基于单演相位的红外图像配准

将单演相位(monogenic phase)的概念用于红外图像特征点的匹配,完成了红外图像的配准。其核心思想是用Harris角点检测算法提取特征点,然后以单演信号元素{p(x),q1(x),q2(x)}构成相关矩阵,提取出初始特征匹配点对,再用随机抽样一致性算法(RANSAC)去除伪匹配的特征点对,选择内点集估计对极几何的基本矩阵,实现图像的配准。实验验证,单演相位的应用高效稳定地完成了红外图像的配准。

一种基于单演相位特征的动态目标跟踪方法

颜色作为一个有效的视觉特征,被广泛用于目标跟踪中。但在光照变化环境下,颜色会发生变化,从而导致基于颜色的跟踪算法性能不稳定。单演相位作为包含图像重要信息的特征,具有在光照变化环境下性能稳定的特点。为了提高在光照变换环境下的跟踪稳定性,提出一种基于单演相位的动态目标跟踪方法,首先运用高斯模型更新背景并得到各动态目标,再计算出各动态目标的单演相位直方图,最后和待跟踪目标单演相位直方图模板进行匹配得到Bhattacharyya系数,比较各Bhattacharyya系数确定并跟踪目标。实验结果证明该方法在光照变化环境下具有很好的跟踪鲁棒性。

相位一致性加权的引导图像滤波去噪算法

针对传统引导图像滤波算法采用固定的正则化参数规整化因子造成光晕伪影现象的问题,提出一种相位一致性加权自适应规整化因子的改进引导图像滤波算法.因图像不同区域的纹理特性不同,利用相位一致性能够获取图像丰富的特征信息和精确的特征定位,对原有的规整化因子在不同区域通过惩罚自适应调整规整化因子,保证了图像降噪效果同时进一步保持边缘清晰.实验采用结构相似性因子(SSIM)与PSNR作为算法的定量评估指标.结果表明,采用相位一致性作为加权值规整化因子,有效地避免了传统引导图像滤波的光晕伪影现象,相对于传统引导图像滤波算法,降噪性能有一定提高,还能够很好地保持边缘细节信息.

一种自适应特征点最优分组匹配的策略

提出一种自适应对特征点进行最优分组匹配的方法策略,按照特征值将获得的角点进行最优分组,采用单演相位或NCC算法与Ransac估计算法进行正式的分组匹配和剔除外点。通过实验证明,该算法能够有效去除误匹配点,减少特征点的匹配搜索与匹配验证时间,具有计算简单,实用性强等特点。

一种新的结构特征全参考图像质量评价方法

提出一种基于单演信号理论提取结构特征的全参考图像质量评价方法。方法首先利用单演信号理论将图像分解为幅值、方向和相位3个特征分量,构造单演相位一致映射图和特征分量相似度比较函数;然后对相位一致映射图进行Riesz变换,其变换后的一阶、二阶系数作为结构特征相似度比较函数,最后将单演信号的特征分量和结构特征相似度比较函数归一化加权计算得出最终的图像质量评价值。实验结果表明,由于单演相位一致具有较好的抗噪声能力,特征分量和结构特征相似度更加全面考虑到对于人眼感知图像结构的重要性,因此评价结果与图像主观质量评价具有较好的一致性。