互信息在图像检索中的应用

提出了一种新的相似性图像检索方法,它利用信息熵理论,分别对图像的颜色、形状和纹理特征进行描述,给出一个综合的相似性匹配算法。该方法首先分割图像,把一幅图像划分为若干子区域,抽取图像的主要形状和统计其所含的角度信息;然后利用信息熵计算图像之间的颜色、形状和纹理互信息。试验结果表明与其他方法相比,新的相似性图像检索方法具有更好的图像检索效果。     

缺少控制点的无人机遥感影像几何畸变校正算法

针对无人机遥感影像存在多种几何畸变,设计了缺少地面控制点的无人机遥感影像几何校正算法。在改进角点匹配算法的基础上,提出以分块的方式提取图像中心区域角点作为基准控制点对另一幅图像进行几何校正的算法。该算法先以两个图像A和B中心点连线的中垂线划分重叠区域为K1和K2两块,取图像A上靠近中心点的重叠区域块K1A为基准,选取K1A内有效角点为基准控制点,以图像B上对应的角点为待校正控制点;然后求出基准控制点和待校正控制点间的多项式对应关系式,校正重叠区域块K1B上的每个像素,以类似的方法校正另一块重叠区域K2。实验结果表明,通过算法校正后的无人机遥感影像,几何畸变残差明显减小。     

基于SURF算法的数码印花缺陷检测系统

针对数码印花生产过程中织物上出现的白丝、斑点以及褶皱等表面缺陷问题,课题组设计了基于加速鲁棒特征算法的印花织物表面缺陷检测系统。主要通过加速稳健特征算法（speeded up robust features,SURF）来进行图像配准;采用双向唯一性匹配法减少误配点,实现图像精准配准,并通过差分算法来提取缺陷信息。实验采用多幅图像对改进SURF算法的性能进行了验证。试验结果表明：新系统对印花织物表面缺陷的检测精度达到98%,达到了实际应用要求。     

基于改进AKAZE的特征匹配算法及应用

徽派建筑群的代表性构件样本量大,且由于相同类型构件外观造型相似,仅花纹图案有所区别,所以导致难以判断所采集图像的归属。提出了G-AKAZE方法用于特征匹配,有效提升了匹配速度和精确度,并将其用于徽派建筑图像数据的匹配。首先非线性方法构造尺度空间,并用快速显示扩散数学框架FED来快速求解偏微分方程,再用Hessian矩阵进行特征点检测,根据特征点获取主方向并旋转图像,通过采样网格的像素完成尺度自适应,最后将图像网格化,去除误判点完成特征匹配。此方法能快速且准确地对目标图像进行特征匹配,实验使用前期采集的徽派建筑图像数据,在匹配速度和匹配对数两方面的表现优于同类特征匹配方法。     

基于权重阈值的图像匹配方法

针对尺度不变特征变换(SIFT)算法在低照度情况下存在匹配特征点数目少，会丢失部分重要信息的问题，课题组提出先对图像进行预处理，即增强对比度，提高亮度，使特征信息更明显，特征点更充足，再使用SIFT算法提取特征点；针对SIFT算法因特征描述符维数过多导致耗时长，实时性差的问题，课题组提出一种新的特征点描述方式，降低了描述符维数，提高了算法运行速度；最后，针对SIFT算法匹配过程中对描述符所有维度设置统一阈值易造成误匹配的问题，课题组提出一种权重阈值的方法，对距离特征点不同位置的种子点设置不同的阈值，提高匹配正确率。实验表明：与SIFT算法以及PCA SIFT算法相比，改进的算法匹配精度提高了10%~20%；同时，匹配时间也有所提高。该算法既有效提高了匹配正确率，又缩短了算法运行时间。     

基于帧差法与SURF匹配的异纤机棉流速度测量

针对异纤机输棉通道内棉流速度的不确定性导致其打击精度无法提高的问题，课题组提出了一种基于帧间差分法和SURF特征匹配算法相结合的混合棉速测量方法。首先，对采集到的棉团图像进行预处理，采用帧间差分法提取棉团边缘信息，得到分离的二值化棉花图像；其次，基于形态学操作对二值化图像进行腐蚀、膨胀运算，得到完整的待检测棉团信息；最后，通过SURF特征点匹配算法对2幅图像中的特征点进行匹配，计算相邻帧间同名点之间的像素距离，将像素距离转换为实际距离后，计算得到棉团运动速度。研究结果表明：与直接匹配相比，特征点数量减少了67.8%，无效匹配点对减少了97.47%，算法计算所得速度与直接计算所得速度误差低于4%。课题组提出的算法可以满足实际工业应用要求。     

平行多视点算法求取深度信息

引入了平行多视点的概念，从平行多视点获取的多幅图像中可以求得深度信息。通过利用图像的ＦＦＴ变换，将时域中很难解决的问题变换到频域中来解决，避免了复杂的匹配运算，极大地简化了求取图像点、面深度信息的问题，并且提高了深度求取的实时性、全面性和准确性。介绍了算法原理及特点，并给出了实验结果及分析。     

基于最大互信息方法的机械零件图像识别

提出了应用最大互信息方法进行零件图像识别的方法,它利用图像的信息熵描述图像的特征,结合图像的颜色信息及局部形状信息,以互信息作为衡量两幅图像相似性的测度函数进行图像识别,弥补了直方图表达空间信息的不足。该方法既满足位置不变性,又能避免进行图像分割,从而避免了因图像分割引起的复杂计算,使算法容易实现。实验结果表明,该方法提高了零件图像识别的精度、稳定性和可靠性。     

一种新的形状描述与识别方法

在形状上下文基础上,提出一种新的形状描述符。该形状描述符以形状质心为参考坐标原点建立对数极坐标,并由质心与边界样本点之间的距离及其内角两维构成,其中内角采用质心与边界点连线与轮廓切线之间的切角。这种新的形状描述子计算简单,能较好地区分不同的形状,且具有平移、缩放和旋转不变性,适合使用神经网络来作为识别分类器。最后以神经网络算法作为分类器,在MNIST手写数字数据库和Kimia图像数据库进行了实验验证。实验结果显示:该方法在单目标形状图像检索中取得了较好的检索效果,同时显著地减少了检索所需的时间,适用于较大型图像数据库的检索任务。     

基于双目视觉的智能车辆障碍物探测技术研究

鉴于障碍物探测是越野智能车辆自主导航的关键环节,为此针对越野环境光照多变、地形复杂的特点,提出了一种适用于越野环境的双目视觉障碍物检测技术,即首先对系统进行标定和坐标变换,以抵消地形的影响;然后采用高斯滤波和有限对比适应性直方均衡化(CLAHE)对图像进行预处理,以削弱噪声、光照和对比度的影响;接着在特征匹配部分,用提取的图像的亚像素级Harris角点特征参与匹配;同时基于RANSAC方法估计基础矩阵,再通过对极几何约束匹配来提高系统的实时性,并采用连续性约束消除误匹配,最终获取环境的3维信息;在障碍物提取部分,则通过线性插值来构建车前环境的高程图像;最后通过边缘提取和形态学处理来最终检测障碍物。此外还通过不同环境中的检测实验,验证了该算法的可行性及有效性。     

基于神经网络集成的SAR图像目标识别

合成孔径雷达图像处理过程中目标的方向性会对目标的识别产生很大的影响,基于目标类别的不明确又会给目标方位角的估计带来困难.文中提出了一种基于神经网络集成模型的合成孔径雷达图像目标识别方法.该方法通过小波域主成分分析提取目标图像特征向量,针对同向目标的特征空间训练一个神经网络实现目标分类,并使用另一个二级神经网络对多个单向目标识别器的识别结果进行结合.该方法可以有效地避免目标类别和目标方向间的相互干扰,提高识别精度.该方法对于解决此类似问题给出了新思路.     

一种快速有效提取浓密视差图的方法

采用边缘匹配和区域相关相结合的办法,用Gauss-Laplace算子首先对图像进行运算,提取图像的边缘像素,并根据一定约束条件匹配边缘像素,再将图像对视作对称,以相关值互为最大来确定其余点的匹配关系。用该方法处理经过良好校正的图像对,在VC 环境下可实现浓密视差图的快速提取。     

鱼眼图像畸变的2D校正

鱼眼镜头具有视角大(180°～270°)、视野广、短焦距等特点,所拍摄的图像在视频监控、全景图像拼接等领域有广泛的应用.由于鱼眼图像存在较大畸变,不符合人眼视觉的观察习惯,所以对鱼眼图像进行校正有重要的研究意义.本文主要介绍了鱼眼图像的预处理、有效区域提取以及2D几何校正方法.最后对各种类型的畸变图像进行校正实验,结果进一步说明了几何校正方法在图像畸变校正方面的优势.     

基于2维正面人脸图像的3维人脸重构设计与实现

为了实现基于单张2维(2D)正面人脸图像的3维(3D)人脸重构,采用基于形状和纹理映射的3D人脸重构方法。首先通过主动形状模型及显式形状回归等算法提取预处理后2D人脸图像的特征点及其坐标和纹理信息,然后在标准3D人脸模型Candide-3上建立2D人脸图像与3D人脸模型之间稠密对应的映射关系,再利用纹理映射方法对适配后的3D模型进行覆盖,以便得到与真实人脸高度相似的3D人脸模型,最后使用Open GL将2D图像作为纹理映射至目标3D人脸模型上成为一个真实的3D人脸。实验结果表明:该方法得到的3D人脸模型仍然保持着与原始通用人脸模型相似的形状,并具有良好的连续性和光滑性。     

基于改进ORB算法的特征点匹配研究

针对ORB(Oriented FAST and Rotated BRIEF)算法不具有尺度不变性的缺陷,结合多尺度Shi-Tomasi算法提出了改进的ORB算法:STORB(Shi-Tomasi-ORB)算法。首先在多尺度空间中通过快速预筛选后检测Shi-Tomasi特征点,然后使用ORB算法生成具有方向信息和尺度信息的特征点描述子,最后采用汉明(Hamming)距离对特征点进行匹配,并结合随机抽样一致(RANSAC)算法对匹配结果进行优化,实现图像的准确匹配。实验结果表明,STORB算法不仅保留了ORB算法优良的旋转不变性与实时性,而且当图像发生尺度变化时特征点匹配正确率达到了95.8%,比ORB算法提高了65.2%。     

基于SURF算法的红外图像拼接方法的改进

针对红外图像拼接存在速度慢、精度低的问题,将常用的几种可见光图像配准算法用于红外图像配准对比实验。选择其中 实时性和准确性较好的SURF算法进行优化改进,采用的方法是图像区域分块、阈值化处理和特征点匹配对两级筛选（筛选条件根据不同对象可实时调整）。在 不牺牲准确性的前提下,改进方法有效地提高了红外图像拼接的实时性。实验证明笔者提出的红外图像拼接改进方法的有效性。     

前视探地雷达三维合成孔径成像及多视处理

提出了一种变波速条件下前视探地雷达三维合成孔径成像及多视处理方法。该方法利用非平稳卷积滤波处理在频率域重构目标图像频谱,经傅里叶反变换后实现前视探地雷达三维合成孔径成像;利用估计的目标入射角实现折射校正及前视探地雷达多视处理。对实测数据进行处理,结果证明了该方法的有效性。     

前视探地雷达波速估计及合成孔径成像研究

前视探地雷达的成像处理和地下电磁波的速度估计是前视探地雷达应用中两个重要研究课题。该文利用非平稳滤波矩阵将雷达接收数据经频率域非平稳卷积滤波,实现了目标图像的重建;通过波速扫描和合成孔径成像处理,利用目标图像聚焦的锋利性测度-图像灰度方差估计地下电磁波的速度。对仿真数据和实测数据进行处理,证明了所提方法的有效性。     

基于模糊集和k-means算法的变压器红外图像分割

针对k-means算法的k值选定和复杂背景下红外图像误分割问题,提出了一种结合模糊集理论和k-means算法的改进方法。该方法根据灰度级直方图估计k值,在获得k值的基础上,利用直方图均衡化和模糊集理论进行图像增强,然后通过k-means算法结合数学形态学的开运算,再进行图像分割。实验结果表明,该方法获得了更为准确的聚类结果,同时实验对比发现该方法相较其它方法分割效果更好,又兼顾了快速性和变压器温度细节表现能力。     

改进分水岭算法与K-means方法结合的图像分割

针对分水岭分割算法存在的过分割及对噪声敏感问题,提出一种基于K-means聚类算法与改进分水岭算法结合的图像分割算法,首先,利用K-means聚类算法进行初始聚类分割,提取感兴趣的目标;然后,提出基于4-邻域相似度的改进分水岭算法,对K-means初始聚类图像应用改进分水岭算法分割目标区域。从100幅人骨医学图像提取人骨区域,实验结果表明所提出算法可解决分水岭算法的过分割问题,且有效分割了图像目标。