基于相位相关的目标图像亚像元运动参数估计

为获取亚像元级目标运动参数,提出一种基于相位相关分析的图像配准方法。首先讨论了目标局部运动和全局运动的目标参数估计问题,通过图像减影运算和模块匹配方法实现粗配准,从全景图像中分离目标信息和背景信息,计算目标中心坐标,获取像元级运动参数;然后采用相位相关图像配准方法实现精配准,利用傅里叶变换的平移特性,对产生平移的目标图像,通过求解归一化的互功率谱的傅立叶逆变换,得到二维脉冲函数,其峰值对应图像位移,由此获取亚像元级位移量。在实验室通过自准直光学系统获取光斑运动图像,使用Leica经纬仪标定光斑运动参数精度。结果表明,该方法效果显著,最大配准误差为0.156,标准差为0.091,配准精度优于1/10像元。     

采用最优峰值的相位相关红外图像配准方法

对数极坐标域下的图像配准方法常因相位相关互功率谱呈现多峰分布而影响匹配准确度,为此提出了一种基于区域最优峰值的相位相关红外图像配准方法。首先将待配准图像和参考图像转换到对数极坐标域,其次以自适应巴特沃斯高通滤波为预处理,最后结合归一化互相关和相位相关的相似性测度,在合理截断互功率谱半径轴低数值段的基础上,筛选出最优峰值实现自动配准,同时研究了对数极坐标变换尺寸对匹配性能的影响,给出了最优尺寸变换比。实验结果表明:该算法对噪声污染图像表现出较好的鲁棒性,对于存在平移、旋转和缩放的红外图像具有更高的配准精度。     

基于傅里叶变换的遥感图像配准算法

提出了一种基于傅里叶的遥感图像自动配准方法,图像间的变化包括平移、旋转及比例变化。该方法是傅里叶相位相关技术的扩展,其主要优点是在不需要寻找控制点和传感器参数的情况下进行图像自动配准。通过对数一极坐标变换、利用傅里叶变换的比例特性和旋转特性搜索图像间的比例和旋转变化,利用傅里叶的相位相关技术(能量谱)确定图像间的平移关系,实验结果表明了此方法的可行性和有效性。     

MEMS测量中一种新型的亚像素定位技术

亚像素定位技术是实现基于视觉的高精度MEMS测量的关键。文章提出了一种混合非线性优化和离散傅里叶变换的亚像素定位方法。首先通过相位相关法估计出像素级平移参数,然后利用互功率谱的整体信息,在其邻域范围内进行上采样矩阵傅里叶变换,精确定位相位互相关谱的峰值,测得亚像素级平移参数,最后实现了图像的高精度匹配。实验表明,该算法的定位精度优于扩展的相位相关法,像素定位精度能达到0.01像素,能够满足MEMS运动图像的高精度定位,且具有更好的噪声抑制能力和计算复杂度较低的特点。     

基于尺度预估的SAR图像相位相关配准算法

高精度的图像配准是SAR图像融合的前提条件之一.针对相位相关匹配方法用于强相干斑噪声的多波段、多极化SAR图像匹配时存在的缺点,提出了一种基于尺度预估的SAR图像相位相关配准算法.首先,利用图像问的中心频谱值之比实现尺度预估计;然后,在相位相关过程中,针对强噪声图像的互功率谱的逆傅里叶变换图存在多峰的情况,通过脉冲值的局部搜索得到最佳的匹配参数;最后,校正待配准图像,达到精确配准.实验结果表明,文中算法对于多波段、多极化SAR图像具有良好的匹配效果.     

基于相位相关的电子稳像算法研究

提出了一种新的基于相位相关的电子稳像算法：首先在参考图像帧中心处截取一个小图像区域,然后在待稳定图像帧中寻找一个同样大小的区域,使得在对数极坐标表示下,这两个小区域图像的互功率谱经傅里叶反变换后是一个二维脉冲信号。所要寻找的小区域中心点在待稳定图像帧中的位置即为所要估计的平移参数,二维脉冲信号中脉冲的位置与缩放因子和旋转角度有关,由此而得到图像帧间的旋转、尺度变换以及平移运动参数。实验说明了此方法的有效性,能够满足一般要求。     

相位相关法及其在偏振图像配准中的应用研究

分析了遥感偏振探测的原理和与遥感强度探测相比所具有的优越性,指出了偏振罔像的特点。采用偏振测量方法,可以获得地物的偏振信息,有助于增强对地物的探测能力,但是对罔像像元小对准有很高的敏感性,为了得到可靠的偏振信息,配准的精度应该至少到达0．1个像素。介绍了一种基于傅妒叶变换的配准方法：相位相关法,并把该方法应用于偏振图像配准中。相位相关法根据傅立叶变换的平移性质,能够解决具有平移关系的图像配准问题,实验证明该方法具有对噪声和图像灰度变化不敏感的优点。     

基于光学相关的亚像元像移测量方法研究

为了对高帧频采集的低信噪比图像进行亚像元配准,使用了光学联合变换相关的方法对相邻两帧图像进行相关运算,测量出相对像移量.给出了使用该方法测量像移的原理和离焦影响,并采用两种预处理方法对不同景物图像的亚像元像移进行了仿真测量.结果表明,通过对联合变换相关器的输入面采用拉普拉斯卷积核进行边缘提取,对功率谱采用均值进行二值化处理,亚像元像移的测量均方差小于0.2个像元,并且测量精度对离焦不敏感.     

两阶段平移、旋转图像高精度配准算法

图像配准在图像处理中是十分重要的,通常是许多现代图像处理和计算机视觉任务一个关键的预处理步骤,许多算法和技术已经被提出用来解决配准问题.本文提出一种稳健的两阶段层次配准算法,在频域组合相位相关和谱对消技术对平移和旋转图像获得亚像素精度的配准.算法第一阶段首先利用一维FFT技术实现图像的旋转以确定旋转角度,并利用这个旋转角度将两幅图像之间的运动简化为平移运动,然后利用相位相关法确定整数像素平移参数.算法第二阶段运用谱对消技术确定亚像素平移参数.提出的算法甚至在图像因为下采样而包含混淆误差情况下仍然能够获得亚像素精度配准.     

基于傅里叶变换的遥感图像配准

针对存在平移、旋转和尺度关系的多传感器、多谱段遥感图像配准问题,提出了一种基于边缘特征提取和伪对数极坐标傅里叶变换（EPLPFFT）的频域配准技术。采用边缘检测等图像预处理技术。提取了图像的大部分共有显著特征,有效消除了图像间的灰度差异;利用伪对数极坐标离散傅里叶变换（DFT）,改善了对数极坐标DFT的计算精度,从而可以通过对数极坐标频域配准技术配准经边缘提取后的特征图像。遥感图像的配准实验证实了这一方法的稳健性和配准精度。     

基于傅里叶梅林变换的SURF算法

针对加速鲁棒性特征算法,在没有后续去误匹配等处理的情况下,对存在较大旋转角度的两幅待匹配图像,匹配精度较低的问题,提出了一种基于傅里叶梅林变换的SURF算法。该算法通过对待匹配图像和参考图像实施傅里叶变换和梅林变换,利用能量谱求出两幅图像发生的旋转角度,并利用SURF算法找出图像间发生的平移和尺度变化,实现了图像间的匹配。实验结果表明,该算法可有效地实现图像间存在较大旋转角度时的几何匹配,且相比已有的SIFT和SURF算法,具有更好的匹配效果。     

基于频谱分析的运动模糊图像参数检测

为了提高运动模糊图像的运动方向和运动像素的检测精确度,本文提出了基于频谱分析的运动模糊图像参数识别的改进算法,从频谱分析的角度出发推导了暗条纹宽度、图像大小、条纹倾斜角度与运动尺度、运动像素之间的关系;采用二次傅里叶变换的方法细化亮条纹,分析并简化了条纹倾斜角与运动方向角之间的关系;分析了频谱中十字亮线产生的原因及位置,提出了去除十字亮线的新方法;然后,对处理后的频谱进行Radon变换,根据变换结果得出模糊图像的运动方向和运动像素。实验证明,该算法能够检测出不同大小模糊图像的运动方向和运动像素,检测误差控制在0.5°、2个像素的范围之内。     

实拍运动模糊图像的退化参数估计与复原

针对实拍运动模糊图像的复原问题,分析了实拍图像与仿真模糊图像的特征差异,提出一种适用于实拍图像退化参数估计的方法.首先计算退化图像的倒谱,选用倒谱灰度极小值的绝对值作为阈值把倒谱变为二值图像,再去除中心的十字亮线;然后用点到直线的距离公式计算出二值图像的亮条纹方向,即得运动模糊方向;最后以退化图像中心为旋转轴,将运动模糊方向旋转至水平方向,用差分自相关法计算模糊尺度.把估计的点扩散函数(PSF)代入维纳滤波算法复原实拍图像,复原效果证明参数估计结果正确.     

基于匀速直线运动下模糊图像复原的研究

根据运动模糊图像产生的原因及特点,文中阐述了在匀速直线运动下模糊图像退化的模型,介绍了维纳滤波复原图像的原理。由于在图像获取时模糊原因的不确定性,使得点扩散函数(PSF)具有不准确性,从而使模糊图像复原的效果不佳。针对点扩散函数的确定,利用方向微分法快速判断运动模糊方向,再利用一阶差分自相关的方法鉴定运动模糊图像的模糊尺度,从而确定点扩散函数。在确定K值时,采用K值自动估计算法。通过实验仿真表明,此方法对模糊图像复原效果良好。     

基于兴趣点检测和仿射变换模型的序列图像拼接

针对序列图像的拼接问题,提出了一种基于兴趣点检测和仿射变换模型的图像配准算法,利用Harris算子检测兴趣点,并引入灰度交叉匹配和兴趣点坐标离散度两级约束策略确定同名兴趣点,通过在图像间建立仿射变换模型实现图像的配准;提出了一种自适应加权归一化函数对拼接图像进行处理,消除由于图像间灰度差异而导致的拼接缝。实验结果表明算法具有较高的配准精度和良好的像素融合效果。     

数字图像的逆滤波复原

对原有逆滤波器进行了改进,从离焦模糊和运动模糊产生的原因出发,结合模糊图像与频谱图的对应关系,应用Hough变换估计出退化参数,然后利用逆滤波方法对模糊图像进行复原。实验结果表明,改进的逆滤波器简单易实现,复原结果较好,但Hough变换估计退化参数的准确性有待进一步提高。     

Robust blind motion deblurring using near-infrared flash image

In light-limited situations, camera motion blur is one of the prime causes for poor image quality. Recovering the blur kernel and latent image from the blurred observation is an inherently ill-posed problem. In this paper, we introduce a hand-held multispectral camera to capture a pair of blurred image and Near-InfraRed (NIR) flash image simultaneously and analyze the correlation between the pair of images. To utilize the high-frequency details of the scene captured by the NIR-flash image, we exploit the NIR gradient constraint as a new type of image regularization, and integrate it into a Maximum-A-Posteriori (MAP) problem to iteratively perform the kernel estimation and image restoration. We demonstrate our method on the synthetic and real images with both spatially invariant and spatially varying blur. The experiments strongly support the effectiveness of our method to provide both accurate kernel estimation and superior latent image with more details and fewer ringing artifacts.     

Robust defocus blur identification in the context of blind image quality assessment

A defocus blur metric for use in blind image quality assessment is proposed. Blind image deconvolution methods are used to determine the metric. Existing direct deconvolution methods based on the cepstrum, bicepstrum and on a spectral subtraction technique are compared across 210 images. A variation of the spectral subtraction method, based on a power spectrum surface of revolution, is proposed and is found to compare favourably with existing direct deconvolution methods for defocus blur identification. The method is found to be especially useful when distinguishing between in-focus and out-of-focus images.     

基于边缘信息的运动模糊图像的鲁棒盲复原

为获得适用于不同模糊图像且简捷的图像盲复原方法,提出了一种稳健的从单幅模糊图像中求取模糊核并对图像去模糊的图像盲复原方法。根据模糊图像与非模糊图之间的边缘关系求模糊核,并在多尺度框架下针对各个子算法设定自适应参数,从而构建一个稳健的图像盲复原方法。对复原结果用4种无参考的图像质量评价方法的评价结果显示,本文方法在噪声和...