基於成像機理和人類認知的異源圖像匹配新方法研究

《基於成像機理和人類認知的異源圖像匹配新方法研究》是依託南京航空航天大學，由徐貴力擔任項目負責人的面上項目。

基本介紹

• 中文名：基於成像機理和人類認知的異源圖像匹配新方法研究
• 項目類別：面上項目
• 項目負責人：徐貴力
• 依託單位：南京航空航天大學

項目摘要

國家對面向全天候景象導航制導的紅外、可見光和雷達圖像間高可靠匹配方法有著迫切需求。本申請突破常規借鑑可見光圖像匹配思想研究異源圖像匹配的局限性，首次從成像原理和人類對其認知機理根本點入手，探索研究基於不同材質對象間粗大邊緣的異源圖像匹配新理論與新方法。根據粗大邊緣形成機理，提出一種基於模糊C均值聚類魯棒分割對象再提取其粗大邊緣的新方法，同時借用數理分析中的數據約減方法大幅降低聚類分割特徵空間數據量以提高實時性。另提出將數據壓縮領域中具有去噪特點的道格拉斯-普克抽稀算法引入到邊緣概貌描述中，以從根本上解決邊緣局部突變和毛刺等噪聲對匹配穩健性的影響。針對視角形變、幾何變換和殘缺對匹配的影響，提出基於局部距離相似穩定的抗形變和旋轉的特徵表征新方法，並採用非均勻採樣法融合局部與全局信息以達到抗殘缺和初始點無關性，又提出基於九宮格約束的DTW粗大邊緣最最佳化匹配方法，以期得到一種可行的高可靠匹配方法。

結題摘要

針對同一地物的異源圖像成像機理和成像條件不同，難以獲得圖像在灰度、亮度、顏色等特徵上共性特徵的問題，從人類對異源圖像的認知規律入手，提出了一種穩定性好、可靠性高的粗大輪廓異源圖像匹配新算法。 針對現有邊緣檢測算法很難快速準確地提取出實際含噪聲的異源圖像粗大邊緣問題，研究粗大邊緣形成機理，提出了一種基於核空間PFCM聚類的異源圖像粗大邊緣檢測新方法。計算灰度和紋理特徵值，並以此構建二維特徵空間，根據數據約減思想，壓縮參與聚類的數據集，根據核空間的線性可分思想，將約減後的樣本空間映射到高斯核空間，進而採用FKPFCM算法對圖像分割，以此對邊緣輪廓記性跟蹤。 針對現有輪廓匹配算法難以穩健地處理局部輪廓匹配及不同拍攝視角或非相似變換引起的一定形變問題，根據局部輪廓結構在產生形變時具有相對穩定性的規律，以及一個好的輪廓描述方法需要融合輪廓局部和全局信息的主流思想，研究了基於局部尺度特徵的輪廓描述算法。 針對線性輪廓匹配算法匹配效果不佳以及存在幾何變換或者一定程度形變的兩輪廓之間並不是一對一線性關係的問題，從非線性動態規劃理論出發，將輪廓匹配問題轉化為最最佳化問題。 根據最佳化路徑的線性度需滿足採樣特性需要的問題，研究了基於九宮格路徑約束的DTW匹配算法。實驗表明，該算法對存在幾何變換及一定形變的異源圖像整體和局部匹配具有較好的穩健性，匹配準確率平均約為92%，較HD算法提高了30%，較傳統DTW算法提高了26%。 以上基礎研究工作，為地形匹配、自主導航系統、飛彈等武器的精確制導、光學和雷達的圖像模板跟蹤、天氣預報、病理診斷研究等需求提供了理論支撐和方法指導。