留言板

尊敬的读者、作者、审稿人, 关于本刊的投稿、审稿、编辑和出版的任何问题, 您可以本页添加留言。我们将尽快给您答复。谢谢您的支持!

姓名
邮箱
手机号码
标题
留言内容
验证码

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

李志军 刘松林 牛照东 陈曾平

李志军, 刘松林, 牛照东, 陈曾平. 基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法[J]. 红外与激光工程, 2015, 44(2): 775-780.
引用本文: 李志军, 刘松林, 牛照东, 陈曾平. 基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法[J]. 红外与激光工程, 2015, 44(2): 775-780.
Li Zhijun, Liu Songlin, Niu Zhaodong, Chen Zengping. Hausdorff distance template matching method based on gradient phase and significance constraints[J]. Infrared and Laser Engineering, 2015, 44(2): 775-780.
Citation: Li Zhijun, Liu Songlin, Niu Zhaodong, Chen Zengping. Hausdorff distance template matching method based on gradient phase and significance constraints[J]. Infrared and Laser Engineering, 2015, 44(2): 775-780.

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

详细信息
    作者简介:

    李志军(1982-),男,讲师,博士,主要从事红外目标检测与识别等方面的研究。Email:lzj19821202@sina.com

    通讯作者: 刘松林(1986-),博士,主要从事红外目标建模与自动识别等方面的研究。Email:xdnust@163.com
  • 中图分类号: TP391

Hausdorff distance template matching method based on gradient phase and significance constraints

  • 摘要: 针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广
  • [1] Niu Zhaodong. Research on key technology of ground target matching recognition in FLIR terminal guidance of cruise missile [D]. Changsha: National University of Defense Technology, 2010. (in Chinese)
    [2]
    [3]
    [4] Wang Guogang, Shi Zelin. Hausdorff distance based on Riemannian metric and its application in image matching[J]. Infrared and Laser Engineering, 2011, 40(2): 365-369. (in Chinese)
    [5] Liu Songlin, Li Zhijun, Niu Zhaodong, et al. Forward looking template preparation of flat target based on multi-sources data fusion [J]. Laser Infrared, 2013. 43 (2): 217-220. (in Chinese)
    [6]
    [7] Barbara Zitov, Jan Flusser. Image registration methods: a survey [J]. Image and Vision Computing, 2003, 21 (11): 977-1000.
    [8]
    [9] Bai Lianfa, Han Jing, Zhang Yi, et al. Registration algorithm of infrared and visible images based on improved gradient normalized mutual information and particle swarm optimization [J]. Infrared and Laser Engineering, 2012, 41 (1): 248-254. (in Chinese)
    [10]
    [11]
    [12] Daniel P Huttenlocher, Gregory A Klanderman, William J Rucklidge. Comparing images using the Hausdorff distance[J]. IEEE Transactions on Pattern Analysis and Machine Intelligence, 1993, 15(9): 850-863.
    [13]
    [14] JosPaumard. Robust comparison of binary images [J]. Pattern Recognition Letters, 1997, 18(10): 1057-1063.
    [15]
    [16] Yang Bing, Liu Yongcai, Tian Jinwen, et al. Image matching based on new weighted Hausdorff distance [J]. Infrared and Laser Engineering, 2007, 36(5): 751-753. (in Chinese)
    [17] Barrow H G, Tenenbaum J M, Bolles R C, et al. Parametric correspondence and chamfer matching: two new techniques for image matching [C]//International Joint Conference on Artificial Intelligence, 1977: 659-663.
    [18]
    [19] Tai-Hoon Cho. Improved chamfer matching using interpolated chamfer distance and subpixel search [J]. Lecture Notes in Computer Science, 2007, 4522: 671-678.
    [20]
    [21]
    [22] Clark F Olson, Daniel P Huttenlocher. Automatic target recognition by matching oriented edge pixels [J]. IEEE Transactions on Image Processing, 1997, 6(1): 103-113.
    [23]
    [24] Pan Xiaying. Research on the techniques of image edge detection [D]. Xi'an: Xi'an University of Science and Technology, 2011.
    [25]
    [26] Dubuission M P, Jain A K. A modified Hausdorff distance for object matching[C]//Proceedings of the 12th International Conference on Pattern Recognition, IEEE Computer Society, 1994: 566-568.
    [27] Sim D G, Kwon O K, Park R H.Object matching algorithm using robust Hausdorff distance measures [J].IEEE Transactions on Image Processing, 1999, 8(2): 425-429.
  • [1] 杨子龙, 朱付平, 田金文, 田甜.  基于显著性与稠密光流的红外船只烟幕检测方法研究 . 红外与激光工程, 2021, 50(7): 20200496-1-20200496-8. doi: 10.3788/IRLA20200496
    [2] 蒋国清, 万烂军.  基于最恰对比度显著性分析的红外弱小目标检测方法 . 红外与激光工程, 2021, 50(4): 20200377-1-20200377-8. doi: 10.3788/IRLA20200377
    [3] 范明明, 田少卿, 刘凯, 赵嘉鑫, 李云松.  基于梯度方向一致性和特征分解的红外小目标检测算法 . 红外与激光工程, 2020, 49(1): 0126001-0126001(12). doi: 10.3788/IRLA202049.0126001
    [4] 张鹏泉, 杜铁钧, 史屹君.  掺Tm光纤MOPA准相位匹配单程倍频的单频激光器 . 红外与激光工程, 2020, 49(7): 20200112-1-20200112-5. doi: 10.3788/IRLA20200112
    [5] 冯发杰, 丁亚洲, 吏军平, 黄星北, 刘欣怡.  使用显著性划分的机载激光雷达点云滤波 . 红外与激光工程, 2020, 49(8): 20190439-1-20190439-9. doi: 10.3788/IRLA20190439
    [6] 王向军, 郭志翼.  算力限制平台下的长时目标跟踪 . 红外与激光工程, 2020, 49(1): 0126003-0126003(6). doi: 10.3788/IRLA202049.0126003
    [7] 苏本跃, 郑丹丹, 汤庆丰, 盛敏.  单传感器数据驱动的人体日常短时行为识别方法 . 红外与激光工程, 2019, 48(2): 226003-0226003(9). doi: 10.3788/IRLA201948.0226003
    [8] 刘正君, 郭澄, 谭久彬.  基于多距离相位恢复的无透镜计算成像技术 . 红外与激光工程, 2018, 47(10): 1002002-1002002(16). doi: 10.3788/IRLA201847.1002002
    [9] 齐楠楠, 姜鹏飞, 李彦胜, 谭毅华.  基于视觉显著性和目标置信度的红外车辆检测技术 . 红外与激光工程, 2017, 46(6): 604005-0604005(9). doi: 10.3788/IRLA201746.0604005
    [10] 王鹏, 娄淑琴, 梁生, 张颜.  选择性平均的φ-OTDR分布式光纤扰动传感系统阈值算法 . 红外与激光工程, 2016, 45(3): 322003-0322003(6). doi: 10.3788/IRLA201645.0322003
    [11] 张春熹, 钟翔, 李立京, 李勤.  基于相位敏感光时域反射计的长距离入侵探测系统 . 红外与激光工程, 2015, 44(2): 742-746.
    [12] 万一龙, 柏连发, 韩静, 张毅.  低照度双目立体显著目标距离测定方法与实现 . 红外与激光工程, 2015, 44(3): 1053-1060.
    [13] 何帆, 白剑, 侯西云.  基于模板匹配的莫尔条纹倾角计算 . 红外与激光工程, 2015, 44(9): 2825-2830.
    [14] 肖志涛, 卢晓方, 耿磊, 张芳, 吴骏, 李月龙, 郎建业, 甘鹏, 刘洋.  基于极线校正的亚像素相位立体匹配方法 . 红外与激光工程, 2014, 43(S1): 225-230.
    [15] 谢易辰, 陈健, 闫镔, 童莉, 曾磊, 崔明明.  三维特征点距离特征集合求交匹配算法 . 红外与激光工程, 2014, 43(8): 2728-2732.
    [16] 罗旭, 邹岩, 姜梦华, 惠勇凌, 雷訇, 李强.  中红外激?相位匹配GaAs晶体的制备工艺 . 红外与激光工程, 2014, 43(2): 488-492.
    [17] 彭志勇, 王向军, 卢进.  窗口热辐射下基于视觉显著性的红外目标检测方法 . 红外与激光工程, 2014, 43(6): 1772-1776.
    [18] 汪鲁才, 易锡年, 陈小天, 刘鑫.  自适应连续多级分区与初始阈值估计的快速模板匹配方法 . 红外与激光工程, 2013, 42(4): 1106-1111.
    [19] 纪超, 刘慧英, 邵刚, 孙景峰.  基于生物激励计算模型在图像显著性提取中的研 . 红外与激光工程, 2013, 42(3): 823-828.
    [20] 吴晓.  LED芯片粗精定位系统 . 红外与激光工程, 2013, 42(9): 2478-2484.
  • 加载中
计量
  • 文章访问数:  292
  • HTML全文浏览量:  24
  • PDF下载量:  188
  • 被引次数: 0
出版历程
  • 收稿日期:  2014-06-11
  • 修回日期:  2014-07-19
  • 刊出日期:  2015-02-25

基于梯度相位和显著性约束的Hausdorff 距离模板匹配方法

    作者简介:

    李志军(1982-),男,讲师,博士,主要从事红外目标检测与识别等方面的研究。Email:lzj19821202@sina.com

    通讯作者: 刘松林(1986-),博士,主要从事红外目标建模与自动识别等方面的研究。Email:xdnust@163.com
  • 中图分类号: TP391

摘要: 针对复杂背景下形状不规则、高度较低的平面目标自动识别问题,提出了一种基于Hausdorff距离的模板匹配方法。在完成平面目标前视模板制备后,文中首先定义了基于边缘位置、梯度相位和边缘点显著性约束的相似性度量方法,模板与实时图中对应两个边缘点位置越近、梯度相位差越小及实时图边缘点越显著,这两点的匹配就越好;然后融合三种度量结果,设计了一种基于边缘相位和显著性约束的Hausdorff 距离模板匹配方法,实现了平面目标轮廓的准确匹配。实测数据处理结果表明,该方法能够实现复杂地面场景中任意形状的平面目标轮廓的匹配定位,并且定位精度高、鲁棒性好、适用范围广

English Abstract

参考文献 (27)

目录

    /

    返回文章
    返回