基于改进SuperPoint与线性转换器的可见光红外匹配算法

针对可见光和红外图像的异源图像匹配难度大、误匹配率高的问题,提出一种基于改进SuperPoint与线性转换器的深度学习匹配算法。首先在SuperPoint网络结构的基础上,引入特征金字塔的思想构建特征描述分支,基于铰链损失函数进行训练,从而较好地学习可见光与红外图像多尺度深层次特征,增大图像同名点对描述子的相似度;在特征匹配模块,利用线性转换器对SuperGlue匹配算法进行改进,聚合特征以提高匹配性能。在多个数据集上对所提算法进行实验验证,结果表明,与现有的算法相比,所提算法获得了更好的匹配效果,提高了匹配准确率。

基于直线段检测和LT描述符的矿井图像线特征匹配算法

图像匹配是同步定位与地图构建(SLAM)技术中极为重要的一环,用于根据图像之间的变换关系确定相机位姿。基于线特征的图像匹配方法具有较强的鲁棒性和抗噪能力,更加适用于井下图像匹配,基于深度学习的线描述符对线段遮挡等场景具有较高的鲁棒性,性能优于传统描述符,但卷积神经网络架构的描述符将可变长度线段抽象为固定维进行描述,不利于线段长度及视差变化较大图像的匹配。针对上述问题,提出一种基于直线段检测和线描述符的矿井图像线特征匹配算法。在频域利用单参数同态滤波降低图像的照射分量,并增强反射分量,提升亮度及对比度;在YUV空间利用对比度受限的自适应直方图均衡化(CLAHE)算法对亮度分量进行均衡,使亮度分布更加均匀;变换至RGB空间提取直线段检测(LSD)线,引入一种基于Transformer架构的LT描述符构建LSD线的特征向量,最后完成线特征匹配。实验结果表明:该算法结合了同态滤波和CLAHE算法的优点,增强后图像的亮度适中,对比度良好,灰度分布均匀,增强效果优于单参数同态滤波算法、EnlightenGAN算法;该算法提取的线特征数较原图平均提升了32.92%,在不同相似纹理占比、不同程度旋转与平移变化的井下图像匹配中鲁棒性好,平均正确匹配数为61.75对,平均精度为86.83%,优于线二进制描述符(LBD)算法、LBD_NNDR算法、LT算法,能够满足矿井图像稳健匹配的需求。

线性注意力机制优化的光学与SAR影像匹配方法

针对光学与SAR影像间存在非线性辐射畸变导致匹配正确率低的问题,提出线性注意力机制优化的光学与SAR影像匹配方法。该方法利用SuperPoint的描述分支将融合像素级的梯度方向直方图特征进行特征图维度重构,在维度层面增强特征的语义识别能力;在特征匹配阶段,利用线性注意力机制对SuperGlue算法进行优化,同时采用单样本分类准确性约束、全样本全局一致性约束以及局部范围结构一致等多种约束,构建多尺度损失函数进行训练,增强不同尺度下错误匹配的特征区分。利用6组光学与SAR遥感影像进行实验对比,结果表明,该方法相比HOPC、AWOG、CMM-Net及SuperGlue方法,匹配正确率、匹配效率均有较大提升。

基于红外影像层次旋转匹配的飞行器定位方法

基于图像匹配的飞行器自主视觉定位技术是飞行器导航制导、态势感知和自主决策的关键技术之一。针对红外遥感影像在大角度旋转下飞行器匹配定位失效的问题,提出了一种基于层次结构强化的特征点旋转匹配定位方法。该方法通过融合深度特征点提取与层次结构强化的旋转匹配定位技术,有效实现了飞行器匹配定位。首先设计了一个集成残差连接编码器的RBN-SuperPoint深度特征点提取模型,用于检测和描述待匹配图像中的深度特征点。其次构建了基于线性注意力和置信度分类器的L-LightGlue自适应匹配算法,利用L-LightGlue进行特征点粗匹配,生成单应性变换矩阵。随后采用层次结构强化的旋转匹配策略,根据粗匹配得到的单应性变换矩阵对图像进行旋转处理,消除图像间的角度差异,并进行精确匹配。再通过将结果映射至原图像,得到旋转校正后的特征点匹配结果和对应的单应性变换矩阵。最后利用图像间变换关系确定飞行器在图像中的位置,完成视觉定位。实验结果表明:RBN-SuperPoint可以高效提取大量均匀分布的特征点,所提基于L-LightGlue的匹配定位算法的匹配准确率最高可达98.57%,平均定位误差仅为4.08 pixel。

利用自由形状线特征的遥感影像分级匹配方法

为较好地解决自由形状线特征匹配研究中线特征丰富信息的充分利用与有效描述这对矛盾,提出一种利用分级匹配策略的遥感影像匹配方法。为保证方法具有较高的匹配精度,从影像中检测亚像素边缘并进行有效的跟踪以得到连续性较好的自由形状线特征;再从中提取闭合线特征、线特征交点和角点等较稳定的特征作为共轭实体进行粗匹配,在确定各类特征的待选同名特征后,根据面积、角度等几何信息以及模型参数的分布特点逐步剔除误匹配,进而利用同名特征确定精匹配的初始参数;精匹配时对线特征中的亚像素边缘点加以利用,采用多层次二维迭代最邻近点(ICP)法依次利用由低到高采样率的边缘点进行匹配。试验结果表明,粗匹配选取的特征性能稳定,具有较高的匹配正确率和精度,能为精匹配提供较准确的初始参数,精匹配能达到与最小二乘影像匹配相当的亚像素级匹配精度,并且对具有较小仿射变形的影像也能实现稳定、准确的匹配。

CCD成像型亮度计测量方法研究

利用CCD成像的特点,通过分析CCD成像过程中亮度与数字图像灰度之间的关系,提出了CCD成像型亮度计的设计方法。使用积分球作为标准亮度光源,对CCD拍摄得到的数字图像中像素灰度值与实际亮度之间的关系进行标定,得到图像像素灰度与测量点亮度之间的对应关系,保证亮度测量的准确性。通过对不同曝光时间下亮度分布的测量,拓展CCD成像型亮度计的测量范围。同时为了保证不同曝光时间下亮度的测量精度,将不同曝光时间下的图像灰度结果与积分球产生的标准亮度进行对比,实现成像型亮度计的非线性校正。利用光度特征匹配方法,保证光度计的相对光谱灵敏度与标准光度观察者的光谱光效率接近,减小测量误差。根据CCD成像型亮度计的标定和测量原理,使用Visual C++编制相应的软件,并进行了标定和测量试验来验证CCD成像型亮度计的测量方法,取得了较好的效果。

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.

基于假设检验的数字影像线状特征亚像素自动提取

线状特征是数字图像处理与模式识别中一种重要的中层描述符号,具有丰富的语义信息。针对目前提取算法的不足,提出一种稳健的高精度直线提取算法。在对分裂线段感知编组时提出一个基于假设检验的方法,从几何拓扑关系和物理光谱信息两个方面以及全局与局部两个尺度进行模糊融合和检验。并利用最小二乘模板匹配将提取直线的精度提高到亚像素。本算法可在一定程度上克服线段提取中的两类错误和定位精度低的问题,通过对航空和地面影像的试验,验证了该方法的有效性。

SAR图像与可见光图像融合的建筑物提取算法

提出了一种基于SAR图像和可见光图像融合的建筑物提取算法,由SAR图像提供建筑物的可能方位信息,由可见光图像提供建筑物提取所需的视觉特征。该算法充分利用建筑物在2幅已配准的SAR图像和可见光图像中所表现的共性和互补特征,采用边缘匹配和感知组合的方法提取建筑物的轮廓,在可见光图像中采用屋顶灰度均匀性特征进行建筑物验证。实验结果表明,本文算法具有较好的检测效果。

基于SIFT特征的彩色图像拼接方法研究

针对传统特征提取拼接算法在复杂图像中配准过程中出现的过多误匹配,导致拼接后图像出现鬼影、模糊等问题,从而影响拼接图像的质量,提出一种改进的SIFT配准算法;在对目标图像提取SIFT特征后,利用SIFT描述子的尺度以及梯度方向信息建立最小邻域匹配剔除误匹配点,之后利用局部均方根误差(RMSE)评价映射矩阵与RANSAC算法相结合,迭代出精确变换模型;在对图像进行几何矫正后,提出一种自适应的混合线性算法对重合区域图像变换至HIS颜色空间进行图像拼接,最后得到平滑无缝的完整彩色全景拼接图像;实验结果证明,该算法在拼接复杂场景并且重合区域不多时仍有较好的准确性及稳定性。

结合形状与同质特征的遥感影像城市道路提取方法

遥感影像中的城市道路提取易受建筑物、阴影、车辆等噪声干扰,仅利用光谱特征或几何特征难以实现道路的完整提取。针对这一问题,首先从影像的梯度图出发,同质化遥感影像。接着通过形状特征,移除噪声,凸显道路信息。最后利用知觉组织约束算子筛选道路种子点,连通形成道路网。实验以QuickBird影像数据为样本,结果表明提出的算法能够有效实现城区道路提取。

基于双视线特征感知编组的影像匹配方法

与点特征相比,高级别的特征,特别是自由形状线特征包含了更加丰富的信息,这对于其后的影像解译和表面重建等处理是更为有利的。针对传统自由形状线特征匹配方法的弊端——匹配成功的线特征数量较少,引入了感知编组理论,提出了一种基于双视线特征感知编组的影像匹配方法。实验证明该方法不仅可以提高成功匹配的自由形状线特征数量,还可增加自由形状线特征的长度,方便后续人工地物(如建筑物)的提取。

SIFT特征和正交DLT算法在物体识别中的应用

结合SIFT特征和正交DLT算法,给出一种较为精确的物体识别方法。该方法首先采用SIFT特征描述子进行测试图像关键点的提取,然后将测试图像和模型数据库中模型的特征点逐一匹配,设定匹配阈值,若匹配达到该阈值,则认为匹配成功,最后通过正交DLT算法在测试图像中识别该模型的位置。SIFT特征与正交DLT算法的结合有效地提高物体的识别精度。实验结果表明,该方法具有较强的鲁棒性,不仅可以在复杂背景下,较好地识别模型在测试图像中的位置,而且还可以在物体被部分遮挡的情况下,较为准确地对物体进行定位。

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.

基于Vicon动作捕捉的序列影像直线运动特征跟踪匹配算法

针对当前序列影像直线运动目标追踪准确性较低、稳定性较差的问题,提出基于Vicon动作捕捉的序列影像直线运动特征跟踪匹配算法。采集序列影像直线运动特征,通过对序列影像特征进行自身适应过滤声波处理完成图像滤噪,根据不同角度序列影像的特征点及局域像素方向梯度特征实现图像数据的维度转换。并提取序列影像特征关联规则,进行特征等级的划分,根据提取和划分结果进一步对序列影像直线运动跟踪方法进行优化,针对不同特征等级进行跟踪特征点的匹配处理,实现对序列影像直线运动特征的跟踪匹配。通过实验证实,基于Vicon动作捕捉的序列影像直线运动特征跟踪匹配算法具有更高的准确性及稳定性,充分满足研究要求。

高光谱亚像元定位的线特征探测法

未考虑地物亚像元级空间结构特征是影响高光谱亚像元定位精度的因素之一。为了有效解决这一问题,本文提出一种基于混合像元线特征探测的亚像元定位算法。首先,通过光谱解混确定含典型线状地物的混合像元。然后,基于完备直线集的最大线性指数方法确定其余含线特征的混合像元,使用模板匹配方法结合像元引力确定含线特征混合像元的亚像元类别。最后,基于线性优化的方法迭代确定剩余混合像元的亚像元类别。通过真实数据及仿真数据的试验,结果表明所提出的方法能有效提高亚像元定位精度。

一种多维特征融合的车辆对象同一性匹配方法

基于图像的车辆匹配是图像匹配在智能交通领域内的具体应用。为了实现车辆对象的快速匹配,文中提出一种多维特征融合的车辆对象同一性匹配方法。该方法分为两个阶段进行。第一阶段先对车辆对象进行初步筛选,提取车辆对象的颜色特征和车型进行快速匹配,计算特征向量的欧氏距离,排除最不可能相似的车辆对象;第二阶段根据摄像头物理条件及视频编码格式对车辆的局部特征、感知哈希特征进行加权多比较,进行车辆的同一性精细化匹配。这样第一阶段匹配完成后,第二阶段简化为只在车辆大类内匹配,缩小了匹配范围。实验结果表明,该方法能够有效缩小车辆匹配范围,匹配到最有可能和目标车辆是同一车辆的准确率较高。

纹织CAD中图像的自动拼接算法

针对织物扫描获得的各个分块图像需要进行拼接的问题,结合扫描图像的数据特点,首先采用一种改进的SIFT(Scale Invariant Feature Transform)算法进行特征点的获取与匹配,并且用RANSAC(Random Sampling Consensus)算法精选匹配点对以求得转换矩阵,然后将待拼接的织物扫描图像通过转换矩阵映射到参考空间上,最后用线性过渡法来实现图像间的无缝拼接.实验结果表明:该方法不仅有效快速,而且对于织物扫描图像之间存在的平移、旋转、亮度差异以及一定程度上的形变都保持了很好的稳定性,能很好地适应纹织CAD中图像的自动拼接.

基于线阵CCD相机的汽车底盘图像配准算法

在基于线阵CCD相机的汽车底盘图像对比和安全检测中,特征点匹配算法是项目研究重点,但是大多数现存的方法不能满足项目对匹配数量、质量和分布的要求.基于SURF(speeded-up robust features)算法,并引入显著性约束和形变约束过滤掉错误匹配,最终获得数量与质量显著提高的匹配集合.结果实验结果表明,该方法获得的纵向分布完成系数大于80%、误匹配率低于2%,基本到达了安全检测的要求.

一种基于视频特征的智能电视广告监播系统设计方案

本文结合目前电视广告检测系统的实际情况,基于感知哈希算法、视频特征、模板匹配等相关技术,设计并实现了一套智能电视广告监播系统。对比基于语音特征的识别系统,本文设计的系统有效提高了匹配速度和识别准确率,降低了人工工作量,提高了监管效率。