一种引入傅立叶-梅林-仿射两级变换的影像区域匹配框架

针对影像区域匹配方法几何形变敏感的应用局限性,将特征匹配、相位匹配的基本思想引入区域匹配过程,基于傅立叶-梅林-仿射两级变换建立了归一化互相关灰度相似性计算下的自适应模板匹配框架,并详细阐述了该框架下的全局运动估计、模板"粗"纠正与搜索预测、局部仿射变换下的"精"模板动态生成等关键过程与算法。实验证明了该方法的有效性。     

利用三值模板模糊匹配进行手指静脉识别

针对静脉特征图像中静脉边缘和末梢模糊造成匹配困难的问题,提出了一种基于三值模板图像的模糊匹配方法。该方法将提取出的静脉特征图像分割为三值图像,值1代表目标区,0.5代表模糊区,0代表背景区。三值图像用于模板匹配时,计算模板间非0值区域之间的平均距离作为相似分数,分数越低,则模板越相似。该方法匹配能力强,不要求点与点之间的绝对位置匹配,对模糊的静脉边缘和末梢匹配具有较强的鲁棒性。对实验中采集的456张近红外手指静脉图像进行匹配,正确识别率达99.46%,表明本文方法是可行的和有效的。     

多模态遥感图像模板匹配Log-Gabor滤波方法

针对多模态遥感图像匹配难的问题,本文提出了一种基于Log-Gabor滤波的高精度匹配方法。该方法采用由粗到细的多层级密集匹配框架,无须进行特征点检测,避开了多模态图像特征点检测重复率低的问题,能够提取大量高精度匹配点对。本文方法主要分为两步：首先,利用多尺度多角度Log-Gabor滤波器构建对图像间非线性辐射差异稳健的特征金字塔;然后,利用粗尺度的底层特征图进行密集模板匹配,提取大量粗粒度的特征匹配点对,在此基础上再利用特征金字塔,实现粗匹配点自下而上的逐层优化,完成高精度特征匹配点对的提取。同时,针对模板匹配滑窗运算效率不高的问题,提出了一种密集模板匹配的快速实现方式,有效减少了密集模板匹配的运算时间。本文使用多组不同模态的遥感图像进行试验,结果表明,本文方法能够克服图像间非线性辐射差异的影响,在正确匹配数目、匹配准确率与匹配精度上均优于现有多模态图像特征匹配方法。     

改进的OPTA算法在遥感影像细化中的应用

在分析和研究快速细化算法和OPTA细化算法基础上,针对快速细化算法细化不彻底和OPTA算法模板设计的缺点提出了对OPTA细化算法的改进,设计了新的细化算法模板。经过实验证明改进的OPTA细化算法能够满足细化的基本要求,既保证了细化结果线条的单像素宽,又保持了原有图像线条的连通性,同时线条细节特征没有丢失,使细化结果得到了较大改善。     

均值漂移与卡尔曼滤波相结合的遥感影像道路中心线追踪算法

基于模板匹配的道路追踪方法是道路提取中较实用的一类方法,但传统模板匹配方法主要以相关系数作为相似性测度,对车辆、树荫等遮挡敏感,不适用于高分辨率遥感影像道路提取。针对这一问题,本文采用一种稳健的相似性测度,设计了一种基于均值漂移的道路中心点匹配算法,克服了传统模板匹配对遮挡敏感的缺点;然后运用卡尔曼滤波,实现高分辨率遥感影像道路中心线追踪。试验表明,该方法能够准确提取高分辨率遥感影像道路中心线,对车辆、树荫等遮挡具有稳健性。     

基于圆形模板的高分辨率遥感影像道路半自动提取

针对基于矩形模板匹配的道路提取方法在影像中存在较大弯曲路段提取效果不佳的问题,提出了一种基于圆形模板的半自动道路提取方法,用圆形模板取代矩形模板搜索道路中心点,省去了旋转角度计算,结合影像灰度、形态学梯度以及道路中心点之间的夹角信息,用迭代内插的方法搜索加密道路中心点,最终得到道路中心线。实验分析和比较表明,该方法在继承模板匹配的优势的同时较好的弥补了矩形模板的不足,提取效果较好。     

GIS知识引导的正射影像变化检测及更新

针对数字正射影像变化检测问题的复杂性,提出了一种基于GIS知识引导的多维变化模板分析方法,探讨了由粗到细的四叉树变化检测模板生成方法和一些利用GIS知识的专家打分方法。利用此方法,对一个实验区不同时期的数字正射影像进行了变化检测和正射影像库的更新,达到了预期的目的。     

曲折道路遥感影像圆投影匹配改进追踪法

道路提取是遥感信息提取的重点和难点。曲折道路（如盘山公路等）方向突变现象严重,当道路的宽度有变化或受到阴影、杂物遮挡等干扰时,其提取难度进一步增大。针对该问题,本文提出一种基于改进圆投影匹配的曲折道路自动追踪方法。首先,对标准圆投影匹配进行改进,包括：（1）提出圆投影向量近似度参数,实现对圆投影模板离散近似程度和计算量的控制;提出圆投影模板最优半径确定方法,以保证获得最大道路特征条件下,减少模板匹配计算量;（2）引入干扰校正算法,在一定程度上克服了由于光照、噪声等因素造成匹配困难的问题;其次,提出基于改进圆投影匹配的道路追踪方法,并在模板匹配过程中加入自适应机制,即将已匹配道路按照一定的权重参与后续模板匹配,一定程度上克服道路形态的变化和干扰。最后,以曲折道路特征突出的山区遥感影像SPOT-5和GeoEye-1进行道路提取实验。实验结果表明,采用提出的基于改进圆投影匹配的道路追踪算法具有方向无关的特点,适用于曲折道路遥感提取。对道路中心线的提取误差约2~5m,提取准确率高于80%。     

质心法在航空影像框标定位中的应用

航片框标定位的精度直接影响摄影测量测图的质量,传统的基于影像匹配的框标定位算法精度只能达到像素级。文中提出一种模板匹配与质心法相结合的航片框标定位方法,先利用模板匹配进行概略定位,再利用质心法进行框标点的精确定位,将精度提高到亚像素级。实验证明该方法可以有效地提高精度。     

深度卷积特征表达的多模态遥感影像模板匹配方法

多模态遥感影像间(光学、红外、SAR等)存在显著的非线性辐射差异,传统方法难以有效地提取影像间的共有特征,匹配效果不佳.鉴于此,本文将深度学习方法引入影像匹配中,提出了一种基于Siamese网络提取多模态影像共有特征的匹配方法.首先通过去除Siamese网络中的池化层和抽取特征来优化该网络,保持特征信息的完整性和位置精度,使其可有效地提取多模态影像间的共有特征,然后采用模板匹配策略,实现多模态遥感影像高精度匹配.通过利用多组多模态遥感影像进行试验,结果表明,本文方法的匹配正确率和匹配精度都优于传统的模板匹配方法.     

基于数学形态学的扫描地图点状符号识别方法

提出了一种基于数学形态学的扫描地图符号双向模板匹配识别方法.试验结果表明,与常规模板匹配法相比,该方法不仅能良好地去除扫描地图上噪声的影响,而且能有效、可靠地识别扫描地图符号,平均正确识别率达90%以上.     

基于并行模板的二值地形图串行细化算法

利用并行细化算法的模板，提出了一种新的二值地形图串行细化算法。该算法具有处理速度快、抗干扰能力强，能够完整地保存图像的拓扑结构，所获得的骨架对称性好等特点。实验结果表明，本文所提出的细化方法，为解决二值地形图图像的细化问题开辟了一条新途径。     

基于并行模板的二值地形图串行细化算法

利用并行细化算法的模板，提出了一种新的二值地形图串行细化界法。该算法具有处。速度快、抗干扰能力强，能够完整地保存图像的拓扑结构，所获得的骨架时称性好等优点。实验结果表明，本文所提出的细化方法，为解决二值地形图图像的细化问题开辟了一条新途径。     

变形模板匹配的圆标靶中心点优化方法

针对近景摄影测量常用的圆形标靶的中心点进行识别和定位时,如何提高圆标靶中心点提取的精准度问题,该文提出了一种基于变形模板匹配的优化方法,对初步识别的中心点做进一步优化,以此获得精准的标靶中心。该方法首先利用物体在相机中的成像特点,模拟标靶成像时的状态,构造一个与目标所成之像高度相似的变形模板影像;然后以影像间的相关系数作为匹配测度,用这个模板在原始影像上进行滑动匹配,寻找到相关系数最大时的模板中心点坐标作为优化后的标靶中心点坐标;最后通过改变滑动的步距可将优化精度提升到子像素级。实验结果表明,优化后的标靶的中心点的精确度得到了明显的提高。     

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%。     

一种利用影像匹配的城区三维景观图生成途径

提出了一种基于影像匹配的城区三维景观图生成方法,它首先利用神经网络影像匹配得出城区的密集视差表面,再利用基于模板匹配的半自动建筑物提取方法获得建筑物的关量数据和高程,进而得出城区三维数字模型,从而获得真实的城区三维透视景观图。     

一种利用影像匹配的城区三维景观图生成途径

提出了一种基于影像匹配的城区三维景观图生成方法,它首先利用神经网络影像匹配得出城区的密集视差表面,再利用基于模板匹配的半自动建筑物提取方法获得建筑物的矢量数据和高程,进而得出城区三维数字模型,从而获得真实的城区三维透视景观图。     

基于P-N学习的高分遥感影像道路半自动提取方法

基于模板匹配的道路跟踪是半自动提取道路的主要方法。然而场景中地物干扰和道路宽度的变化降低了模板匹配的稳定性;另外,道路跟踪失败后缺乏重检测机制,使得道路提取过程中人机交互频繁。针对以上问题,提出了一种基于P-N（positive-negative）学习的高分遥感影像道路半自动提取方法。该方法由道路跟踪、检测和学习构成,关键是采用了P-N学习的策略迭代的训练分类器,通过纠正违反结构约束的样本分类结果来提高分类器性能。实验使用了不同场景下的城区高分遥感影像,与经典的模板匹配和在线学习的道路跟踪方法进行了比较。实验结果表明该方法在道路提取的精度和稳定性方面均有提升。     

面向地理国情监测的道路信息半自动提取

针对目前高分辨率遥感影像道路和道路网的提取在自动化程度、效率以及精度方面的不足,结合常态化地理国情监测,提出了一种模板匹配与自适应相结合的半自动道路网提取方法。首先通过模板匹配进行初步提取,再通过人机交互精细化道路初步提取结果,最后使用自适应优化方法对提取的道路边界进行优化,得到与影像套合较好的路网半自动提取结果。     

流形群运动目标自动识别与跟踪模型结构及参数的最优配置

探讨了用流形群运动目标的形状、纹理特征，以及它们的空间面积的重叠度来构建多种适合流形群运动目标自动识别与跟踪的匹配模板的方法。通过最大欧几里得贴近度的择近原则，实现模板匹配，完成目标识别；通过对匹配模板的交替更新和交叉匹配算法，实现目标跟踪。为了提高识别与跟踪的准确度和效率，对识别与跟踪模型结构及参数进行了优化组合，建立了一种适合计算机自动识别和跟踪类似中尺度对流系统(MCSs)的流形群运动目标的优化模型，即多级串行和多级并行模板匹配的识别与跟踪模型，并提出了基于此模型的快速识别与跟踪算法及技巧。用优化了的多级串行识别与跟踪模型及快速跟踪算法，对1998、1999、2000、2002年6～8月的青藏高原上空MCSs进行了识别与跟踪试验。试验结果表明，其准确率高达90％。