针对传统的局部特征描述子在图像匹配效果和效率上很难兼顾的问题,提出了一种基于梯度角度的直方图(HGA)的图像匹配算法。该算法先通过加速片段测试特征(FAST)获取的图像关键点,然后采用块梯度计算和飞镖靶型结构对局部区域的结构特征进行描述。HGA有效地实现了在旋转、模糊、亮度等多种变换下的良好匹配性能,并在一定程度上具备抗仿射变换的能力。在各种复杂场景下,与高速鲁棒描述子(SURF)、尺度不变特征转换(SIFT)和FAST定向的抗旋转二进制鲁棒独立基元特征(BRIEF)描述子(ORB)进行的实验对比表明基于梯度角度的直方图局部特征描述子达到了匹配效果和效率的均衡,算法时间约为SIFT的1/3,点对匹配准确率均在94.5%以上。

针对日常地面气象观测中近地面结霜现象仍需要依靠人工观测来完成的问题,提出了一种基于计算机视觉的结霜现象自动化观测方法。在实时检测中,首先,结合人工标记获取的离线结霜图像样本和实时获取的图像样本构造k近邻图模型;其次,以结霜图像样本为查询节点并通过流型学习方法在图模型上对实时图像样本进行排序,进而获取候选结霜区域;最后,根据结霜和非结霜图像样本在线训练支持向量机(SVM)分类器并对候选结霜区域进行二次判定。在标准化气象观测站实施的实验结果显示,对比同期人工观测记录,该算法对结霜现象的检测正确率达到了87%,具有潜在的业务化前景。