在实际的印刷品缺陷检测过程中, 存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此, 在图像去抖动技术的基础上, 提出了一种融合 SURF(speeded-up robust features)和 ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先, 基于 SURF算法提取标准印刷图像和待检测图像的特征点; 其次, 基于 ORB算法对提取的特征点进行描述和匹配; 再次, 将正确匹配的特征点通过仿射模型来求取全局运动矢量; 最后, 通过求得的全局运动矢量来补偿图像, 并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化, 分别采用 SURF-ORB、ORB和 SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明, SURF-ORB的特征点匹配对数量最多, 匹配效果最好, SURB-ORB的运动估计时间控制在毫秒级别, 满足现代印刷品缺陷检测的实时性要求。因此, 融合 SURF和 ORB的运动估计算法能够对图像进行精确、实时的配准。

针对精确制导系统图像跟踪的特点，在研究图像特征点匹配的基础上提出了一种应用于地面固定目标跟踪的新方法。首先在高斯差分尺度空间提取特征点；然后用邻域梯度描述特征点，用最近邻与次近邻的比值作为特征点的匹配准则；接着建立仿射模型解算跟踪点；最后设计了一种有效的参考图更新方法。大量的仿真实验表明该方法对地面固定目标具有较好的跟踪性能，能有效抑制跟踪漂移现象，展示了很好的鲁棒性。

提出一种基于特征点跟踪的稳像算法。该算法从参考帧图像中提取出一组特征点，然后在后续帧中进行基于Kalman滤波的特征点的跟踪，匹配参考帧图像中特征点的坐标和当前图像中基于Kalman滤波修正后得到的特征点的坐标，并通过仿射模型求出位移量及旋转参数，最后进行反向变换，从而得到稳定的视频图像。实验结果表明：该算法稳像效果好，运算复杂度低，且具有较强的鲁棒性。

为了稳定跟踪导弹末制导阶段的红外目标,提出了一种基于尺度不变特征变换的红外目标跟踪算法.尺度不变性特征变换所提取的图像纹理特征具有尺度和旋转不变性,跟踪算法分别提取目标模板和待跟踪图像的尺度不变特征变换特征.根据最小欧氏距离准则提取目标模板与待跟踪图像间相匹配的尺度不变特征变换特征点对,利用该特征点对拟合反映两图像间映射关系的仿射模型,并据此估计目标中心位置及调整目标模板尺寸.仿真结果表明,跟踪算法能够较好地实现在导弹末制导阶段对红外地面杂波背景下目标的稳定跟踪,其跟踪准确度和稳定度优于传统方法.

An algorithm is proposed for registering images related by translation, rotation, and scale based on angular and radial difference functions. In frequency domain, the spatial translation parameters are computed via phase correlation method. The magnitudes of images are represented in log-polar grid, and the angular and radial difference functions are given and applied to measure shifts in both angular and radial dimensions for rotation and scale estimation. Experimental results show that this method achieves the same accurate level as classic fast Fourier transform (FFT) based method with invariance to illumination change and lower computation costs.

图像中待攻击目标的自动识别与跟踪锁定是图像制导的基本任务,也是图像制导技术的难点所在.由于获得图像的角度和位置的不同,同一目标在不同图像中会有较大的变形,如何正确地识别出该目标是至今未能很好解决的问题.相比之下,人和动物在复杂的环境中,几乎在各种角度和位置的情况下,均可以可靠地识别出目标,并能完成对该目标的跟踪锁定.因此生物视觉的工作机理成为了当前学者研究的热点,在继承和发展了当前国际上该领域的最新研究成果的基础上,实现了生物视觉原理下的目标识别与跟踪算法,经过大量真实图像的试验,证明了该算法的鲁棒性.