一种改进的快速归一化积相关图像匹配算法

归一化积相关算法是一种经典的图像匹配算法,具有操作简单、匹配概率高等优点,其不足之处主要在于计算量大,难以满足实时性要求。为此,本文首先提出了一种减少归一化积相关算法计算量的方法,通过从基准图像中构造出两个搜索矩阵,来简化实时图像的搜索路径,使其只需沿一个方向平移就可以完成匹配,并且可以很容易地通过相邻两个基准子图之间的迭代来避免图像能量的重复计算;接着将该方法与BPC算法的思想相结合提出本文的快速匹配算法,从两个方面来减少传统算法的计算量,进一步提高了算法的运算速度;最后通过实验仿真验证了本文算法的优越性。

基于曲线拟合的拼接缝消除方法

本文提出一种新的基于曲线拟合的拼接缝消除方法。首先对原拼接缝周围一定范围内的像素灰度值变化进行一次曲线拟合,使得灰度值平滑变化;然后对曲线拟合后的值分别加入相应的纹理信息,以解决只进行曲线拟合造成的图像灰度变化特征损失的问题,达到既实现灰度的平滑过渡又较好地保持原图像纹理特征的目的;最后,将改正后的图像与原图像加权融合并进行微调,得到视觉效果良好的结果图像。此外,本文提出了一种根据拼接缝两侧平均灰度差值自动确定改正宽度的方法,改正范围与灰度差成正比。实验表明本文算法可行、有效,与目前常用算法相比,在消除灰度突变,实现平滑过渡的同时能够更好地保留原图像的纹理特征,吻合度更高且视觉效果较好,尤其当灰度差值大于10时,本文提出的算法仍具有较高的适用性。

基于动态三角形改正范围的结构拼接缝消除方法

目前对结构拼接缝的消除多采用寻找最佳拼接缝的方法,但该方法无法使得全局各处的错位都得以消除,仍存在局部错位。因此,提出一种新的针对局部错位位置进行改正的结构拼接缝消除算法。首先以模板内对应像素差最小寻找对应的错位点,然后确定错位点相应的动态改正范围,再在对应错位点和动态改正范围边界点确定的三角形改正区域中将错位逐步消除,最终得到视觉上没有明显错位的图像。实验表明,该算法在基本保持原图像特征和清晰度的同时,能准确找到对应的错位点并进行消除,近似恢复原图像的连贯完整特性,且该算法是对已完成几何镶嵌后的图像进行处理,不需要原两幅图像的重叠区域,是一种有效、可行且效率较高的结构拼接缝消除方法。

一种基于Hilbert曲线的HBase遥感影像检索方法

本文在分析海量遥感影像存储特点和HBase的基础上,将Hilbert曲线应用到遥感影像金字塔中,提出一种利用HBase快速检索海量遥感影像的方法。实验结果表明,该方法不仅在集群上解决了单机无法解决的海量遥感影像存储问题,而且实现了海量遥感影像快速的检索。同时,该方法还可以应用到对海量遥感影像的进一步处理中,以加快海量遥感影像的并行处理速度。

基于GPU的大影像正射校正分块处理方法

图像正射校正处理具有计算复杂度和并行性高的特点,适合在GPU中进行大规模并行处理。然而由于大幅面的影像超过了GPU全局存储器的范围,无法直接导入全局存储器中进行处理。本文提出了影像分块处理策略,对大幅面影像分块然后依次传输到全局存储器中进行处理。实验表明:与CPU串行正射校正算法相比,GPU分块并行处理算法达到了很好的加速效果,加速比达到了188.34倍。

基于SURF与BRISK的遥感图像配准

针对SURF算法在构建局部特征描述符阶段耗时过长的问题,提出一种基于BRISK二进制特征描述符的改进SURF算法。应用SURF算法中快速Do H(determinant of hessian)算子检测特征点并确定主方向,采用BRISK描述符进行特征描述,通过匹配阶段采用汉明距离双向匹配和RANSAC算法剔除误匹配,并利用最小二乘法获取精确配准模型完成图像的配准。对比实验结果表明:该算法大幅提高了匹配速度,其匹配性能也超越了原SURF算法,能够较好地完成遥感图像配准。

一种频域特征的飞机目标提取方法

针对军事遥感影像智能判读的目标定位与提取问题,将先验知识引入到目标提取过程中,提出一种基于频域特征的飞机目标提取方法.该方法通过绘制目标圆周剖面线将二维图像信号简化为一维信号,运用频谱能量的谐波叠置原理对飞机形状进行频谱分析,确定目标轮廓的固有频率;然后设计多尺度的Gabor滤波器组提取图像的纹理特征图,并进行特征图融合形成目标显著图;最后利用数学形态学的方法对目标显著图进行处理,得到最终的目标提取结果.实验结果表明,与基于无先验知识的视觉显著性目标检测方法相比,该方法抗干扰能力强,能够清楚、准确、完整地提取目标区域,是一种有效的飞机目标提取方法.

遮挡检测算法分析比较研究

真正射影像不仅具有地图的几何精度,可以直接进行地物尺寸和距离的测量,而且具有更好的视觉效果。有效的遮挡检测是真正射影像制作关键环节,国内外学者提出了许多遮挡检测算法,在进行遮挡区域检测的过程中各有优劣。通过对主要的遮挡检测算法原理和处理过程进行对比分析,总结了各个算法的优缺点,为寻求高效准确的遮挡检测算法提供参考,并提供了一些可以改进的建议。

基于YOLOv2的无人机航拍图像定位研究

为了保证定位的速度和准确率,采用2016年在目标检测领域取得最佳检测效果的YOLO v2网络制作了以明显特征的地物作为目标区域的目标检测数据集。通过目标框维度聚类、分类网络预训练、多尺度检测训练及更改候选框的筛选规则等方法改进YOLO v2网络,使其更好地适应定位任务。能够将无人机实时获取的航拍图像定位到目标区域,并通过投影关系进行坐标转换得到无人机的经纬度。结果表明:该方法效果较为理想,在航拍图像的目标区域检测任务中检测网络的平均准确率提高到79.5%;在包含目标区域的航拍图像中,经模拟飞行的仿真实验验证,其网络定位准确率大于84%。