抗膨胀／腐蚀噪声和抗随机噪声的能力，它提高了自联想FMAM的抗随机噪声能力。通过仿真实验验证了该方法具有良好的性能。     

多尺度边缘检测技术的分类及比较

本文综述了多尺度边缘检测技术：介绍了基本概念及有关理论；归纳了现有的各种多尺度边缘检测方法；     

一种高效的SAR图像角点提取算法

INS/SAR组合导航系统对合成孔径雷达(SAR)图像的角点提取精度、实时性、可靠性要求较高,为此,提出一种结合曲率尺度空间与Harris算子的角点提取算法,用局部Harris算子定位用曲率尺度空间法提取出的角点。实验结果表明,该算法实时性好、精度高、冗余度低。     

基于改进曲率尺度空间技术的图像水印算法

提出一种新的鲁棒性水印算法,利用改进的曲率尺度空间技术,提取图像的少量较顽强角点,用于重建受几何攻击的图像。选取2个chirp信号作为水印信息,将其嵌入图像的分数傅里叶变换（FRFT）域,选用变换阶次和水印嵌入位置矩阵作为算法密钥,根据chirp信号在FRFT域呈现的冲激特征检测水印信号。仿真实验结果表明,该算法具有较高不可见性、安全性和鲁棒性。     

基于多尺度空间边缘检测的研究

边缘检测一直是计算机视觉和图像处理领域的经典研究课题之一。该文综述了多尺度边缘检测技术;介绍了多尺度检测的基本概念;归纳了现有的各种多尺度形态学边缘检测方法。     

一种基于线性亮度变化模型的鲁棒的光流算法

提出了一种鲁棒光流算法,用于计算光照强度、帧间运动速度及运动速度变化较大情况下的光流场。在梯度约束方程中嵌入了线性亮度变化模型,以提高大的光照强度变化下算法稳健性;将各向异性扩散方程引入空间方向平滑约束,以改善运动不连续处的流速计算精度,并依此建立了多尺度空间微分光流算法。参数的均衡化得到了线性尺度变化下的恒定能量函数。迭代运算引入运动补偿的概念,使亮度误差减小。实验结果表明,在光照强度和运动速度及速度变化较大时,本文算法具有很好的计算精度,并产生密度100%的光流场。     

基于QP_TR信任域的序列图像目标跟踪

本文将信任域算法和尺度空间理论相结合，提出了一种能够精确描述目标尺寸连续变化的新的序列图像目标跟踪算法；将信任域算法与灰度模板相结合，提出了一种新的实时目标跟踪算法。在第一种算法中，首先将序列图像按照颜色直方图转换成目标概率分布图，目标区域在概率分布图中呈现为灰度块。然后通过检测该图在尺度空间中微分滤波器输出的极值，来决定这些灰度块的尺度。最后我们使用QP_TR信任域算法在尺度空间里和图像平面内快速搜索概率分布图的多尺度规范化Laplacian滤波函数极值，实现了目标定位并同时决定了其尺度，从而完成了跟踪任务。在第二种算法中，首先记录目标初始模板，在随后每一帧中应用OP_TR信任域算法搜索与该模板最相似的区域，实现目标定位。和现有算法的比较以及在大量真实序列图像上的实验表明，两种算法分别在目标大小描述，跟踪精度上以及运算速度上有了显著提高。