基于多尺度特征融合的无人机影像旋转不变性匹配方法

无人机影像匹配在无人机影像处理中占据核心位置,而方向估计是进行旋转不变性匹配的重要一环。然而,由于无法明确无人机影像特征点的标准主方向,目前的匹配方法仍然会有较大的方向估计误差,导致匹配精度低。提出一种基于多尺度特征融合的无人机影像旋转不变性匹配(RIMN)方法,其中的多尺度特征提取模块可以融合丰富的影像语义特征,并采用Transformer自注意力模块在影像的弱纹理区域中提取鲁棒稳健的特征,同时设计了双重损失函数来提升特征点的方向估计精度用于完成旋转不变性匹配。设置了不同旋转角度下的影像匹配对比实验,定性及定量结果表明,所提方法具有更为优秀的旋转不变匹配性能。

旋转不变性图像模板匹配快速算法

综合利用图像梯度幅值统计的旋转不变性,梯度角度统计的旋转迁移性以及图像梯度角度统计的旋转自相关系数分布对称性,基于图像的3种不同特征,分两步精确快速地完成了统计匹配运算。仿真试验结果显示:本文算法在模板图像发生任意角度旋转的情况下匹配性能好。该算法时间复杂度小,并且在模板图像灰度发生一定程度的非线性变换、缩放、遮挡等情况时仍具有良好的鲁棒性能。

具有尺度与旋转不变性的立体影像自动匹配研究

提出一种具有尺度与旋转不变性的影像自动匹配算法。首先基于方向小波变换构造三尺度特征点算子,进行两尺度匹配,保证其尺度不变性问题;其次构造特征点64维描述向量,解决影像匹配的旋转不变性。分别采用地面立体像对、无人机平台立体像对、航空立体像对进行试验分析。试验结果表明,提出的立体匹配算法具有良好的尺度和旋转不变性。

基于图元旋转不变性和相位统计信息的LBP算法在纹理分类中的研究

传统的LBP算法缺少对图元的相位分析,因此不能较好地区分由图元旋转形成的同类纹理图像.文中提出了一种融合图元旋转不变性和相位统计信息的纹理分析算法.新算法利用图元旋转不变性的等价类约简纹理特征,减小纹理旋转带来的分类误差,然后利用图元的统计相位特征进一步划分纹理图像分类集,进而解决由旋转不变性带来的欠分类问题.该算法选用均值漂移作为纹理分类工具,并采用Brodatz纹理库作测试.与传统的WTGGD、LBP等算法相比,分类效果有显著的改善.

一种快速的具有旋转不变性的模板匹配方法

传统的基于相关的匹配方法计算量相当大,而且当模板相对于搜索图有角度旋转时,匹配的计算量更大。用圆投影和Zernike矩的方法对快速的且具有旋转不变性的模板匹配方法进行了研究,圆投影将图像由二维变换成一维,这样就降低了计算复杂度,通过相似性度量可进行快速地粗匹配,然后在可能的匹配点中,再用Zernike矩实现精匹配。

一种具有旋转不变性的压缩域纹理图像分类方法

该文提出了一种具有旋转不变性的、基于DCT压缩域的纹理图像分类方法。此方法主要是在DCT压缩域中合理组织频率系数,使其具有与小波分解相类似的图像多分辨率结构,由此设计了抗旋转能力强的纹理图像分类算法。这些操作直接在游程长编码(RLE)形成的码流上进行,处理的数据量较少,处理速度快。实验结果表明,这种分类方法具有较高的准确性。

用支持向量机实现尺度和旋转不变性纹理分类

提出了一种简单的尺度和旋转不变性纹理分类方法 .首先使用对数 -极坐标变换对要分类的各纹理图像进行变换 ,生成对数 -极坐标图像 ;然后以对数 -极坐标图像的正则化以后的行投影数据向量构成纹理图像的特征向量 ;最后运用支持向量机实现尺度和旋转不变性纹理图像的分类 .实验结果表明 ,该方法在尺度和旋转不变性纹理图像的分类中 ,准确率可达 90

具有平移、尺度和旋转不变性的小波变换

寻求具有平移、尺度和旋转不变性的小波变换,是应用小波分析进行模式识别需要重点解决的课题。普通的离散小波变换对信号的起始位置非常敏感,不具有平移不变性。本文通过坐标变换,采用方向能量函数确定图像主轴方位,并将其旋转到水平方向得到方向归一化图像。通过对图像的重整和正交小波基的位移、伸缩变换,消除位移和尺度的影响,得到具有平移、尺度和旋转不变性的小波变换。

一种具有旋转不变性的相关系数影像校正方法

相关系数校正法对影像旋转敏感度高,不具有旋转不变性。针对此问题,提出一种基于霍夫变换和1D傅里叶变换的灰度相关系数影像校正方法。首先将影像进行霍夫变换和傅里叶变换,将旋转问题转变成平移问题,利用相关系数法求出其平移参数,即原始待处理影像的旋转参数;将待处理影像去旋转后,再运用相关系数法进行平移校正得到最终的校正影像。实验结果表明此方法能准确有效快速地处理具有旋转和平移的影像校正问题。

基于方向-频率分解的旋转不变性纹理分类

提出了一种用于纹理分类的旋转不变性特征提取的新算法.该算法是将一定大小的图像进行二维傅里叶变换;其次在变换后的图像中央选择一个圆盘区域,并在方向[0°,180°]内进行等间隔角度频率抽样,实现方向分解,使用一组复Morlet小波对每个方向上的映射切片进行小波变换,从而实现多通道频率分解;在各个频率通道中计算均值和方差作为特征,并利用线性回归模型计算频率通道之间的关系特征;将特征沿方向进行一维傅里叶变换并取其幅值,从而得到旋转不变性特征.实验结果表明所提取的特征具有较好的旋转不变性,与其它算法相比具有更好的分类性能,并且对无旋转纹理分类也能产生较好的分类结果.

基于FFT旋转不变性的ESPRIT跳频信号频率估计算法

为了解决信号的信噪比(SNR,signal to niose ratio)较低时,ESPRIT(estimated signal parameters via rotational invariance technique)算法的估计性能明显下降这一问题,提出一种基于FFT(fast Fourier transform)旋转不变性的ESPRIT跳频信号频率估计算法。该算法通过对采集到的信号样本进行FFT变换,对变换结果中幅度最大的谐波系数进行筛选构造新的信号序列,再利用FFT的旋转不变性重新合成两个具有旋转不变性的矩阵,最后再利用ESPRIT算法对信号频率进行估计。理论分析和仿真结果证明了该算法的可行性和有效性。

具有旋转不变性的纹理分割方法

本文提出了一种具有旋转不变性的纹理分割算法。纹理图象被模拟为三层次过程综合作用形成的,它们是区域过程、纹理过程和退化过程。整个方法包括具有旋转不变性的纹理特征抽取、纹理特征的光滑、基于三层次神经元网络的初始分割以及利用多值Boltzmann机的进一步分割。对自然纹理图象的分割结果证明了算法的有效性。

ZERNIKE矩的旋转不变性及对旋转角度的估计

Ｚｅｒｎｉｋｅ矩所用的变换核是一组正交变换核，并且矩的模在空间上是旋转不变的．本文指出了Ｚｅｒｎｉｋｅ矩的相位包含了所有有关目标在空间取向的信息．为了提取这一重要信息，提出利用大于给定门限的多个矩的统计估计方法．计算机模拟结果，表明了这种方法的有效性．

具有旋转不变性的异形模板匹配方法

针对工业自动装配产品过程中异形工件出现旋转后的定位问题,提出一种新的异形目标识别方法,设计基于目标轮廓的同心等势线异形模板,并结合圆投影方法,能快速有效地实现计算机对异形目标的自动识别与定位。研究结果表明,该方法可以准确地实现不规则目标的旋转变化识别,同时可以有效地解决存在亮度变化、对比度变化、噪声干扰等情况下的异形目标的匹配问题。

基于旋转不变性的红外序列图像自动匹配

红外序列图像的匹配处理是在一系列红外图像内寻求像素点对应关系的过程,它直接涉及并影响到红外图像配准的精度,是视频目标识别、定位、跟踪等处理的关键技术之一。匹配中为了加快搜索速度,采用了金字塔策略。针对红外图像信噪比低的特点,预处理时引入了小波阈值算法对红外图像进行滤波处理;针对无人机红外序列图像间旋转角度大的特点,采用SIFT算法对灰度序列图像进行了匹配,并结合相关系数控制的方法,进一步去除错配点。匹配时不受传感平台较大角度旋转的影响,从而取得了良好的效果。

视觉导航的旋转不变性图象获取和神经元网络识别方法研究

本文报告了将旋转不变性图象和神经网络用于移动机器人室外道路识别和方向判别的研究结果。本方法采用图象分析技术与自适应的神经元网络相结合；用全方位图象传感器提取图象样本，然后从图象中提取旋转不变性的特征，使用分类网络对道路类型分类，并用其结果选择不同的方向估计神经元网络；分析了神经元网络在选择不同形式的输入数据和不同数目的隐含层结点时的性能。文章给出了在室外环境下拍摄的真实图象实验的结果。

基于增强的同质相似性和旋转不变性的MRI去噪

提出了一种基于增强的同质相似性和旋转不变性的MRI去噪算法。考虑到图像的旋转不变性和同质相似性,融合了体像素(voxel)的亮度、相应邻域块的均值、梯度以及一致锐度。通过这个融合,块状的结构信息,如边缘、角形、末端能被很好地保护。提出的方法和近年来相关的先进方法在Brainweb数据库进行定量对比,结果表明提出的方法均优于其他方法,在去除噪声的同时能很好地保护图像的细节。最后,将提出的方法应用于OASIS临床数据库。

一种具有旋转不变性的模板匹配方法

对目前应用的旋转图像进行模板匹配定位问题,通常采用由不同旋转角度的模板构成模板集合,用集合中的成员分别作用于目标图像进行匹配定位,该方法计算量大,很难将其应用于实时系统中。针对上述存在的问题,文中提出了一种借助非旋转模板对平面内旋转图像进行匹配定位的疗法,第一步采用圆投影法对可能出现的匹配点进行预筛选,再用具有旋转不变性的NMI特征对筛选出来的点作进一步判断确定是否为存在模板图像的点。实验结果表明:该方法不但具有旋转不变形,而且可提高匹配定位的速度。

基于灰度共生矩阵的旋转不变性改进算法

基于灰度共生矩阵纹理特征提取算法,提出了针对其旋转不变性的改进算法。引入"伪像素点"的概念,使用"伪像素点"进行像素对灰度值统计,提高了纹理特征旋转不变性;在原始算法四个方向的基础上,增加了四个方向,使得纹理特征旋转不变性进一步提高。使用公共图像库对原始算法及两种改进算法进行实验比较,结果表明。

局部Walsh谱描述图像纹理特征的旋转不变性

为了有效地进行纹理分析,提出一种基于局部Walsh谱的纹理特征旋转不变性描述方法。首先,比较每个像素点与其邻近点的灰度值生成局部二值序列,并计算序列离散Walsh变换的功率谱;然后,采用功率谱的各谱点值构成特征直方图描述纹理特征;最后,从序列的列率特性出发,构造了新的两族局部Walsh谱,揭示了局部Walsh谱与局部二值模式之间的联系。因为离散Walsh变换功率谱具有循环移位不变性,所以局部Walsh谱具有先天的旋转不变性。实验结果显示,与灰度共生矩阵和Gabor滤波器组相比,局部Walsh谱的纹理分类准确率较高;与局部二值模式相比,在相同尺度下局部Walsh谱的分类准确率比其高出3%以上,对两幅旋转纹理图像分割的错误率比其低11%和3%,表明提出的方法具有较好的纹理鉴别能力和旋转不变性。