针对Receptive Fields Network(RF-Net)中存在网络较浅、缺乏深层语义信息的问题, 提出了一种基于Residual Network(ResNet)和RF-Net的改进网络用于遥感影像匹配。首先, 通过对真实遥感影像进行裁剪、光照变换和仿射变换处理, 得到图像对并计算同一序列中不同图像间的单应性矩阵, 构建了一个遥感影像数据集。然后, 提出了一种双通道的网络结构用于关键点检测, 该双通道网络由Receptive Fields Detection(RF-Det)和ResNet构成, 前者提取含有细节信息的浅层特征图, 后者提取含有语义信息的深层特征图。此外, 采用特征描述子提取网络L2-Net, 得到128维特征向量用以描述关键点。最后, 分别采用最近邻、带阈值的最近邻和最近邻距离比的策略对特征描述子进行匹配。实验结果表明, 该网络在仅含光照变换、仅含仿射变换和同时包含这两种变换的遥感影像数据集上的匹配得分, 比RF-Net分别提高了0.002, 0.117, 0104, 在关键点检测和匹配精度方面具有更优的性能。

针对多光谱成像系统采集的织物图像的颜色色差分析问题, 提出了一种基于仿射变换与Levenberg-Marquardt (LM)算法的图像配准方法。从配准角度出发, 利用提出的配准方法将标样图像与打样图像配准后进行空间色差分析。多光谱系统采集的织物图像的形变, 包括平移、旋转、缩放和错切变换, 符合典型仿射变换模型。提出一种新的方法来估计仿射变换矩阵, 该方法对两幅图像的对数极坐标幅度谱积分曲线进行匹配, 将仿射变换矩阵求解转化为一个非线性最小二乘拟合问题, 进而利用LM算法搜寻最优参数值, 同时引入分块配准以得到更好的配准效果。实验结果表明, 与传统基于Fourier-Mellin配准算法和基于尺度不变特征变换的特征点配准算法相比, 提出的算法可获得更好的配准效果, 可有效解决具有周期性元素的织物图像配准问题, 有助于织物图像色差评估。

针对SURF 不能满足实时性、BRISK 匹配率低的特点，本文采用SURF 检测关键点与BRISK 计算描述子相结合的方法，提出一种新的特征描述方法SURF-BRISK。本文首先通过SURF-BRISK 描述方法进行特征匹配，然后通过RANSAC 去除误匹配，最后通过正确的匹配点对计算仿射变换的6 个参数并进行目标定位。实验表明，SURF-BRISK 特征描述方法不仅具有实时性和鲁棒性，而且在目标定位中取得了较好的结果。

印刷电路板 (PCB)表观缺陷检测是机器视觉检测领域的一个重要问题, 为了有效地利用参考法对印刷电路板光电图像进行检测, 需要提高图像配准精度。本文提出了一种基于随机 Hough变换(RHT)和空间数据坐标变换理论相结合的配准方法, 该方法在寻找配准目标和完成配准效率方面均有很大提高。利用 PCB光电图像进行实验, 结果表明: 在提高检测精度, 降低内存空间, 减少计算时间等方面, 该配准算法的优势明显。

提出了一种新的基于三角网格结构的计算全息快速算法，此算法利用几何中的仿射变换原理，用解析表达式表示出三角网格的二维傅里叶频谱信息，不需要对物体中的每一个三角网格进行傅里叶变换，从而大大减少了计算量，提高了运算效率。实验结果证明，此算法简洁、快速，且能够取得较好的全息重建像，是一种提高计算全息运算速度的有效方法。

为了实现红外与可见光图像的自动配准，提出了基于似然函数EM迭代的图像配准算法。该算法以图像边缘作为配准点特征，将异源图像配准转化为边缘点集配准。通过点集的高斯混合建模建立了点集配准似然函数，以该函数作为目标函数，仿射变换参数作为优化变量，利用EM迭代优化方法进行最优变换参数求解。迭代过程中，引入基于概率密度自适应阈值分割的外点剔除机制，解决了外点对目标函数的干扰问题，实现了边缘点集的精确配准。利用实测的可见光和红外图像进行了算法验证，证明了该算法的有效性。

为了实现红外与可见光图像的自动配准，提出了基于似然函数最速下降迭代的图像配准算法.该算法以图像边缘作为配准点特征，将异源图像配准转化为边缘点集配准.基于点集的高斯混合模型建立了边缘点集配准似然函数，以该函数作为目标函数，仿射变换参量作为优化变量，利用最速下降方法进行最优变换参量求解，从而实现边缘点集配准.同时，将多分辨率金字塔引入迭代配准框架下，实现了高分辨率图像配准的加速.实验结果表明：该算法精度高，运算速度快，可以很好地完成可见光与红外图像的自动配准.

为了快速识别数字图像中的飞行器类型,在取得飞行器闭合轮廓线的基础上,提出了基于飞行器结构特征点和仿射变换的飞行器识别算法。利用飞行器的对称性,确定飞行器的特征点;将这些特征点作为两幅不同图像的匹配点,计算数字图像之间的单应矩阵;根据所得的单应矩阵进行仿射投影,将一幅图像中飞行器的轮廓线投影到另一幅图像上,并对该图像上的两个飞行器的轮廓进行比对,判断这些图像中的飞行器是否为同一类型。实验表明:在取得飞行器闭合轮廓线的前提下,可在0.2 s内给出判定结果,基本满足指挥自动化系统对目标识别模块的稳定可靠、快速准确的要求。

从运动背景中检测与跟踪运动目标是计算机视觉研究领域的热点,其中的困难之一是消除运动背景的影响.提出一种基于均匀稀疏采样减少仿射变换参数估计计算量的快速方法,并且利用Huber函数对误差的敏感度不同的特性,使得背景的仿射参数估计过程只对背景像素点敏感,减少了前景运动物体对参数估计造成的误差,提高参数估计的精度.

研制了一种用于实时人脸识别的光电混合自动识别系统,包括特征提取、光照及几何归一化、编码、光学识别和判决几个部分。以计算机为控制中心,CCD摄像机实时获取待识别人脸图像后,由计算机做预处理工作,包括用灰度直方图均衡化做光照归一化,自动提取两个内眼角和嘴的中心三个参考点,利用仿射变换进行几何归一化并进行广义互补编码,以实现数学形态学击中击不中变换;编码图像送入基于非相干光相关器的光学处理器做光学运算;最后对光学识别结果进行判决,从图像库中找出一个或几个与待识别目标相似的人脸图像。给出了实验结果。