1 井冈山大学电子与信息工程学院，江西 吉安 343009
2 江西省农作物生长物联网技术工程实验室，江西 吉安 343009
3 吉安市农业遥感重点实验室，江西 吉安 343009
针对不同时相卫星影像匹配效果差的问题，提出基于各向异性滤波的相位一致性的卫星影像匹配方法。首先，利用各向异性滤波建立图像非线性尺度空间，再利用相位一致性模型计算每个尺度下的最大矩图。其次，在每个尺度下的最大矩图上利用分块Shi-Tomasi算法提取特征点，再通过Log-Gabor滤波器建立多尺度多方向的幅值响应，并计算图像的最大幅值响应及其最大幅值的方向索引。然后，在极坐标系下，基于OpenMP并行计算实现特征描述符加速构建，再进行影像匹配与误匹配剔除。最后，利用6组不同时相、不同视角、辐射差异明显的卫星影像进行实验，实验结果表明，所提出的匹配方法明显优于传统的尺度不变特征变换（SIFT）算法和目前较为先进的辐射变化强度特征转换（RIFT）、绝对相位一致性梯度直方图（HAPCG）等算法。
遥感 各向异性滤波 非线性辐射差异 相位一致性 非线性尺度空间 影像匹配
1 重庆城市职业学院，信息与智能制造学院，重庆永川402160
2 重庆邮电大学软件工程学院，重庆南岸区400065
为了准确地从复杂干扰背景下检测出真实弱小目标，本文引入视觉显著性，设计了基于快速光谱尺度空间与动态管道滤波的红外目标检测算法。基于真实目标与背景内容之间的整体差异，引入快速光谱尺度空间与阈值分割技术，设计视觉显著性机制，对红外图像完成处理，输出全局显著性映射，以高效过滤干扰背景内容。考虑目标与背景的局部特征差异，构建自适应局部对比度增强机制，对粗检测结果实施处理，获取对应的局部显著性映射，改善视觉显著性区域内目标的对比度。引入高斯差分理论，通过估算每一帧红外图像中的目标像素直径，形成动态管道滤波，充分消除虚警，准确识别出弱小目标。多组实验数据显示：较已有的红外目标检测技术而言，在各种不同的复杂背景干扰下，所提算法呈现出更好的检测能力，拥有更理想的接收机工作特性(ROC) 曲线。
红外目标检测 光谱尺度空间 显著性映射 自适应局部对比度 高斯差分 动态管道滤波 infrared target detection spectral scale space saliency mapping adaptive local contrast Gaussian difference dynamic pipeline filtering 太赫兹科学与电子信息学报
2022, 20(4): 346
光子学报
2021, 50(11): 1110003
辽宁工程技术大学软件学院, 辽宁 葫芦岛125105
为保护尺度空间边缘和角点信息,提高特征匹配算法的可靠性,提出一种Sub-Window尺度空间的Attention-HardNet特征匹配算法。该算法通过Sub-window box filter构建尺度空间来充分保留尺度空间图像边缘及角点信息;使用FAST算法提取尺度空间特征点来提高特征点提取速度,再利用圆形非极大值抑制算法对其进行优化,提高准确率;对HardNet特征提取网络添加SENet注意力机制,构成Attention-HardNet,提取鲁棒性更强的128维浮点型特征描述符,最后利用L2距离衡量不同描述符的相似性,完成图像特征点匹配。在Oxford数据集上对匹配算法抗尺度、压缩、光照等性能进行测试,由测试结果可以看出本文算法相较于常用匹配算法,匹配正确率得到较大提升,相较于L2net、HardNet等深度学习方法,匹配正确率提高3%左右,速度约提高10%。
图像处理 sub-window尺度空间 圆形非极大值抑制算法 HardNet SENet注意力机制 激光与光电子学进展
2021, 58(22): 2210006
针对复杂场景中光照变化、目标自身尺度变化等引起的目标丢失或误跟踪等问题, 提出一种尺度和光照自适应的结构化多目标跟踪方法。利用多尺度Retinex算法对序列图像进行预处理; 通过SPOT算法对多目标进行跟踪, 以确定新一帧中各目标最优位置; 采用判别型尺度空间跟踪算法训练尺度滤波器, 以新一帧中各目标最优位置为中心, 利用尺度滤波器的最大值确定新一帧中各目标的最优尺度; 采用随机梯度下降法并结合双线性插值更新特征分类器的权重。实验结果表明, 提出的多目标跟踪算法在应对场景光照和目标尺度变化等方面, 具有良好的鲁棒性和准确性。
Retinex算法 判别型尺度空间跟踪算法 随机梯度下降法 双线性插值 Retinex algorithm Discriminant Scale Space Tracking(DSST) Stochastic Gradient Descent (SGD) bilinear interpolation
为了实现准确、快速的图像匹配, 从角点检测与描述子两方面入手, 提出了一种基于CSS角点检测的匹配算法。首先, 在曲率尺度空间下, 检测图像在不同尺度下的角点并剔除不稳定角点; 其次, 基于曲率对图像轮廓描述的精确性, 以特征点为中心划分3×4的子邻域, 计算子邻域内轮廓曲线点的高斯加权曲率等4维向量特征, 建立48维描述子, 由于CSS角点检测包含曲率计算, 因此生成描述子时避免了曲率的二次计算, 提高了匹配速度; 最后,提出一种“二进制距离”方法对描述子进行匹配, 进一步优化匹配速度。通过实验证明, 在保证精度的情况下, CSS快速匹配算法大幅度缩短了匹配时间, 对旋转、亮度变化具有较好的匹配效果。
图像处理 图像匹配 曲率尺度空间 角点 曲率 image processing image matching curvature scale space corner point curvature
1 中国计量大学 计量测试工程学院, 浙江 杭州 310018
2 桂林电子科技大学 广西光电信息处理重点实验室培育基地, 广西 桂林 541004
3 青岛市计量技术研究院, 山东 青岛 266100
针对数字全息技术中测量面积受限的问题, 提出基于优化Harris角点算法的拼接算法实现相位的双方向拼接。在获取数字全息图像时, 保证相邻区域具有部分重叠, 再对获得的物体的各子孔径相位图像进行拼接; 用Harris角点算法检测角点密集区域为匹配模板, 可高效且精准地确定重叠区域, 结合高斯尺度空间和金字塔匹配思想对算法进行优化, 通过加权融合实现三维形貌的再现相位拼接。以玻璃样板为实验对象, 完成了物体再现相位的双方向拼接。实验结果表明: 该拼接方法能够有效扩大数字全息测量物体的测量面积, 并保证了较高的拼接准确度。
数字全息 Harris角点算法 高斯尺度空间 相位拼接 digital holography Harris corner algorithm Gaussian scale space phase splicing 红外与激光工程
2019, 48(11): 1126002
1 安徽建筑大学机械与电气工程学院, 安徽 合肥 230601
2 安徽建筑大学建筑机械故障诊断与预警重点实验室, 安徽 合肥 230601
利用非线性扩散滤波构造尺度空间,将Hessian矩阵的弱边缘检测能力与Laplace算子的强边缘检测能力相结合,以Hessian矩阵行列式与Laplace算子之比作为特征判据,提出了一种基于非线性扩散滤波的图像特征检测算法,并对点和线仿真图像、Mikolajczyk标准数据库、SALSA偏振相机获取的真实场景图像进行了性能验证。结果表明,所提算法能够检测出图像的强边缘、弱边缘和角点特征,受光照、对比度影响较小,稳健性好。
图像处理 特征检测与描述 偏振图像 非线性尺度空间 图像匹配 激光与光电子学进展
2019, 56(11): 111002
西安建筑科技大学信息与控制工程学院，陕西 西安 710055
针对彩色图像匹配大多数仅利用图像灰度特征，忽视彩色信息，在颜色相近区域易造成误匹配的问题，引入颜色不变量，提出一种用于彩色图像的颜色尺度不变匹配算法。该算法首先将图像的RGB 颜色模型转换到高斯颜色模型。随后，通过计算颜色不变量代替灰度信息作为输入，建立多尺度空间，并使用SIFT 算法提取特征点，构建特征描述子。最后，选择其中一幅图的特征描述矢量为基准，利用FANN 算法在另一幅图的特征描述矢量中，寻找基准图像特征矢量的最优解即匹配对，从而完成两幅图像的匹配。实验证明，相对于传统的SIFT 图像匹配算法，本文的算法匹配正确率更高，图像匹配质量更好。
颜色不变量 高斯颜色模型 多尺度空间 color invariant FANN FANN SIFT SIFT Gaussian color model Multi-scale space
空军航空大学 航空航天情报系，吉林 长春 130022
针对目标跟踪算法中相似背景的干扰及目标自身旋转导致跟踪框漂移的情况，提出一种融入SSD（Single Shot MultiBox Detecter）检测的方案，从而有效地避免了跟踪框的漂移。首先对要跟踪的特定种类的目标进行深度学习检测模型的预训练，然后利用本文所设计的融合判别尺度空间算法完成目标定位和跟踪。由判别尺度空间模型对目标实施初步定位，在候选区域进行特征检测，并设计了一种运动估计淘汰体制，以保证候选区域目标的唯一性，最终完成目标的精确定位。实验证明，该方法能有效避免相似背景干扰和遮挡时所造成的跟踪框漂移，同时在目标快速运动，尺度和形状变化时均能完成鲁棒性的跟踪。
SSD 检测 判别尺度空间 目标跟踪 SSD detection discriminate the scale space target tracking
