一种新的宽基线图像匹配方法

在宽基线图像匹配中,图像存在3维视角、尺度、旋转和灰度差异.为此,构造了一种新的基于局部二值模式直方图傅里叶特征的特征描述符,并通过对传统宽基线图像匹配算法框架中不同部分算法的对比分析,提出了一种新的宽基线图像匹配方法.首先,提取基准图像和实时图像中具有尺度和仿射不变性的最稳定极值区域,并利用新的特征描述符对这些区域进行图像旋转和灰度不变性描述;然后,根据近邻欧氏距离比值准则提取两图像中匹配的最稳定极值特征区域对;最后,利用顺序抽样一致性算法剔除误匹配特征区域对,估计两图像的外极几何关系,得到匹配结果.仿真结果表明,新算法能够适应待匹配图像间较大的3维视角、尺度、旋转和灰度差异,实现稳定的宽基线图像匹配.

一种新的光电成像末制导景象匹配方法

针对光电成像末制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异的问题,构造了一种基于均匀模式的特征描述符,并基于该特征描述符和最稳定极值区域(MSER)提出了一种新的景象匹配算法。算法首先提取基准图像和实时图像的MSER特征,MSER特征具有尺度和仿射不变性,基于新的特征描述符分别对该特征进行旋转和灰度不变性特征描述,然后根据欧氏距离比值准则提取两图像间匹配的MSER特征对,根据随机抽样一致性(RANSAC)算法估计两图像的外极几何关系,实现末制导景象匹配。仿真结果表明,该算法能够在光电成像末制导过程中实现稳定的景象匹配,其稳健性优于传统方法。

基于随机蕨的光电成像末端制导目标初始化

为实现光电成像末端制导中的自适应目标初始化,针对末端制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异,及传统方法运算量较大的问题,基于随机蕨分类器构造了一种新的景象匹配算法。算法首先利用基准图像进行分类器训练,然后基于该分类器对实时图像进行特征匹配。为剔除误匹配特征对,对初始匹配特征对中的对应区域分别进行尺度不变特征变换(SIFT)特征描述,基于马氏距离准则进行误匹配特征对剔除。根据顺序抽样一致性算法(PROSAC)对剩余的匹配特征对估计两图像的外极几何关系,最终根据外极几何关系求得目标在实时图像中的位置和尺寸信息。仿真结果表明,该算法能够在光电成像末端制导过程中实现稳定的目标初始化,在极端条件下的稳定性优于原随机蕨分类器算法。