一种适应仿射变换的全自动景象匹配算法

针对景象匹配算法的实时性和精确性问题,提出一种适应仿射变换的全自动景象匹配算法。该算法首先按照显著性要求在参考图中划分n个圆形区域,建立相应的尺度空间集合,并计算所有区域的特征向量,接着在实时图像中,以每一个待定像素为中心,构建实时图像相关区域的尺度空间集合,采用去均值Nprod算法,选取相关系数最大者作为匹配区域,利用匹配区域的几何中心(圆心)来计算参考图和实时图的变换参数,最后利用所求得变换参数对图像进行配准。实验证明该算法准确、有效。     

基于机器学习的SMN可靠性分析及量测误差建模

针对复杂环境下景象匹配导航匹配概率不易实时统计以及量测误差统计特性不确定,提出基于机器学习的景象匹配可靠性分析及量测误差建模方法。首先建立基于机器学习的匹配概率及误差统计特性建模算法框架;然后以速高比变化带来的运动模糊为分析对象,选取支持向量机作为机器学习方法,定义匹配特征指标以及运动模糊下的匹配概率,给出景象匹配量测误差统计分析方法,并通过假设检验方法对景象匹配量测误差进行零均值检验;进一步在google earth制备的大样本数据库下完成匹配性能统计分析,以运动模糊、匹配得到的平均最高峰和平均峰值比作为支持向量机输入,统计得出的匹配概率和误差参数,即均值及方差作为支持向量机输出,通过训练得到匹配概率和景象匹配量测误差参数预测模型;最后根据该模型预测实时图的匹配概率和景象匹配量测误差参数,分析统计了不同模糊大小下实时图的匹配概率和景象匹配量测误差参数预测精度,结果表明:运动模糊小于40个像素时,阈值为5个像素和10个像素时匹配概率预测值与统计值的均方误差分别小于0.004和0.001,方差预测值与统计值的均方误差小于1个像素。     

融合光流与特征点匹配的单目视觉里程计

针对城市平坦路面准确实时定位的问题,提出将光流跟踪法与特征点匹配进行卡尔曼融合的单目视觉里程计方法.基于平面假设,利用光流跟踪法进行帧间小位移定位,同时利用传统的加速鲁棒特征点（SURF）进行帧间大位移匹配来矫正光流法结果.通过卡尔曼滤波更新机器人的位置和姿态.结果表明,融合算法克服了光流法定位精度差和特征点匹配法处理速度慢的缺点,突出了光流法实时性和特征点匹配定位准确性的优点,该方法能够提供较准确的实时定位输出,并对光照变化和路面纹理较少的情况有一定的鲁棒性.     

基于前后端图优化的RGB-D三维SLAM

针对传统滤波方法在解决移动机器人同时定位与地图构建(SLAM)中存在的累积误差问题,将图优化方法应用于前端和后端优化中,以提高移动机器人位姿估计和建图的准确性。运用ORB算法进行图像的特征提取与匹配,将图优化的方法应用到PnP问题的求解中,实现了机器人位姿的准确估计。基于词典(Bag of words)的闭环检测算法来进行闭环检测,得到存在的大回环,同时利用相邻几帧的匹配关系实时检测邻近几帧之间可能存在的局部回环。用图优化的方法对这些回环进行优化,得到准确的运动轨迹和点云地图。实验结果表明:基于前后端图优化的RGB-D三维SLAM算法,在室内环境下具有良好的精度和实时性。     

基于角点特征的高精度图像配准算法

为了快速准确提取图像特征和匹配点对,提出了一种基于角点检测的高精度图像配准算法。该算法首先检测参考图和实时图的角点信息,然后采用双向迭代匹配算法对参考图和实时图的角点进行匹配,再根据基于仿射变换模型的RANSAC算法对候选的匹配点对进行筛选,消除错误匹配对,并估算出最佳仿射变换参数,最后用所得变换参数对实时图进行变换和重采样来实现图像配准。实验结果表明:该算法具有良好的配准精度。     

投影算法与块匹配法结合的实时数字稳像方法

为了实时地稳定摄像系统的输出视频，特别是图像序列中存在运动物体的视频，提出了一种稳像方法.首先用灰度投影算法对图像序列进行粗匹配；然后用块匹配法在粗匹配的基础上进行精确匹配；最后将两次匹配得到的运动矢量相加得到最后的运动矢量，补偿图像序列的运动.进行匹配的小块是根据参考帧的拉普拉斯变换选取的.对实时稳像实验结果的定量分析和评价表明，该方法切实可行，并具有速度快、精度高的特点.     

联合运动估计和帧选择的多帧超分辨率重建算法

多帧图像超分辨率重建中,连续各帧图像间的精确匹配和帧的选择具有非常重要的意义。提出了自适应帧选择原则,设计了联合光子流运动估计配准和超分辨率重建的方法。首先采用光子流运动估计算法计算各帧间的运动估计,设计一种自适应帧选择方法丢弃一些帧间运动较大的帧,再通过亚像素图像配准,计算得到相对精确的运动估计参数,最后结合最大后延概率方法进行图像超分辨率计算,并充分考虑两次迭代所得图像向量的差值对下次迭代算法的影响。实验结果表明,该方法不仅可以实现亚像素级的精确配准,还可以使重建后图像在视觉效果和峰值信噪比上都得到更好的效果。     

序列帧间双重匹配的红外点目标跟踪算法

针对海空复杂背景下红外点目标的检测与跟踪,提出了基于图像序列帧间双重匹配的边跟踪边检测算法,并建立了数学模型。它采用标记序列帧M以帧对帧的方式记录输入序列的帧间匹配结果,标记帧T以点对点的方式记录标记序列帧M的帧间匹配结果,统计帧S记录T中各像素的匹配成功次数,输入单帧图像同步输出矩阵T和S分别显示目标运动轨迹和迎头目标检测结果。算法匹配过程不随目标数目或运动状态而改变,且无需提前判断疑似目标位置,有效解决了目标在图像序列中突然丢失或出现被干扰情况下的跟踪,尤其可以对跟踪结果实时地进行目标分离,解决了迎头目标跟踪的难题。仿真和实际工程图像实验结果表明,算法具有较高的可靠性和实时性。     

基于运动估计的置信度传播立体视频匹配算法

基于置信度传播（BP：Belief Propagation）的立体匹配算法与局部算法相比,视差准确度高,但需要耗费大量的计算时间。为此,提出一个基于运动估计的置信度传播立体视频匹配算法。该算法首先通过传统的BP算法获得I帧的匹配视差图,并保存每个像素获得最佳视差值的传递信息;然后,通过参考I帧的运动估计信息,得到重新排列的I帧视差值的传递信息,将其作为P帧置信度传播算法的初值进行迭代运算,从而大大减少了P帧置信度传播算法的迭代次数。实验结果表明,该算法能大大提高置信度传播立体视频的匹配效率。     

低速运动载体在参考地图上的定位研究

在分析了低速运动载体利用参考地图定位辅助惯性导航系统（INS）的特点之后,认为现有的匹配定位算法不适应修正低速航行运动载体的INS误差,因而相应地提出了一种单步等值线匹配算法. 在该算法中加入了误匹配判断和惯性导航与匹配定位方法之间的转换逻辑判断,以保证算法的有效性和稳定性. 仿真结果表明,在可匹配区其定位精度与地图格网间距相关,圆概率误差(CEP)可以达到地图网格间距的0 7倍.     

基于PCR-DSmT的序列帧融合景像匹配算法

针对INS/SMNS组合导航系统中,单帧景像匹配难以判断匹配结果是否正确并给出准确的匹配置信度的情况,提出一种基于PCR-DSmT的序列帧融合景像匹配算法。算法分为单帧粗匹配和序列帧融合精匹配两步:首先提取图像的相位一致性特征并采用快速归一化互相关算法初步匹配;然后建立序列帧时空约束关系,利用相关阵中极大峰构建辨识框架,采用层次分析法自适应计算置信指派并利用适配因子进行折扣运算,最后采用证据推理组合规则融合并根据判决准则输出匹配位置及置信度或对错误匹配结果报警。针对Dempster组合规则在高冲突序列帧融合时出现错误以及DSmT组合规则在多证据融合时正确位置置信指派难以增大并收敛的问题,提出一种PCR-DSmT组合规则。采用真实航拍图像和对应的Google earth卫星基准图像的仿真实验验证了匹配算法的有效性。     

基于动态多模式匹配的视频压缩感知三步重构

相较于奈奎斯特-香农定理所要求的采样数据量,压缩感知理论表明采用较少的测量值就可以实现高维信号的重构,因此压缩感知在视频信号传感中具有很大的潜力.现有的视频压缩感知重构算法是利用多假设预测来得到残差模型,大量文献采用基于最小均方误差的方法挑选多假设匹配块,由此对视频信号进行重构,然而没有考虑最大化重构视频的整体结构相似性,在图像重构的整体质量效果上存在较大改进空间,并且挑选匹配块的模式没有采用自适应的选择机制,挑选匹配块的方式较为单一.通过增加一定的复杂度,本文提出了一种基于动态多模式匹配的视频压缩感知三步重构算法,该算法主要包括三大步骤:第一步,对压缩感知的每一视频帧进行独立的重构;第二步,从参考帧中动态地挑选匹配块进行非关键帧的重构;第三步,基于整体结构相似性对重构帧进行最终挑选,完成多帧重构.实验结果表明,所提算法能够在重建端有效提高多假设过程的预测精度,与当前最优的视频重构算法相比,进一步提升了重构质量.     

基于仿射光流场的视频图像镶嵌技术

为获取宽视场的场景图像，提出了一种利用仿射光流场进行视频图像镶嵌的方法，首先根据光流约束方程，建立了关于图像间仿射变换参数的目标甬数，然后通过最小化目标函数计算出图像间的仿射变换参数，再根据计算出来的仿射变换参数实现图像的配准，最后通过图像融合获取无缝镶嵌场景图像．实验表明，该方法可以有效地避免误拼接，可以获得较好的镶嵌结果．     

基于场景运动分析的红外图像非均匀性校正

提出了一种基于场景运动分析的红外焦平面阵列成像的非均匀性校正算法,通过利用各探测器单元的输出在时间轴上形成的特征进行图像序列的块匹配,以获得各探测器元的相对响应关系,完成红外图像的非均匀性校正.该算法不仅能适应非均匀性随时间和环境的变化而发生缓慢变化的情况,而且对普通基于场景分析校正算法中形成的校正虚像也有很好的抑制作用.     

基于SURF目标跟踪算法研究

SIFT算法是特征图像特征提取中一种最具鲁棒性的算法,但是其在特征提取匹配上速度较慢,很难满足实时目标跟踪的要求。使用SURF特征提取方法既保持了SIFT算法的高精度的优点,又克服了速度慢的缺陷。提出使用SURF提取并且匹配目标的特征点,用重心算法计算目标的脱靶量,通过小区域跟踪方法和高速硬件平台实现目标的实时跟踪。实验证明,算法对目标的轻微旋转、部分遮挡、亮度变化具有很强的鲁棒性,跟踪速度比SIFT算法也极大提高。     

条带式合成孔径雷达成像方法研究

提出准正侧视合成孔径雷达小斜视角度的校正方法和子孔径参考信号相位对齐算法．准正侧视合成孔径雷达(SAR)成像的校正方法采用正侧视的予孔径聚束算法对准正侧视SAR的实测数据进行成像，根据所成的像估计出小角度斜视角，采用校正的斜视子孔径聚束算法完成最后的成像．子孔径参考信号相位对齐算法本质是将各个子孔径参考信号的相位调整为同相，并构造新的聚束窗函数进行SAR成像．理论分析指出，在不增加采样数据的条件下，该方法能增大雷达方位向成像场景范围．计算机仿真结果证实了所提方法的正确性．     

基于多分辨率图像锥与Hausdorff距离的医学图像配准

提出了利用小波分解建立多分辨率图像锥和Hausdorff距离的医学图像配准方法。先利用小波方法建立多分辨率图像锥,然后根据梯度向量幅度提取分层图像的特征点,利用Hausdorff距离进行特征点集的匹配。该方法提高了配准的速度和精度,而且具有鲁棒性。     

基于运动预测的改进ORB-SLAM算法

针对不同运动场景下以固定的点特征提取与匹配策略的ORB-SLAM算法存在系统跟踪定位误差较大的问题,考虑相机自身运动对视觉SLAM系统的影响,提出基于运动预测的改进ORB-SLAM算法.该方法利用上一帧的点特征利用率和匀速运动模型,预测出相邻2帧之间的共视范围,实时动态调整不同运动状态下的点特征提取阈值,在保证系统稳定性的情况下,提高系统的准确性.提出基于运动预测的点特征匹配优化策略,基于匀速运动模型快速确定出共视范围内的有效待匹配点,结合图像金字塔缩小匹配搜索范围,减少大量的无效匹配过程.在TUM数据集上进行对比实验,结果表明,提出的算法不仅实时性好,而且提高了系统的精度.     

利用SAR图像匹配的弹体定位新方法

在导引头末制导阶段,常采用景象匹配技术修正弹体飞行轨迹的位置偏差,而传统基于多普勒信息的定位方法对误差敏感,无法满足精确制导的需求．针对上述问题,提出一种新的弹体定位方法,通过构建以场景中任意点为北天东坐标系原点的定位几何模型,获取景象匹配后弹载合成孔径雷达图像中多特征点的位置信息;然后以对应的斜距信息构造非线性方程组,运用高斯牛顿-遗传混合算法解算出弹体实际位置,从而准确地对弹道修偏．