针对Landsat遥感影像的去云处理方法研究

遥感传感器获取的光学影像中部分区域不可避免存在云遮挡现象。本文选择的实验区位于西昆仑山的古里雅冰帽,将影像上的云区域划分为薄云与厚云,针对Landsat遥感影像进行去云处理方法研究。结果表明:针对Landsat遥感影像,直方图匹配和小波融合两种方法能够有效去除薄云;构建的归一化厚云检测模型能够较好地对厚云进行检测;匹配算法是当前比较有效的厚云处理方法。

基于一种快速归一化积相关算法的图像匹配研究

在灰度图像匹配中,归一化积相关算法具有鲁棒性强、精准度高和易于硬件实现等优点。但算法复杂、计算速度慢是制约其应用的主要原因。基于迭代的思想提出了一种快速归一化积相关算法。该方法在计算基准子图图像能量时,只通过几个像素值的加减运算,便可快速实现基准子图像素求和,大大降低了计算的复杂度。实验证明,本算法与原算法具有相同的匹配精度,但计算时间仅为原算法的1/9.

基于小波变换的快速图像匹配算法与实现

归一化互相关算法是传统的图像匹配算法,针对传统图像匹配算法运算量大、速度慢的缺点,提出了一种基于小波变换的多尺度图像匹配算法。首先在尺度空间的最高一层对低分辨率的子图像进行匹配,然后在匹配结果基础上对高分辨率的图像进行匹配,最终实现全分辨率下的图像匹配。实验结果表明,该算法能够提高图像匹配的精度,减少运算量,满足机器视觉的实时性要求。

基于小波变换的图像配准方法

图像配准是信息融合处理中非常重要的一个环节。图像的配准,尤其是遥感图像的配准,运用传统的方法,计算量大且配准精度不高。基于小波理论,提出了一种快速、高精度图像配准的新方法。该方法利用小波变换将图像分成若干层次,通过引入有效子图的概念来降低待搜索的数据量,应用小波理论的多分辨分析思想来缩小搜索空间,最后通过迭代求精算法实现了图像的快速、高精度配准。实验结果表明,该方法对大数据量的遥感图像,较之传统的方法具有明显的优越性。

基于NCC的改进立体匹配算法

在双目立体视觉系统中,图像匹配是关键步骤之一。在众多匹配算法中,归一化互相关(NCC)算法由于具有精度高、鲁棒性强等优点得到广泛应用,但其计算量大、运算速度较慢,使其难以在线应用。为此,本文提出一种改进的NCC立体匹配算法,通过引入积分图像和平方积分图像,将矩形窗口区域像素求和运算转化为四个像素点值的简单相加减,同时剔除基准图像中无法匹配区域以减小搜索范围,使计算复杂度得到简化,计算量大为降低。实验证明,改进后的NCC算法在保证匹配质量的基础上,执行速度得到显著提高,利于在线应用。

基于NCC与SSDA的快速特征点匹配融合算法

快速、正确的匹配从两幅或多幅图像中提取出来的特征点是基于特征点图像配准问题的关键。传统的只使用归一化互相关匹配(NCC)算法进行的特征点粗匹配,虽然具有较强的抗噪声能力,但是匹配的速度很慢,而且错误率也比较高。因此,在研究了NCC算法与序贯相似度检测(SSDA)算法基础上,并改进了SSDA算法的非相似度计算方法,提出将两种算法融合在一起形成一种快速的特征点匹配算法,改进算法充分利用了两种算法的优点,大大提高了特征点的匹配速度,而且减少了错误匹配的个数。通过实验证明,该算法是一种有效的特征点匹配算法,比只使用NCC算法进行特征点匹配所需的时间降低了70%以上,正确匹配率也有所提高。

分区域图像匹配在PCB缺陷光学检测中的应用

针对印刷电路板缺陷光学检测系统中图像匹配既有位置匹配又有角度匹配的问题,提出了分区域图像匹配的方法,将待测PCB和标准PCB图像分割成为M×N个子图像并分别采用改进的归一化互相关算法进行位置平移匹配,各个子图像匹配结果的综合效果对于整幅图像来说既有位置的匹配又有角度的匹配,这样就可以利用一种算法实现2种匹配的目的。实验结果表明,该方法减少了匹配的运算次数,提高了图像匹配的速度及缺陷检测系统的效率。

基于识别区域估计优化NCC-P算法的断路器储能弹簧形变特性研究

储能弹簧作为断路器分合闸动力元件,其可靠性对断路器运动过程的驱动和控制至关重要。提出一种基于图像匹配跟踪技术的非接触式弹簧形变特征测试方法:由高速相机捕捉储能弹簧伸缩过程高速图像序列,以弹簧活动端首圈为形变检测匹配目标,采用归一化互相关图像金字塔匹配(normalized cross-correlation-pyramid,NCC-P)算法对目标进行逐帧搜索,并获得各关键帧目标的坐标以及弹簧形变相关特征参数。提出基于识别区域估计优化归一化互相关图像金字塔匹配(normalizedcrosscorrelation-pyramid-estimation,NCC-P-E)算法。根据前后帧位置关联预测后续帧目标位置,并根据该预测动态调整识别区,消除相似结构对匹配结果的干扰,提高匹配速度和准确率。通过实验验证可知,该方法可在断路器带电的情况下有效检测断路器弹簧释能过程中的伸缩形变特征。

图像匹配中NCC算法的一种快速实现方法

在计算机视觉领域,图像匹配是常见的任务,基于灰度的点的匹配是常见的方法。其中又以抗噪能力强、匹配精度高的归一化互相关(NCC)算法最为常用。然而NCC算法计算量较大,常常难以满足实时处理的要求。通过引入合适的全1矩阵,让其和原图像的数据做卷积,大幅度地降低了NCC的计算量,提高了效率,仿真实验结果也证明了本文方法的有效性。

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。

基于主成分分析的灰度图像匹配方法研究

为了解决灰度图像匹配方法中的归一化积相关算法在图像匹配过程中计算量大、各种噪声的干扰、匹配结果不准确等问题,文章提出了基于主成分分析的归一化积相关算法,即利用图像灰度值的主成分构造一阶微分方程进行匹配,这样就把整幅图像的灰度值降低为较少的几个主要变量后再进行匹配,从而减少了计算量,一定程度上排除了各种噪声的干扰,使两幅图像快速进行匹配,实验结果证明该算法的有效性。

改进SSR算法在人脸识别中的应用

为提高人脸检测中人脸验证的速度,在平方积分图像和图像窗口的灰度均值及方差快速计算基础上,对传统的SSR算法中人脸验证算法部分进行了改进。应用改进的算法,结合窗口灰度标准化的计算和平均人脸模板的取得,引入相关系数和平均偏差,加快了求解速度,克服了由于噪声点的存在对真实的候选脸图像漏检的情况。人脸检测实验证明应用改进的模板匹配算法的正确性.

正态分布转换算法在声纳图像处理中的应用

根据声纳图像匹配处理的实时性需求,研究了正态分布转换算法。该方法基于对图像中目标点的概率分布进行匹配,不需要提取图像的几何特征或灰度特征,可有效缩短匹配时间。通过对均值滤波法、中值滤波法、小波去噪法、形态学平滑法4种图像去噪和迭代阈值法、最大熵法、一维Otsu法和二维Otsu法4种分割算法,进行仿真并对比,选出符合实时性处理的方法,即中值滤波法和一维Otsui法。基于美国德州仪器公司的数字信号处理芯片,将图像去噪、分割和匹配算法在硬件上实现,硬件实现结果和仿真结果一致,实现了声纳图像匹配的实时处理。

基于DSP的遗传算法系统平台设计

DSP具有强大的信息处理能力,其处理系统在工程上应用非常广泛。针对工程应用中大量数据需现场处理复杂问题的情况,论文提出采用全局搜索效果较佳的遗传算法来对问题进行寻优。系统在TMS320C6201硬件平台上创建具有遗传算法来处理复杂问题的应用环境,并对处理数据量较大以及适应度函数计算较为复杂的图像匹配问题在系统环境中进行功能验证。实验结果表明系统整体方案具有一定的可行性。

大视场相关夏克-哈特曼波前传感器图像快速匹配算法

针对地基太阳多层共轭自适应光学系统的波前斜率实时测量计算量大的问题,本文基于多核CPU提出了一种细粒度并行化快速图像匹配算法,在计算量优化方面,设定阈值预先淘汰一些不可能匹配的位置,减小搜索区域,并运用改进的积分图法减少计算量;在并行优化方面,通过均衡各分支结构间的负载来加快计算速度。经实验验证,在4核CPU下,本文提出的算法平均每帧图像匹配耗12.94毫秒,较传统算法提高了6.7倍,保证准确率的同时提高了实时性。

基于天绘一号的匹配生长水体提取方法

以国产天绘一号01星多光谱4波段影像为数据源,针对大范围水体提取难度大的问题,提出基于归一化水体指数(NDWI)和单波段阈值法的匹配生长算法。采用NDWI水体指数法提取完整的海洋水体和内陆部分水体,将内陆部分水体与单波段阈值对应位置完整的水体做匹配,再通过连通区提取、掩膜运算获得完整的水体分割二值图。采用两景遥感影像(大连和芝罘)进行实验,并与经典水体提取算法进行对比分析。实验结果表明:该法总体精度在90%左右,Kappa系数在0.8左右,对经典提取算法有了显著改善。在大范围提取水体信息时效果较好,提取水体的同时能有效减少陆地阴影造成的干扰,在海陆边界处,陆地轮廓清晰,较好的将陆地和海洋分割开来。

SURF与归一化互相关测度相结合的SAR影像匹配方法研究

合成孔径雷达(SAR)匹配是SAR影像处理的重要环节,但由于SAR影像的特殊成像机理,导致SAR影像在匹配时会出现精度、成功率都较低等问题。特别是山地区域,SAR影像富含纹理信息稀少,影像间几何畸变和辐射变形严重,导致特征点提取困难,匹配精度低。鉴于此,本文提出了采用SURF算法和归一化互相关测度相结合的方法,该方法能够快速获得大量匹配点对,实现SAR影像高效的自动化匹配。首先,应用SURF算法获取影像特征点约束匹配搜索范围;然后,采用归一化互相关和测度筛选提取到的匹配点对;最后,利用双向一致性约束剔除错误匹配点对。本文选取地形复杂区域SAR影像数据进行匹配实验,结果表明,该方法能够获得高精度、特征稳定且分布均匀的匹配点对,可以有效地避免几何变形对SAR影像匹配的影响。

图像匹配算法研究

文本讨论了常用图像匹配算法,在介绍了序贯相似性检测法、不变矩法及去均值归一化相关法的基础上,提出了一种以去均值归一化相关法为主的改进匹配算法,该改进算法不但在处理旋转目标的匹配时具有较高的精度,而且通过改进其搜索策略,使改进算法具有了算法速度快、误匹配率低的优点。

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。

基于小波多尺度的NCC算法的优化

图像模板匹配问题中,基于像素灰度值的相关算法已经十分普遍,其中归一化交叉相关算法(Normalized CROSS Correlation.简称NCC)是基于灰度匹配的经典算法之一,并得到广泛的应用,但是此算法还存在时间复杂度高的缺点。多尺度理论与多种分辨率下的图像表示和分析有关,即一张数字图像可以表示成多张分辨率子图的集合。其特点就是在某种分辨率下无法发现的特性在另一种分辨率下很容易发现,小波是多尺度分析的重要工具,被誉为数学上的显微镜,可以用来构建不同的自适应滤波器以改进滤波器的收敛性,这也小波的优点之一。图像经过多尺度小波分解后,在分辨率最低层的低频子图,仅保留了图像的大部分信息,这是经过小波变换后图像的一个特点。基于小波多尺度的NCC算法不但优化了算法本身也同时优化了基于灰度匹配的搜索路径,这样即保证了NCC算法的精确度,又减少了匹配的时间,并且经过仿真实验证明此算法是行之有效的。