集成MSER和SIFT特征的遥感影像自动配准算法

针对倾斜的遥感影像配准困难问题,提出一种基于集成最大极值稳定区域(MSER)和尺度不变特征转换(SIFT)的互补不变特征的自动影像配准算法。该算法首先应用目前公认的具有最佳仿射不变性的MSER特征区域进行影像的粗匹配,初步校正影像的空间形变。然后在粗匹配基础上采用匹配能力较强的SIFT描述子与仿射不变矩描述子相结合,进行精匹配。通过以上两步匹配,可以提高遥感影像配准精度,尤其对倾斜影像效果更明显。最后采用倾斜的无人机(UAV)影像进行试验,并与SIFT配准算法比较。结果表明,本文算法在仿射不变性和匹配正确率方面均优于SIFT配准方法。

基于MSER与边缘投影的车牌定位算法

针对基于颜色或边缘的车牌定位算法常出现误定位的问题,提出一种适用于嵌入式平台的基于MSER与边缘投影相结合的车牌定位算法。对RGB彩色图像进行灰度变换突出车牌区域,使用MSER算法进行连通域分析获取车牌位置;对于车牌和车身颜色一致的情况,设计垂直边缘投影算法进行补充定位;利用车牌的字符间距特征进一步提高车牌定位的准确度。实验结果表明,该算法对车牌倾斜、弯折、光照不均、大小不一、背景杂乱、分辨率低等情况具有很好的鲁棒性,准确率可达97.1%,适合应用于嵌入式车牌识别系统。

基于多局部特征匹配的全自动图像拼接

针对数码相机或手机等手持拍摄装置拍摄的图像,提出了一种基于SIFT和MSER互补不变特征的全自动图像拼接算法并进行了系统实现。算法将MSER检测子推广到高斯尺度空间,增强了其对尺度变化的适应性,并与SIFT检测子相结合,发挥二者在图像中空间分布上的互补性,从图像中获取更为丰富的特征,使图像间的配准更为稳健。对于存在匹配关系的多幅图像,提出了一种简单而有效的光度差异调整方法,使生成的全景图像效果更为自然。最后实验验证了该系统的有效性和实用性。

基于特征提取的无人机图像建筑区域提取

传统基于纹理和基于监督学习的方法并不能满足无人机图像提取建筑区域的要求。文章提出了基于特征分析的最大稳定极致区域检测无人机航拍图像中的建筑区域,统计样本图像特征数量采用模糊均值聚类的方法对图像建筑区域进行分类,最后采用数学形态学的方法描述检测出来的建筑区域,从而实现建筑区域的快速提取。