基于MAP框架的图像序列超分辨率和模板匹配

许多图像序列处理系统的最终目的是自动或半自动地提取图像序列中的信息 .为了得到被拍摄物体更清晰的影像 ,需要利用超分辨率技术提高分辨率 .为了分析图像中的信息 ,常常需要利用模板匹配 .以往这两个问题是分开求解的 .该文提出在统一的基于最大后验概率估计的算法框架下同时求解图像序列超分辨率和模板匹配问题 .算法框架具有以下两个特点 :首先 ,在超分辨率中引入了模板库中的先验知识 ,提高了超分辨率的恢复效果 .其次 ,在模板匹配中更充分地利用了图像序列中的信息 ,提高了模板匹配的准确性 .

高分辨率SAR影像同名点自动匹配技术

由于SAR工作原理跟光学遥感成像技术截然不同,而经典同名点匹配方法已不能完全满足SAR自动配准需要。为了快速有效地进行SAR影像配准,基于SAR影像自动配准技术的发展,提出了一种新颖的高分辨率SAR影像同名点自动匹配算法,该算法首先创建金字塔影像,同时在金字塔影像上回溯搜索,以确定初始变换函数类型及相应的变换参数;然后通过分层回溯逐层加密控制点来解求最佳变换函数类型及相应变换参数;最后在原始影像分辨率下修正同名点坐标,以获取最终匹配同名点对。这种分层回溯策略不仅很好地解决了同名点搜索计算复杂度问题,使获取的同名点对分布更趋均匀、精度更高,而且能确保每层变换函数达到全局最小二乘最优。另外,以高分辨率SAR影像为实验数据进行的实验结果表明,该同名点搜索算法不仅计算时间可由221 s缩短至34 s,而且可达到0.284 636 p ixels的配准精度。

基于圆形模板的高分辨率遥感影像道路半自动提取

针对基于矩形模板匹配的道路提取方法在影像中存在较大弯曲路段提取效果不佳的问题,提出一种基于圆形模板的半自动道路提取方法,用圆形模板取代矩形模板搜索道路中心点,省去了旋转角度计算,结合影像灰度、形态学梯度及道路中心点之间的夹角信息,用迭代内插的方法搜索加密道路中心点,最终得到道路中心线。试验分析和比较表明,该方法在继承模板匹配优势的同时较好地弥补了矩形模板的不足,提取效果较好。

基于高分辨率城区遥感影像的道路半自动提取方法研究

遥感影像上人工地物的自动化和智能化采集一直是摄影测量与遥感技术长期探索的一个主要课题。道路是重要的基础地理信息,随着遥感影像分辨率的提高,道路特征的复杂化对道路提取方法形成了挑战。针对高分辨率城区遥感影像道路提取中存在的问题,结合多分辨率分析思想、模板匹配原理和LSB-Snake模型,综合提出了一种适用于城区高分辨率遥感影像的道路半自动提取方法。实验表明该方法可以在很大程度上弥补LSB-Snake模型的不足,同时具有良好的抗噪声能力,可作为一种有效手段应用在城区高分辨率遥感影像的道路提取中,具有很好的交互性、可靠性和高效性。

基于金字塔的渐进分辨率匹配算法研究

本文主要是基于金字塔结构原理,研究由远及近的目标由低分辨率到高分辨率的匹配过程,研究渐进分辨率的目标匹配算法。首先根据一些基于灰度相关匹配的经典算法,通过实验对不同分辨率的图像进行匹配,通过实验数据与结果分析,进而采用基于金字塔渐进分辨率匹配算法,进一步提高目标检测跟踪的实时性和精确性。

有限空间低照度低分辨率图像中人脸检测

为在有限空间低照度低分辨率监控图像中检测人脸,采用了模板匹配算法进行研究.用直方图均衡化增强和空域高通滤波方法对原始监控图像进行了处理;根据脸部固定结构特点,构造了平均人脸模板,并用模板匹配的方法来检测图像中的人脸.结果表明,空域高通滤波使图像的整体灰度和对比度降低,正面平均脸模板在匹配检测中适应侧面人脸的角度变大,而直方图均衡化图像的处理结果则相反;在此图像监控系统中,直方图均衡增强化适用于图像的输出模块;而空域高通滤波图像中的人脸检测的整体正确率比原图像的提高了2倍.

高分辨率遥感影像的建筑物轮廓信息提取方法

针对高分辨率遥感影像分割方法提取的建筑物边缘不准确和不规则等问题,提出了一种新的边缘轮廓信息提取方法:首先,通过一维Gabor滤波器获取建筑物的角度纹理特征,并结合光谱特征构造待分割的特征矢量,在运用高斯混合模型(Gaussian mixture model,GMM)构造图的基础上,利用图割法(graph cuts)获取建筑物候选点,经数学形态学处理得到建筑物斑块;然后,根据Radon变换检测建筑物主方向,构建最小二乘匹配模板,并利用该模板在建立的轮廓缓冲区内精确地提取建筑物拐角点;最后,连接拐角点,完成了轮廓信息的提取。采用合成图像和高分辨率遥感影像提取建筑物轮廓信息的实验证明了该方法的可行性。

高空间分辨率遥感的单木树冠自动提取方法与应用

用高空间分辨率遥感影像对单木树冠进行自动提取和轮廓描绘,是获取森林信息的一种快速有效的方法,也是近年来林业遥感领域研究的热点。详细介绍了目前高分辨率遥感单木树冠信息自动提取的各种方法,包括局部最大值法、模板匹配法、谷地跟踪法、多尺度法、种子区域生长法、分水岭分割法、局部射线法,并对单木树冠提取在林业上的应用进行了探讨,最后结合国内外研究现状,对单木树冠自动提取的未来作了展望。

基于分层多模板匹配的影像自动配准方法研究

提出一种基于分层多模板匹配的高空间分辨率影像的自动配准方法,并根据不同季相遥感影像的特点提出稳定性模板自动选取的方法和流程,详细描述了基于梯度能量的模板选取方法,以及如何筛选容易受到噪声、动态目标干扰的模板区域,如基于植被覆盖度的方法筛选可能受到植被季相变化的模板。同时,还运用了小波多尺度图像分解和自适应匹配的方法来减小模板匹配中数据计算量和搜索空间。通过模板匹配的精度和最小二乘法对匹配后的模板进行筛选,建立图像之间的影射关系,从而实现遥感影像的自动配准。

图像序列的快速超分辨率恢复算法

图像序列的超分辨率恢复是目前国际图像复原界的一个研究热点 .本文提出了一种基于分层机制的图像序列超分辨率恢复方法 .在将问题采用正则化方法变为适定问题后 ,提出了一种级联模板的快速运算方法 .

一种小波多分辨率分析的多算子动态场景目标跟踪算法研究

根据某型号多传感器光电成像设备实际应用的特点,提出了一种基于小波多分辨率分析(MRA)的多算子自适应目标识别跟踪算法,可实现昼夜型光电设备对陆地/海面全动态场景不确定目标的识别跟踪。建立了一种基于帧内、帧间置信度评价的双阈值自适应跟踪预测策略和相似目标辩识准则,有效地提高了目标跟踪的稳定性和鲁棒性。地面仿真及空中实际飞行实验结果表明:该算法能够很好地实现在各种复杂场景条件下的动态场景目标的稳定跟踪。

基于Hausdorff距离的多分辨率目标跟踪方法

针对目前运动目标跟踪算法的计算结果和效率不能令人满意的现状,提出利用改进的Hausdorff距离进行模板匹配,它具有计算量小,适应性强的特点。为了能较快的跟踪目标,采用多分辨率分析的方法处理序列图像。实验结果表明,本文的算法能显著提高运动目标跟踪的准确程度和效率。

基于矩形模板匹配的线状地物半自动提取方法研究

通过对高分辨率遥感影像线状地物特征分析,提出了一种基于矩形模板匹配的高分辨率遥感影像线状地物提取方法.该方法由用户选取矩形种子区域,自动定义匹配区域,进行种子区域与匹配区域的最小二乘匹配,从而实现线状地物的半自动提取.与剖面匹配法和角度纹理法的对比实验研究结果表明,矩形模板匹配法能够快速、准确地提取出高分辨率遥感影像中的线状地物,节省了时间和人力.

基于模板匹配的运动目标快速检测与跟踪

在图像跟踪系统中,运动目标的快速检测与识别是至关重要的.通过分析视频序列图像的特点,并结合帧差法和多分辨率图像匹配的优点,提出了一种基于模板匹配的快速检测识别目标的方案.实验结果表明,该方法能快速有效地识别目标,基本上达到了实时跟踪的要求.

基于分层匹配的自适应跟踪算法

提出了1种基于相关的区域分层匹配和模板自适应更新的目标跟踪方法,该方法能在序列图像中自适应地寻找最佳的动态阈值与更新模板,同时区域分层快速搜索能较大地提高匹配速度。算法在MATLAB软件环境下进行了仿真实验。实验结果表明该方法匹配精度高、匹配速度快,在背景亮度、对比度发生变化以及存在水面杂波干扰的情况下,表现出良好的稳定性,具有较强的实用价值。

基于全局优化的保细节分层多视图立体匹配

传统的基于全局优化的多视图立体匹配方法由于算法复杂度和内存容量的限制,难以处理高分辨率的图像,为此提出一种保细节的层次化多视图立体匹配方法.首先对每幅分割的图像进行结构微细度评估,为分割区域设定合适的匹配分辨率层;然后在图像的金字塔结构上进行由粗到细的视差恢复:在一定的分辨率层上,对属于该分辨率层的图像区域进行全局优化的视差恢复,以保证精细结构区域在合适的分辨率上进行恢复;对已经处理过的图像区域进一步求精.此外,还提出了一个分块化的求解策略,可将大分辨率图像分块化匹配,从而能以较小的内存容量运行全局优化算法,突破了内存容量的制约.实验结果充分表明了文中方法的有效性,其在高效求解的同时又能保证精细结构的视差恢复.

基于模板匹配方法的房屋提取

该文提出的方法,使用模板匹配的方式在高分辨率遥感影像中提取房屋.通过对相关系数的调整来实现对相似房屋的提取.实验结果表明该方法提取模板对应及其相似的房屋具有可行性.

基于多级分层模板的实时跟踪算法设计与实现

针对相关匹配中单一模板和简单分层模板跟踪效果不理想的问题,提出了一种新的多级分层模板匹配算法。为了减少整个算法中耗时最大的绝对差值和(SAD)计算时间,在DSP平台下对其进行优化和提速以满足跟踪系统实时性要求。最后,在Blackfin561系列DSP平台上实现了该算法,并对该算法的跟踪性能进行了测试,结果表明,该算法能够进行运动目标的实时跟踪,并在目标尺寸缩放、环境亮度发生改变时仍能保持准确跟踪,具有可靠性高和稳定性强的特点。

分层提取匹配印刷电路板元器件缺陷检测

文中提出了一种基于数学形态学与种子填充相结合的分层提取匹配算法,检测印刷电路板(PCB)中的贴片电阻和电容丢失与立碑、集成电路(IC)芯片丢失与极性错误等缺陷。算法分为PCB图像预处理、分层提取、模板分类匹配3部分。算法的关键在于消除无关信息干扰并通过种子填充算法对各类元器件进行分层提取,然后将不同元器件分别进行基于单链表的模板分类匹配。本算法在检测长度为19 cm、宽度为13.5 cm的PCB样本时,在确保精度为0.1 mm以上的情况下最快检测速度可以达到2 s/块。

改进的模板匹配金字塔搜索算法

针对模板匹配和智能检索技术对效率的要求,提出了改进的金字塔分层搜索算法,分别从算法剪枝和并行匹配两方面对算法进行改进。采用边缘梯度作为基础匹配描述子,改进的搜索算法融合了预先终止、匹配进程中终止、边缘点稀疏、逐层重叠筛选四种方法来降低算法的搜索空间复杂度。在算法中引入PPL并行库实现了多模板的并行匹配。实验结果显示,选择合适的参数,针对特定的模板匹配任务,改进后的金字塔搜索算法在保证准确检测目标的基础上,与传统的金字塔搜索算法相比效率提升56.3%。