基于互相关信息的非参数变换立体匹配算法

针对传统的非参数变换立体匹配算法实时性不强和可靠性不高的局限性,提出一种基于互相关信息的非参数变换立体匹配算法.将变换窗口内所有像素的灰度值进行平均,然后将平均值作为中心像素的灰度值;为了在立体匹配时能够考虑像素间的互相关信息,将变换窗口各邻域与中心像素的相对位置大于一个单位的像素,其灰度值用双线性插值后的灰度值替代;将变换窗口的像素灰度值进行非参数变换立体匹配,得到致密的视差图.实验结果表明:与其他基于局部的单一立体匹配算法相比,该算法得到的误匹配像素百分比与其他算法相当,能够有效提高传统非参数变换立体匹配算法的鲁棒性.

基于互相关信息的图像目标检测方法研究

针对背景变化下运动目标的检测问题,采用一种结合互相关信息的目标检测算法,利用混合优化,Powell和粒子群(Pso)交替优化两幅图像间的互相关信息,直到互信息值最大,得到图像间的最佳平移旋转参数,将图像进行空间配准。最后采用三帧差分相乘法检测出目标并增强目标区域,实现运动目标的准确检测。通过对变化背景图像的运动目标检测仿真,结果证明了检测算法的准确性和可行性。

采用SURF特征和局部互相关信息的图像配准算法

针对现有图像配准方法中存在的鲁棒性与配准精度难以兼容的问题,提出了一种采用SURF特征和局部互相关信息的图像配准算法。首先通过SURF特征提取方法进行初步粗配准以提升配准鲁棒性,然后利用图像中局部关键区域的互相关系数计算出单应矩阵,最后将单应矩阵应用于粗配准结果,对粗配准后的图像进行旋转变换,从而实现高精度和高鲁棒性的图像配准。实验结果表明:提出的配准方法与基于SIFT、ORB、SURF、互相关信息的图像配准方法在多组数据上进行了对比,不仅表现出了较高的配准精度和配准效率,也表现出了更优的鲁棒性。

相干信源波达方向估计的加权空间平滑算法

提出了一种用于空间相干源DOA估计的加权空间平滑算法(WSS, weighted spatial smoothing)。常规的空间平滑算法没有利用子阵输出的互相关信息,而且对相干信源的分辨力较差。WSS算法充分利用了子阵输出的自相关信息和互相关信息,将主阵协方差矩阵的所有子阵阵元数阶的子矩阵进行加权平均,以期提高常规空间平滑算法的分辨性能。文中以加权平滑后等效的信源协方差矩阵的对角化为约束条件,推导了加权矩阵的理论表达式。计算机仿真结果表明,WSS算法与常规空间平滑算法相比具有更高的分辨性能和更低的信噪比门限。特别是在子阵划分较多时其优越性更加明显。