广义质心及其在仿射变换参数恢复中的应用

目的全局的仿射变换配准需估计出仿射变换的参数,现有算法要么效果不佳,要么对二值图像无能为力。本文改造传统质心的定义,提出广义质心的概念。方法传统的质心以二重积分定义,所提广义质心利用变形累次积分定义,传统质心只是这种广义质心的特例。本文给出了广义质心保持仿射变换前后对应关系的条件,并提出了一种利用这种广义质心进行仿射变换参数恢复的算法。结果该算法对灰度和二值图像的仿射变换参数恢复都适用,实验结果也表明现有的交叉权重矩方法耗时是本文算法耗时的25倍,但它们的恢复效果相差不大,并且本文算法要比现有的图像矩构造非线性方程组方法恢复效果好。结论本文提出了广义质心,利用这种广义质心进行仿射变换参数恢复算法,对二值图像和灰度图像均适用,恢复效果较好,并且计算量较小。

仿射协变的G-质心

图像质心保持仿射协变,但仅可用于消除平移。为方便地提取仿射不变特征,需构造保持仿射协变且异于质心的类质心点。现有算法要么计算量大,要么对二值图像不适用。针对这种情况,提出G-质心,通过改造在极坐标系中图像质心的定义得到,引入极径方向积分的变换函数,使得目前大多的类质心构造算法均是其特例。实验结果表明,通过引入中心投影类的变换函数,所得G-质心可比广义质心、交叉权重质心等算法具有更优的抗噪性能。

基于奇异值分解的特征跟踪方法

在传统的基于模板匹配的跟踪方法中 ,均是给定一个模板 ,然后从图像中各个位置取出一个个与模板大小一致的区域进行相似性度量 ,找出与模板距离最小的一个区域作为当前模板 ,以便进行下一步的匹配跟踪工作。在景象匹配和相关跟踪过程中 ,由于所面临的大多数是变化的场景 ,实时获取的图像与预存模板之间存在比较大的差异 ,传统相关匹配方法的应用就会受到限制 ;而且在跟踪过程中 ,随时更新模板会造成跟踪性能对扰动过分敏感 ,从而产生漂移。首先拍摄目标不同角度的图像 (尽可能包含目标可能出现的所有情况 ) ,构成目标图像训练集合 ,抽取出特征矩阵 ,对它进行奇异值分解 ,构成一个关于目标的多维空间。然后再用匹配方法在全局范围搜索 ,找出目标的大致位置 ,并利用收敛方法在确定的大致位置内进行搜索 ,确定目标的仿射变换参数 。

目标装饰图像多维特征点集自适应跟踪方法

针对传统方法目标装饰图像特征点采集效率低且图像匹配准确率低的问题,提出一种目标装饰图像多维特征点集自适应跟踪方法。结合SIFI算法确定图像极值点,去除不稳定的边缘响应点,以极值点为中心,结合不同尺度的高斯核函数和图像卷积,得到尺度空间中的装饰图像,以欧式距离作为匹配相似性度量值,完成对装饰图像的特征向量匹配,从而生成匹配特征点集集合。采用光流跟踪法确定装饰图像的可靠性特征点集,利用仿射变换参数剔除掉被误处理的可靠特征点,结合显著性特征确定目标装饰图像跟踪框,实现对目标装饰图像多维特征点集的自适应跟踪。仿真结果表明,所提方法跟踪效率高达96%,图像特征匹配率高达95%,说明该方法能够高效准确地采集目标装饰图像特征。

基于改进FAsT-Match算法的特定建筑区锁定跟踪

机载遥感视频背景复杂,且指定建筑目标面积小、分布离散,传统区域提取算法难以准确锁定并跟踪这类目标。提出了一种基于改进FAsT-Match算法的特定建筑区锁定跟踪方法。该方法首先以模板图为基准对目标图像进行直方图规定划,以适应不同的光照变化;然后构建仿射变换参数网络,并根据上一帧得到的最佳仿射变换参数限制当前帧图像的仿射变换参数范围,以提升匹配效率;最后将与仿射变换匹配的平行四边形图像数据经过逆仿射变换成矩形图像作为下一帧模板,从而解决旋转、尺度、形变等变化对目标跟踪准确性的影响。由实验分析可知,该算法AUC指标可达0.820,较NCC算法准确率提升40.5%,且跟踪效果好、效率高、对各种场景的适应性好,可在特定建筑区域准确、实时、高效地锁定跟踪。

New Mathematical Model Based on Affine ransformation for Remote Sensing Image with High Resolution

This paper calculates the parameters of image position and orientation,proposes a mathematical model and adopts a new method with three steps of transformations based on parallel ray projection.Every step of the model is strict,and the map function of each transformation is the first order polynomials and other simple function.The final calculation of the parameters is for the linear equations with good status.As a result,the problem of the relativity of image parameter calculation is solved completely.Some experiments are carried out.