基于改进Hausdorff测度和遗传算法的SAR图像与光学图像匹配

提出了一种新的基于边缘的合成孔径雷达(SAR)图像与光学图像匹配算法。在这种算法中,首先针对SAR图像低信噪比(SNR)与乘性噪声模型的固有特性提出了一种边缘特征的提取方法。在获取光学图像与SAR图像边缘图的基础上,根据Hausdorff距离具有强抗干扰能力和容错能力的特点,采用了改进的Hausdorff距离作为相似性测度。在搜索策略上,根据遗传算法的固有的并行性,采用遗传算法来加快搜索的速度。通过大量基于同一地区的光学图像与SAR图像匹配的试验结果表明,这种算法鲁棒性好,匹配精度高,计算速度快。

基于Hausdorff距离和遗传算法的物体匹配方法

在模式识别与机器视觉中，常常需要进行图像中的物体检测。本文将Ｈａｕｓｄｏｒｆｆ距离作为物体轮廓的相似性的测度，并用遗传算法进行最佳物体匹配的快速搜索方法，实验结果表明，本文的方法能有效地检测出具有平移。

一种改进的部分Hausdorff距离检测技术和遗传算法在图像匹配识别中的应用

本文提出一种改进的部分Hausdorff距离作为模板和图像中物体轮廓相似性的测度,较大地减少计算量。同时把遗传算法引入图像匹配识别,由于GA的高并行性和鲁棒性,可以较快地完成全局搜索,而不会陷入局部最优,因此GA和改进的Hausdorff距离相结合能有效地检测出具有平移、旋转和尺度变化的物体,以达到模板和图像间的有效匹配。

一种基于Hausdorff距离的景象匹配算法

Hausdorff距离是一种比较点集的最大的最小距离。以边缘信息为特征点,给出了一种基于Hausdorff距离的景象匹配算法,它利用模板来简化计算Hausdorff距离。从仿真结果可以看出:具有较高的匹配精度。

基于Hausdorff距离和免疫遗传算法在图像匹配的应用研究

部分Hausdorff距离和免疫遗传算法相结合的图像匹配算法包括:定义编码与适应度函数、确定交叉变异算子及免疫操作。部分HD距离作为模板匹配的相似性测度,可有效减少匹配计算量;免疫遗传算法具有较强的鲁棒性和强大的并行搜索能力。两者的结合明显缩短匹配时间,提高匹配的精确度和鲁棒性。仿真结果验证该方法高效稳定。

蒙特卡罗估计改进Hausdorff距离的景象匹配方法

针对可见光与红外图像差异较大导致的匹配困难的实际问题,提出了一种基于蒙特卡罗估计改进Hausdorff距离(MCM-HD)的景象匹配方法。该方法在MCHD的基础上,使用蒙特卡罗方法来估计改进的Hausdorff距离(M-HD),并定义了MCM-HD,即采用随机抽样的特征点子集来计算M-HD,从而有效地减少了计算量。为了提高匹配精度,采用分层MCM-HD与Nprod相结合的方法,在求出距离最小k个点之后采用Nprod相似性度量得出最终匹配位置。与MCHD算法相比,该算法有效提高了匹配精度,同时缩短了匹配时间。

基于鲁棒Hausdorff距离和遗传搜索的快速匹配方法

采用SIFT算子提取特征点,减少图像数据量,针对传统Hausdorff距离对噪声、出格点较敏感的问题对其进行改进,并以改进后的鲁棒Hausdorff距离作为匹配测度,利用非遍历而又有效的遗传搜索策略进一步提高了匹配速度。对发生旋转变形和灰度变化的遥感影像进行模拟实验,实验结果证明了该算法的有效性和快速性。

基于改进Hausdorff距离和人工蜂群算法的图像匹配

Hausdorff距离在图像匹配领域广泛应用。针对Hausdorff距离结合一些搜索策略的匹配算法实时性不高的问题,提出了一种基于改进Hausdorff距离和人工蜂群算法搜索策略的图像快速匹配。首先提取模板图像和匹配子图的边缘特征,然后计算的模板图像和匹配子图的Hausdorff距离作为两者的相似度量标准,最后采用人工蜂群算法进行搜索匹配。实验结果表明,该方法在不降低匹配率的情况下,缩短了匹配时间,能应用到嵌入式领域。

基于Hausdorff距离的图形快速匹配

本文提出了一种快速的图形匹配算法。将图形的角点作为匹配特征,利用HU矩中的重心计算方法得到角点的重心作为原点,在此基础上运用金字塔算法缩放角点对重心的距离以适应图形的比例变化。运用Hausdorff距离计算图形间的相似度,实现了一种快速的图形匹配算法。实验中运用零件图形进行匹配,结果证明,本文中提出的匹配算法不仅具有一定的鲁棒性,而且匹配速度快,是一种高效率的匹配算法。

FPGA上基于Hausdorff距离的图像匹配并行算法设计与实现

基于Hausdorff距离的图像匹配算法鲁棒性较好,但计算代价较大,软件实现方案很难满足实时性要求。为了解决这个问题,本文在基于局部Hausdorff距离的图像匹配算法基础上提出了一种鲁棒而实时的FPGA实现方案。为了充分有效利用FPGA的硬件资源,首先对传统串行算法进行并行性分析,提出了一个并行算法;然后以此为基础设计了一种三段式粗粒度流水体系结构,并将其映射到FPGA上进行实现。实验结果表明,该系统在性能上优于其它相关工作,与PC(Pentium42.8GHz)上的软件实现方案相比可以达到接近50倍的加速比。

基于分段Hausdorff距离的车身前脸匹配优化

为提高发动机罩、前大灯、保险杠、翼子板等匹配的间隙均匀度,提出了基于分段Haus-dorff距离的匹配优化方法.该方法以3个匹配件轮廓边界线的分段Hausdorff距离加权和作为优化目标函数,采用遗传算法全局搜索最优匹配位置,并结合两款车型前脸不同区域的匹配优化实例进行验证.结果表明,所提出的方法能够显著提高匹配质量与调整效率.

基于改进Hausdorff距离的分层景象匹配算法

为克服传统的相似性度量容易受到噪声、遮挡和成像机理等因素影响的缺点,结合人的认知过程,提出了一种分层的模板匹配算法。首先利用了统计指标来对候选匹配区域进行预标记,其次通过对Hausdorff相似性度量的改进来提高其对遮挡、异源图像匹配的鲁棒性。实验结果证明了该方法能够有效地减少搜索区域大小,提高了遮挡情况下的匹配精度,验证了算法的有效性。

基于Hausdorff距离的图像匹配并行算法设计与实现

随着图像匹配的应用越来越广泛,图像匹配的实时性要求也越来越高。为了提高图像匹配的速度和更好地利用多核计算资源,设计了一种基于Hausdorff距离的图像匹配并行算法。首先介绍了Hausdorff距离的定义,然后分析了图像匹配串行算法的效率,在此基础上设计了基于Hausdorff距离的图像匹配并行算法,最后采用Matlab在多核计算机上对并行算法进行了实现。实验结果表明,文中所设计的并行算法能够显著提高图像匹配速度,并具有较好的抗失真和抗噪声性能。文中设计的并行算法有较好的扩展性,可以将这种并行思想应用到其它图像匹配算法的并行设计中。

基于Hausdorff距离的地磁匹配算法研究

在介绍地磁匹配的基本原理的基础上,指出了较为成熟的地形匹配算法以及成熟的图像匹配算法都可以为地磁匹配算法所借鉴.利用基于Hausdorff距离的匹配算法进行了仿真,仿真结果表明了该方法的有效性.

相关地磁匹配定位技术

地磁匹配定位算法的本质是数字地图匹配,相关匹配算法是数字地图匹配的有效算法。在地磁导航中该匹配算法自适应实时构造基准数据序列,并以Hausdorff距离作为相关判断准则。为了提高了算法实时性,提出了预匹配和精匹配相结合的改进措施优化了运算过程。在预匹配过程中,由于地磁数据的离散性,搜索步长定为一个基本网格单元,并与序贯相似检测原则相结合,这样可快速排除非匹配区,筛选得到精匹配所需要的可行区域。在精匹配中,引入了双线性插值法对地磁场原始数据进行加密内插以提高匹配精度。最后利用地磁场数据进行了仿真试验,结果表明在一定条件下该相关匹配算法对地磁导航具有适用性。

景像匹配辅助导航系统中的图像匹配算法研究

图像匹配算法是景像匹配辅助导航系统的核心 ,而且其性能决定了系统的总体性能 ,为了提高景像匹配辅助导航系统导航的实时性和精度 ,就必须选用合适的图像匹配算法 ,为此 ,给出了一种快速有效的基于图像特征的图像匹配算法 ,该算法选用部分 Hausdorff距离作为图像匹配时的相似性度量 ,并利用图像特征提取后的二值化图像进行图像匹配 ,同时在联合了 3种图像匹配加速技术的基础上 ,将邻域技术引入到图像匹配搜索终止条件中 ,从而大大提高了图像匹配效率。仿真结果表明 ,该算法可以保证图像匹配的鲁棒性和有效性 ,同时 ,能有效克服图像噪声和几何畸变的影响。该算法实施景像匹配能够在 5 s以内完成 ,并与 GPS输出周期 (1s)相当 。

基于分支特征点的导航用实时图像匹配算法

为了满足景象匹配辅助导航系统需要同时获取飞行器位置和航向偏差的需要,提出了一种基于分支特征点提取的图像匹配算法．传统的图像匹配算法需要全局搜索匹配特征点,耗时巨大,而只提取分支特征点来匹配能满足导航系统实时性的要求,在匹配算法方面,提出了采用加权Hausdorff距离算法来进行匹配．同时,根据分支特征点的特性,推导了相应的权值求解公式．仿真结果表明,本文提出的匹配算法耗时较短,能满足导航系统实时性的要求,且定位参数的求解也完全正确．

工件图像识别的边缘匹配方法研究

为了解决背景和噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种有效的基于边缘匹配的工件识别算法。该算法采用了Canny算子提取的边缘信息作为匹配特征,将改进的Hausdorff距离作为图像匹配的相似性度量,在搜索过程中采用了自适应代沟替代策略的遗传算法,在不损失解的质量的情况下,使遗传算法求解效率得到明显的改善。实验结果证明,该算法不仅加快了匹配过程,提高了抗噪性能,而且能有效解决具有平移、旋转和部分遮挡等情况下的图像匹配识别问题。

图编辑距离概述

图编辑距离是图模式匹配技术中常用的方法之一。基于图编辑距离的匹配方法能够处理多种类型的图数据,因而受到了学术界的广泛关注。首先介绍了图编辑距离的相关概念;然后简述了基于启发式搜索技术的精确图编辑距离算法,重点分析了基于二分图匹配的近似图编辑距离算法;最后对现存的一些图编辑问题进行了总结,并对未来的发展趋势进行了展望。

一种多尺度边缘测度融合加权HD算法

一般的边缘加权Hausdorff算法,由于单尺度边缘检测算子本身对噪音敏感,会造成真实和虚假边缘显著性差异小,从而加权后对噪音鲁棒性改善有限.为此,提出了一种基于多尺度边缘测度融合加权的Hausdorff景象匹配算法.对图像提取多尺度边缘测度后,引入证据推理理论,提出一种双向指数基本置信指派构造方法,并构造出多尺度边缘测度的基本置信指派函数,然后采用冲突再分配DSmT组合规则进行融合.为了进一步区别真实边缘与高频噪音,对加权Hausdorff公式进行了一些改进,给出了更为有效利用融和后边缘测度的加权Hausdorff公式.对可见光和SAR景象的匹配实验证明:本文算法所提取边缘在抑制噪音的同时保留了大量景象细节信息,并通过横向对比验证本文算法提高了噪音鲁棒性.