基于MSERS与SURF算法融合的无人机近红外光谱非稳态影像配准

本文面向灾害应急的无人机遥感影像快速拼接融合算法的研究,满足灾害应急对灾情影像数据时效性的需求。为研究算法的融合改进对无人机近红外遥感影像精度的提升问题,利用SURF计算效率高和MSERS能够提取完全仿射不变区域特征的特点,提出了无人机遥感影像特征提取与匹配的方法,该方法是基于SURF融合特征,在影像和尺度空间均具有稳定性且具有多尺度仿射不变的可靠性。并对MS-MSERS、MSERS+SIFT、MSERS+SURF三种算法进行配准效果验证。结果表明:MSERS+SURF的匹配正确率优于其他两种算法。该算法实现了MSERS的多尺度检测及拼接效率成果较好的平衡。

结合MSCRs与MSERs的自然场景文本检测

目的目前,基于MSERs(maximally stable extremal regions)的文本检测方法是自然场景图像文本检测的主流方法。但是自然场景图像中部分文本的背景复杂多变,MSERs算法无法将其准确提取出来,降低了该类方法的鲁棒性。本文针对自然场景图像文本背景复杂多变的特点,将MSCRs(maximally stable color regions)算法用于自然场景文本检测,提出一种结合MSCRs与MSERs的自然场景文本检测方法。方法首先采用MSCRs算法与MSERs算法提取候选字符区域;然后利用候选字符区域的纹理特征训练随机森林字符分类器,对候选字符区域进行分类,从而得到字符区域;最后,依据字符区域的彩色一致性和几何邻接关系对字符进行合并,得到最终文本检测结果。结果本文方法在ICDAR 2013上的召回率、准确率和F值分别为71.9%、84.1%和77.5%,相对于其他方法的召回率和F值均有所提高。结论本文方法对自然场景图像文本检测具有较强的鲁棒性,实验结果验证了本文方法的有效性。

基于区域检测的小波分形图像压缩方法

本文将区域分割中的最大稳定极值区域(MSERs)检测方法引入到小波与分形相结合的图像压缩编码中,根据区域检测后的图像特征有效地改进了图像块的分割策略、Domain块集合的构成,使得改进后的图像压缩方法更符合人眼的视觉特性,在提高了压缩性能的同时,获得了较高的图像质量.

基于分水岭变换的粘连交通标志分离算法

提出一种最大极值区域(MSERs)结合分水岭变换的粘连交通标志分离算法。首先通过MSERs对图像进行二值化,选取在多个二值图像中形状均保持不变的区域作为候选标志区域;然后,判断是否为粘连标志,若是则用分水岭变换分离;最后提取单个标志。实验结果表明,该算法能够有效分离粘连交通标志,提取到完整的单个交通标志。

基于颜色增强变换和MSER检测的烟雾检测算法

在远距离烟雾视频监控中,当烟雾区域小或运动缓慢时,烟雾检测变得非常困难,为了解决这一问题,提出了一种基于烟雾增强颜色变换和MSER(maximally stable extremal regions)检测的烟雾检测算法.首先提出了一种新型烟雾增强颜色变换,可使变换后图像中烟雾区域更加突出,便于后续的分割;其次在变换图像上检测MSER区域,分割出烟雾区域,避免了基于颜色信息或运动信息等传统方法难以准确分割烟雾的缺点;最后针对烟雾的特点,提出了烟雾的静态和动态判据,并以通过静态和动态判据的次数判定是否为烟雾,并进行报警.实验结果表明,该算法可在远距离烟雾视频监控中准确地检测出烟雾区域,具有较高的可靠性.

良分布的多特征遥感图像自动配准算法

针对基于点特征的遥感图像自动配准算法中存在特征点分布不均匀的问题,提出了一种基于SIFT(尺度不变特征变换)、Harris-Laplace(多尺度角点)、MSER(最大稳定极值区域)特征提取算法的多特征遥感影像配准方法。通过多特征与二次匹配,极大的提高了匹配点数目;通过基于距离的筛选,保证匹配点分布均匀合理;通过局部互信息精校正,使匹配点精度更高,最终达到高质量(空间分布均衡,匹配精度高)自动配准目的。

基于MSER的SAR影像配准算法

研究了一种基于最大稳定极值区域(MSER)的SAR影像配准方法。该方法首先利用MSER算法提取影像上的特征区域,并对提取的特征区域进行椭圆拟合;然后对椭圆拟合后的特征区域分别进行归一化、SIFT描述子描述及匹配。选取实际的SAR影像进行配准试验,并将本文方法与SIFT算法得出的结果进行比较,结果表明:本文算法匹配精度可以达到像素级配准精度,即满足影像配准精度要求,匹配速度优于SIFT算法。

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。

多层次MSER自然场景文本检测

提出一种新的基于多层次最大稳定极值区域(MSER)的自然场景文本检测方法,其由候选区域的提取和文本检测组成.在候选区域提取过程中,采用多层次MSER区域提取方法:通过对原始图像进行多个颜色空间变换和多尺度放缩得到多个变换后的图像,采用多个阈值对其进行MSER区域检测,并将检测到的区域作为候选区域用于文本检测.检测过程中,对候选区域提取手工设计的底层特征和基于卷积神经网络(CNN)的深层特征,训练一个随机森林回归器对特征进行分类得到字符区域,再将其合并成单词区域,并进行相似的特征提取和分类,从而得到最终的文本检测结果.使用2个标准的数据库(ICDAR2011和ICDAR2013)对提出的方法进行性能评价,F指标在ICDAR2011和ICDAR2013上均为0.79,表明了所提出的自然场景文本检测方法的有效性.

结合MSER与HSOG的目标局部特征提取

针对SIFT在视点变化下对物体几何特征描述的缺陷,本文提出一种结合最稳极值区域检测和改进的二阶梯度直方图描述子的目标局部特征提取方法。首先,采用一种新的最稳定度判断准则,提高了不规则形状区域和模糊条件下的检测效果;然后,利用改进的二阶梯度直方图提取MSER区域的局部特征描述子,采用高斯函数加权的方法考虑了不同像素对区域中心像素的影响,提高了稳定性;最后,通过标准测试图像和实际拍摄图像的匹配对算法进行验证。实验结果表明,本文方法在视点变化下仍能获得70%以上的匹配率,匹配效果优于SIFT。本文方法相比于传统方法检测效果更为稳定,对于不规则形状区域仍有较好的检测效果,适用于视点变化下的目标匹配。

应用图像融合与多样性的舰船显著性检测

基于单源的图像显著性检测存在较大的虚警或漏检,文章提出了利用约简后的特征点和CPD算法对海面实拍船只图像进行多源图像匹配,获得图像间的变换投影方程并利用投影方程对单源图像的显著性检测结果进行叠加与虚警控制器分类,从而达到提高检测率与控制虚警的目的。显著性检测方面,文章分析了基于图等级多样性的显著性检测方法的不足和优点,引入了最大稳定区域检测方法对图像做前期处理,并对获得区域进行联合获得新区域,使得新区域能够最大限度地满足基于图的等级多样性显著性检测最优条件。对于检测获得的联合区域目标显著性不完整的情况,利用了区域的叠加性进行加权求和,最终获得了具有较好联通性的多舰船目标图像显著性检测结果。对于显著性检测结果中存在较大虚警的情况,文章进一步提出计算船只与浪花的多尺度分形维数,并结合Adaboost算法训练浪花虚警控制器。实验结果显示控制器能够消除一部分浪花带来的虚警,但是对于灰度与舰船极为相似的虚警无法消除。

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。

基于极大极稳定区域及SVM的交通标志检测

交通标志检测在车辆辅助驾驶系统、自动驾驶等领域是一个重要研究内容,它能即时协助驾驶员或自动驾驶系统有效地检测和识别交通标志。基于该需求,提出了一种基于真实交通场景的交通标志检测方法。首先,选择合适的数据库,将数据库中的道路场景图像转换为灰度图像,并对灰度图像进行简化Gabor滤波处理,强化交通标志的边缘信息。其次,利用区域推荐算法MSERs对Gabor滤波后的特征图进行处理,形成交通标志的推荐区域。最后,通过提取HOG特征,使用SVM进行分类。通过实验,分析了简化Gabor滤波器的特征提取性能、SG-MSERs区域推荐及筛选的性能,并且得到了算法的大类分类准确率以及所需要的处理时间。实验结果表明,所提算法在GTSDB和CSTD数据集上都获得了较好的检测性能,基本满足实时处理的需求。

自然场景下中文文本定位关键技术的研究

针对自然场景图像的中文文本定位问题,提出一种基于汉字特征的文本定位方法。采用MSER(Maximally Stable Extremal Regions)算法提取候选文本区域;通过数学形态学运算连接汉字分离的笔画。依据汉字的特点,设计启发式规则并结合汉字的结构特征过滤非文本区域,实现初步定位;在初步定位的文本区域内作笔画宽度变换,再根据文本的笔画特征进一步过滤非文本区域。最后,通过任意方向文本行合并算法,合并定位好的文本区域,从而实现最终中文文本定位。实验证明,该方法对自然场景图像的中文文本定位取得了良好的效果。

一种改进的基于MSER算法的不变量提取算法

结合MSER(maximally stable extremal regions)算法,提出一种对图像的尺度、旋转、仿射变换更加稳定的区域不变量提取的算法。对于输入图像采用多尺度MSER提取算法,并对提取的MSERS依据其灰度变换的平稳性对提取区域进行修正。提高了区域提取的可重复性和匹配概率。

基于MSER与SIFT融合的多通道图像匹配算法研究

针对传统最稳定极值区域算法,只能从灰度通道进行不变特征提取而不能充分利用彩色图像信息的缺点,以及MSER(maximally stable extremal regions)算法与SIFT(scale invariant feature transform)算法本身存在的局限性,提出一种融合MSER与SIFT的多通道图像匹配算法.首先利用HSI(hue-saturation-insensity)颜色空间,同时从三通道进行MSER特征提取,对得到的特征进行简单筛选,将S和I通道得到的MSERs经椭圆拟合与归一化处理,并在H通道得到的区域中进行SIFT特征提取,而后对所有特征利用融合了C-均值聚类法的SIFT描述子进行描述,并用高维数据的可伸缩最近邻算法(fast library for approximate nearest neighbors,FLANN)连接同名点,利用PROSAC(progressive sample consensus)算法去除错误点,最终实现图像之间的匹配.仿真实验证明,该方法能够解决传统MSER存在的问题,并且在提取的特征质量以及处理速度上更具优势.

基于融合特征的近似图像检测方法

特征提取是图像检测或图像检索的关键步骤,SIFT特征能够实现平移、旋转、缩放等不变性,MSER特征实现了仿射不变性。集成SIFT和MSER特征的优势,提出了一种图像的融合特征提取方法,融合特征相比单一的局部特征具有更好的鲁棒性,还实现了图像特征的加速匹配,同时融合特征减少了存贮空间。针对这种图像的融合特征表示方法,给出了相应的图像匹配策略,实验结果表明提出的融合特征及检测方法在INRIA copy dataset数据集上取得了很好的效果。

基于深度学习的无人机遥感影像水体识别

针对无人机遥感影像分辨率高、信息量大易造成错分、漏分现象,导致识别分类精度不高的问题,采用一种基于深度学习的水体识别方法进行无人机遥感影像水体识别。该方法首先选取大量样本训练并构建深度卷积神经网络模型(DCNN),然后利用最大稳定极值区域(MSER)对无人机遥感影像进行分割得到待识别目标子区,最后根据深度卷积神经网络模型对分割后影像目标进行水体识别,并且将识别结果与目前常用方法进行比较。实验结果表明,该方法能有效识别水体目标,减少错分、漏分现象,提高识别精度,优于其他方法。

MSER在图像局部特征检测中的应用研究

基于图像斑点检测技术具有尺度和旋转的不变性,但对仿射不变性适应性较差,MSER是对图像中稳定区域的检测技术,它对图像旋转、尺度及仿射不变性都具有强的适应性。对MSER检测技术的数据定义、检测算法的实现及区域拟合的应用作详细的分析,通过图像中稳定区域提取,可获得最优图像特征因子,再通过区域的拟合,可实现椭圆区域的二阶矩阵,其实现算法具有易实现、速度快、效率高的特点,该算法在目标区域和空间一致性上具有较好的应用效果。

多尺度自卷积变换与MSER组合的影像匹配方法研究

针对影像仿射变换较大,目前常用局部特征提取算法匹配效果不理想的问题,提出以信息熵为约束条件,筛选出高信息量的MSER特征区域。文中利用多尺度自卷积(MSA)变换的灰度概率密度函数直方图熵构造新的特征向量,并以此作为优化后的MSER局部特征区域的描述符,组合成一种新的具有抗仿射变换的局部特征匹配方法,经过两组具有仿射变换的近景影像对该算法的实验验证,算法整体上可以有效地剔除10%以上的质量不好的特征区域。研究表明,在匹配准确性上,效果要优于MSER算法,尤其是程度较大的仿射变换,平均匹配准确率也要比MSER高。