基于小波变换和不变矩匹配的快速人体定位

人体定位是指在图片中确定行人位置的过程.为了提高人体定位的正确率和速度,提出了一种结合小波变换和不变矩匹配的定位方法.首先对图像进行小波变换,提取出图像小波系数;再根据行人模板的系数特征提取出不变矩模板;然后在小波域上通过不变矩匹配实现人体定位.该方法减少了待检区域,降低了计算代价.实验结果表明,该算法识别率达78.6%,测试结果比Oren等人提出的匹配方法提高了26.7%.     

基于不变矩的影像匹配搜索算法

矩在统计学中用于表征随机量的分布，直方图不变矩反映了图像灰度分布的统计特征。本文在对不变矩进行深入探讨的基础上，提出了基于圆表搜索模板的图像直方图不变矩搜索方法，并对两幅待融合影像进行了较高精度的灰度搜索匹配试验，取得了较好的结果。     

一种基于小波分析的旋转不变图像快速匹配方法

提出了一种基于小波分解的具有旋转不变特性的三级特征图像快速匹配方法,利用小波分解的高频分量得到图像边缘,进而提取具有旋转不变特性的边缘特征;小波分解的低频分量则用于提取同样具有旋转不变性的图像尺度共生矩阵特征.前一个特征反映了图像边缘间的空间关系,后者则体现了图像灰度间的空间关系,利用这两类特征构成一个三级决策树对图像进行搜索,以查找搜索图中是否包含样本图,对满足匹配条件的若干候选子图,给出具有最大相似特性的一个,实验结果表明,较之于传统的模板匹配方法,该方法具有快速,高精度,抗干扰能力强等优点.     

SIFT特征匹配技术在自动相对定向中的应用

提出了一种利用尺度不变特征变换(SIFT:Scale invariant Feature Transform)特征匹配技术应用于遥感影像自动相对定向的方法,SIFT特征是图像的局部特征,其对旋转、尺度缩放、亮度变化均保持不变,对视角变换、仿射变换、噪声均有一定程度的稳定性。文中给出了较为详细的理论分析和实验分析,结合小波变换建立影像金字塔采用分频道相关提高影像匹配的速度,利用最小二乘匹配方法提高了匹配的精度,取得了较好的实验结果。     

基于PCA与不变矩的车标定位与识别

在车牌位置确定的情况下,利用车标边缘特点在车牌上方一定范围内检测车标.提出车标似真度的概念,将检测到的车标图像映入PCA生成的特征车标空间,得到的重构图像与原图像进行车标真实性检测,减少车标的误定位;然后利用不变矩的旋转、尺度及平移均不变的特性,定义不变矩的最小矩距离进行车标识别.通过实测车标图像的定位和识别实验表明,该方法是有效和可行的.     

一种采用不变矩的矢量面目标匹配方法

不变矩作为理想的形状描述子,具有平移、旋转、缩放变换不变的特点。以M.K.HU矩方法为基础,提出一种采用不变矩的矢量面目标匹配方法。该方法以7个矩不变量组成矢量面目标的特征向量,通过度量矢量面目标与候选面目标特征向量之间的欧式距离判定同名实体。对两种不同数据源中水域面目标进行匹配实验,验证该方法的有效性。     

基于亮度相关矩的MODIS和SPOT影像融合研究

针对MODIS影像空间分辨率较低的问题，提出了一种基于亮度相关矩的多分辨率图像融合方法。该方法首先对SPOT影像进行小波分解，将MODIS影像构成的RGB颜色系统变换到IHS颜色系统；然后，根据强度分量和SPOT影像低频分量的均值和方差来定义图像亮度相关矩；最后，IHS逆变换和小波逆变换得到包含更多信息和有效特征的融合图像。试验结果证明该方法得到的融合图像在保留地物光谱信息和提高空间分辨率上都具有很好的效果。     

小波域遥感图像不变纹理分类

分析了有限脊小波变换可以实现图像的旋转不变性和平移不变性,提出了结合两种小波变换提取图像纹理特征的方法,实现了在小波域中进行图像的不变纹理分类.     

一种基于小波变换的图像配准方法

提出一种基于小波变换的图像配准方法.该方法首先用小波变换提取边缘特征点,同时构成小波金字塔影像.在最高层利用角度相关系数确定基准图像和配准图像之间的旋转角度,经多分辨分级搜索匹配得到最终匹配特征点对,利用这些特征点对待配准图像进行配准纠正.实验结果表明,改进方法有较好的效果,可用于广泛应用领域.     

基于小波变换的多光谱图像压缩方法

在分析多光谱图像小波变换后系数特点的基础上,提出了一种共享有效图的小波变换压缩方法（ＳＳＭＷＴ）。该方法将小波变换压缩技术中的零树编码推广到多光谱图像压缩中,利用多光谱图像的结构相关性,对多幅小波图像只需构造一幅有效图,同时去除空间冗余和谱间结构冗余,并与Ｋ－Ｌ变换相结合,进一步去除谱间统计冗余,实验表明了该方法的有效性。     

一种改进的Hu不变矩多源影像匹配方法

Hu不变矩对多源影像进行匹配时,无法对抗大幅度旋转和灰度差异,而且计算量较大无法快速匹配。本文结合多源影像之间的区别和联系,针对Hu不变矩的适用性和计算过程,从匹配窗口设计、影像预处理、亮度因子、计算过程等4个方面进行改进。实验结果表明,改进后的Hu不变矩匹配方法可以抵抗大幅度影像旋转和灰度差异,而且提高了匹配准确度和速度。     

具有尺度与旋转不变性的立体影像自动匹配研究

提出一种具有尺度与旋转不变性的影像自动匹配算法。首先基于方向小波变换构造三尺度特征点算子,进行两尺度匹配,保证其尺度不变性问题;其次构造特征点64维描述向量,解决影像匹配的旋转不变性。分别采用地面立体像对、无人机平台立体像对、航空立体像对进行试验分析。试验结果表明,提出的立体匹配算法具有良好的尺度和旋转不变性。     

基于Radon和树型小波变换的遥感影像居民地提取

针对频域变换的旋转不变纹理特征,提出Radon变换结合树型小波变换的纹理特征提取方法。以Radon变换处理影像将影像纹理的旋转转化成平移信息,对变换后的影像进行非完全树型小波变换。此时可以将能量作为旋转不变纹理特征,但得到的小波系数所携带信息较少,所以本文采用小波系数直方图作为纹理特征。采用此方法对居民地进行提取,实验结果表明利用该方法能得到比较有效稳定的旋转不变纹理特征,并且对不同的中小比例尺遥感影像都有较好的适应性。     

旋转和平移不变纹理特征的遥感影像居民地提取

本文利用Radon变换的小波系数直方图对遥感影像居民地进行提取。首先,通过Radon变换将纹理影像的旋转和平移转化为平移,然后对Radon变换后的影像进行小波变换,最后利用小波系数直方图作为旋转和平移不变特征进行纹理分割。实验结果表明:基于Radon变换的小波系数直方图方法对遥感影像居民地有较好的提取结果。     

剔除无人机影像BRISK特征误匹配点对算法

针对BRISK特征检测算法在遥感影像中匹配时同名点对冗余度高和全局性差等特点,考虑BRISK特征检测算法能获取大量无人机遥感影像特征点,Delaunay三角网算法能够利用影像的BRISK特征点的粗匹配点对构建三角网,本文综合两种算法的优点,提出了一种结合BRISK特征检测算法和Delaunay三角网算法的剔除无人机遥感影像误匹配点对方法。该方法利用两张影像的BRISK粗匹配特征点构建Delaunay三角网,利用遍历两张影像三角网中的三角形相似度剔除错误匹配点对,并利用摄影不变量原理进一步剔除误匹配点对,提高了两张影像的精度;对比分析了Delaunay三角网的射影不变量算法,RANSAC算法分别剔除原始影像组、加入椒盐噪声影像组及旋转影像组的BRISK特征误匹配点对的效果。试验结果表明,3组影像分别利用结合BRISK特征和Delaunay三角网的射影不变量算法的无人机遥感影像匹配方法获得的正确特征匹配点对冗余度低、全局性优。     

一种模拟纠正影像的SAR立体影像匹配方法

针对常规SAR影像匹配方法在地形起伏较大区域无法获取理想的SAR立体影像匹配结果的问题,该文提出了一种基于模拟纠正影像的SAR立体影像匹配方法。利用观测区域粗分辨率DEM进行SAR影像模拟,进而获取几何纠正SAR影像,在几何纠正SAR影像上实现影像匹配,等效于常规基于灰度影像匹配中进行的影像粗配准工作,并且相比于常规粗配准,该等效粗配准过程能够均衡地顾及到整幅影像的像元,最终实现了地形起伏较大区域的高精度SAR立体影像匹配。采用COSMO-Skyped影像数据进行了实验,实验结果表明,匹配精度达到了3个像素左右,比常规的基于灰度影像匹配方法有较大提高,能够有效解决地形起伏较大区域SAR立体影像匹配问题。     

面向宽基线立体影像匹配的高质量仿射不变特征提取方法

针对宽基线影像匹配问题,提出基于信息量和空间分布均衡性双重约束的多层次特征筛选方法,并在此基础上探讨集成该特征筛选方法、MSER(Maximally Stable Extremal Region detector)、SIFT(Scale Invariant Scale Transformation)的特征提取算法,以达到提取高质量(高信息量、空间分布均衡、高重复率)仿射不变特征的目的。实验表明,相对现有最优算法,本文方法具有更高的重复率和匹配成功率,更有利于后续的(宽基线)立体匹配。     

加入不变矩的高分辨率遥感图像分类

不变矩是表达图像几何形状信息的参数,具有几何变换的稳定性,在图像识别领域已经得到广泛应用。本文将3种常用的不变矩,即胡氏矩、Zern ike矩和小波矩,运用到高分辨率遥感图像分类中,并与只利用光谱信息的图像分类结果进行对比。结果表明,在高分辨率图像分类中加入不变矩图像可以显著提高分类精度,尤其是对那些具有相似光谱特征但同时具有不同形状和结构特征的地物分类更加有效。