在基于区域的匹配方法中,匹配窗口一般是方形或长方形,如果存在变形,如旋转等,匹配将变得十分困难.提出了一种基于圆形窗和HNCC的匹配方法,首先把实时图分成几个方形窗口,以方形窗的内切圆作为匹配窗口,利用提出的HNCC方法在参考图中找出这些小窗口对应的控制点,并进行一致性检查去除误匹配点.根据坐标的转换模型和最小二乘方法,求出参考图与实时图的对应坐标关系.与现有的基于特征的匹配方法相比,此方法很容易得到控制点而不需要图像中有明显的特征,同时此方法简单、有效、容易理解.仿真试验证明了此方法的有效性.
圆形窗 直方图 旋转 Circular template Histogram HNCC HNCC Rotation
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
以尺度类似于时间,对具有不同分辨率的多幅图像建立起状态方程和观测方程;以标准Kalman滤波为工具,将具有不同性能与特点的图像进行融合,并给出了分块快速算法.利用估计误差绝对值均值对融合的性能进行了评估.多组实验与分析表明:所提出的图像融合算法不仅能有效的去除噪声和提高图像分辨率,而且通过图像融合,能够大大改善存在部分遮挡和恶劣天气等影响下获取的存在灰度、对比度变化的图像的性能.
图像融合 Kalman滤波 灰度 对比度
为了解决存在旋转的异类图匹配问题,在互信息(MMI,Maximum of Mutual Information)匹配方法的基础上,利用穷举法在参考图中找出实时图的对应匹配位置,并作为控制点,利用模型以及最小二乘方法找出两幅图像的对应关系.利用参考图的旋转变换较好地解决了存在旋转的异类图匹配问题;把控制点理论应用于灰度匹配得到的匹配点;把景象匹配的新成果(MMI)用于解决旋转异类图匹配.仿真实验表明此方法可较好地解决存在旋转的异类图匹配问题.
异类图 互信息 景象匹配 坐标转换
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
为了解决强噪声干扰、部分遮挡等复杂环境下的图像匹配问题,给出了一种鲁棒的图像匹配算法.在引进圆约束的条件下,对点点间距离给出了一种新的定义.在此基础上,对经典Hausdorff距离进行改进,提出了一种新的度量,即最小最大圆度量.以此度量作为景象匹配的相似性度量,并在搜索的过程中采用圆形窗,获得了一种鲁棒的图像匹配方法,即基于最小最大圆度量的鲁棒模板匹配方法.多组实验与分析表明,该算法可以有效地解决存在旋转、灰度对比度变化、噪声干扰、部分遮挡与强光饱和等变换与干扰存在下的景象匹配定位问题.
景象匹配 模板 旋转 Hausdorff距离 最小最大圆度量 部分遮挡
1 清华大学,自动化系,北京,100084
2 空军装备研究院,北京,100085
结合小波变换和增量符号相关提出了一种有效的鲁棒图像匹配方法.将实时图和基准图做小波分解以获得粗尺度的平滑图像;利用相邻像素间灰度的升降对所获得的平滑图像进行二值化重新编码;匹配二值化后的实时图和基准图,找出前者在后者中的坐标,进而确定实时图在基准图中的位置,以完成匹配.小波分解能有效的去除噪声并能大大提高匹配算法的实时性.增量符号相关方法对图像灰度值的变化不敏感.因此,二者相结合不仅有效的解决了存在噪声干扰、阴影混入(块误差)和部分遮挡等影响下的图像匹配问题,且与传统匹配方法相比,匹配速度提高了约10倍以上.理论分析说明了方法的可行性,多组实验显示了其有效性.
图像匹配 小波分解 增量符号相关 鲁棒性
