基于引导滤波和多尺度局部自相似单幅红外图像超分辨率方法

本文针对红外图像存在分辨率不高、对比度低的特点,提出了基于引导滤波和多尺度局部自相似性红外单幅图像超分辨率算法。首先,该方法引进了类高斯分布的“类高斯核”,在此基础上构建均值引导滤波器,该滤波器是一种线性边缘保持滤波器,可以得到图像的高频细节。其次,根据图像的自相似性,对初始高分辨率图像和原始低分辨率图像进行分块,得到待匹配窗和搜索窗,根据非局部均值（NLM）,待匹配窗图像块的值利用搜索窗中相似块的加权平均计算得到。再次,利用图像自相似性,待匹配窗在搜索窗的邻域内进行匹配搜索,找到与待匹配窗最相似的匹配块,计算出最佳匹配块的高频细节图像块,与相似块的加权平均值相加,重构出高分辨率待匹配窗。最后,合并所有的超分辨率重构的待匹配窗,相邻图像块重叠区域的像素值使用平均融合得到,得到最终的超分辨率图像。实验结果表明,本文算法不仅能很好重构图像的高频细节,还能很好的恢复图像的纹理特征,得到的结果不仅边缘更清晰更真实,而且纹理更加丰富。     

抑制背景下多重滤波目标跟踪

为解决运动目标稳定跟踪与实时性要求,提出一种背景抑制下多重滤波(BSMF)跟踪算法,对跟踪目标的中心点计算、动态模板学习和变尺度问题进行研究。首先,以目标为中心的跟踪区域的RGB图像映射为11维颜色,提取目标主要颜色的描述向量,生成抑制背景的权值矩阵;然后与跟踪区域灰度图的对应点相乘,用相关滤波方法计算抑制背景后的跟踪区域目标中心位置;最后将定位的目标区域进行金字塔滤波计算,得到尺度变化系数。该算法采用动态的匹配模板学习策略,降低各种干扰因素混入匹配模板内,在树莓派3代板嵌入式系统中,平均可达17帧/秒的跟踪速度,且比同级别复杂度跟踪算法具有更稳定的跟踪性能。     

多相似内容图像的特征匹配

针对当场景中包含多处相似内容时利用灰度或梯度信息进行特征匹配误差较大的问题,提出采用拓扑相似性度量以去除灰度或梯度分布相似内容导致的误匹配的方法.首先提出了K近邻算法,根据相似内容间的匹配相比非相似内容间的误匹配有着明显更小的最短最近邻距离的性质,得到相似内容间多对多的特征匹配作为待匹配关系;然后提出了平面投影的5条拓扑相似性约束条件,利用多单应矩阵将待匹配对划分至多处平面,对各平面上特征点进行分级三角剖分,根据拓扑相似性约束条件去除误匹配,并将多对多的匹配降为一对一匹配.实验结果表明,文中方法可以去除区域边缘以外的误匹配.     

一种改进的视图几何基本矩阵估计法

多视图几何中的基本矩阵估计需要利用准确的对应点,但是图像噪声或光线变化会产生错误匹配,进而严重影响基本矩阵估计的准确度。为提高基本矩阵估计的准确性,文章提出了一种基于对极约束梯度的迭代方法去估计基本矩阵。该方法能在最少的迭代次数下迅速剔除两视图匹配过程中的错误匹配点。然后再加入对应点相关性的约束,可以得到最佳对应点集合用于估计基本矩阵。通过在各类不同场景的图像上实验分析可以发现,该方法相比于其他方法估计基本矩阵误差至少降低20%。     

基于动态加权的城市路网地图匹配算法

针对密集且复杂的城市路网提出了一种基于动态加权的几何地图匹配算法,将采集的原始GPS车辆轨迹点进行校正,并将其精确定位到数字地图中的实际路段上.在匹配过程中,将数字地图按网格进行划分,根据待匹配GPS点所在的网格的经纬度范围确定匹配候选路段集;分别使用待匹配GPS点的投影距离、航向夹角和轨迹夹角,通过动态加权算法从候选路段集中查找最佳匹配路段,并获得待匹配GPS点的校正坐标,其中动态加权算法中使用的权值系数在匹配过程中根据待匹配GPS点动态计算获取;最后进行动态加权和固定加权几何地图匹配仿真实验,结果表明,所提算法优于固定权值匹配算法.     

基于准稠密匹配的结构化场景三维重建

传统的准稠密对应点匹配算法大都是针对一般场景开发的,未考虑场景的结构特点.为此,针对结构化场景提出一种基于平面单应约束的准稠密匹配方法.首先采用基于仿射不变量的方法检测和匹配稀疏平面种子区域,然后根据平面间的几何约束和对应点相似性约束,利用区域增长的方法实现准稠密扩散匹配.最优种子区域优先扩散策略的应用大大减小了初始错误种子区域对扩散过程的影响,而对不可靠扩散点的后处理也有效地提高了最终三维重建的精度.实验结果表明,相比传统的准稠密匹配方法,对于结构化场景,采用文中方法更加精确和稳定.     

基于特征相似性的RGBD点云配准

三维点云数据的配准是计算机视觉领域的重要研究课题,也是三维重建的关键步 骤。针对 RGBD 点云数据的配准问题,提出一种基于特征相似性的初始配准方法。首先需要计 算待配准的 RGBD 点云模型的曲率和颜色特征度(CFD),并对 CFD 进行统计分析,若模型颜色 特征足够丰富优先采用颜色相似性策略,反之尝试曲率相似性策略。通过特征点提取精简点云 模型,利用确定的对应点选择策略选择候选对应点对。在候选对应点对上采用优化样本一致性 算法获得初始配准变换矩阵,实现两片点云的初始配准。针对不同颜色纹理的 RGBD 点云模型, 本文方法可以自适应选择合适的特征点选择策略,实现点云间良好的初始配准。实验结果表明, 对于几何特征不明显的 RGBD 模型,本文方法能够自适应选择颜色相似性策略来较好地完成初 始配准。对于不同类型的模型配准结果较好,算法效率更高。     

基于三角剖分的形状检索算法

提出了一种基于三角剖分的形状检索改进算法.算法的基本思想是:先对图像进行边界跟踪和角点检测;然后寻找初始角点在边界跟踪中的对应点,并对找到对应点的角点按对应点在边界跟踪中的顺序进行排序;再对排序后的角点进行德洛内三角剖分,得到能表示目标真实形状的三角形序列;最后计算三角形序列的角度直方图作为形状特征进行相似性匹配.实验结果表明,该算法有较高的效率和检索精度.     

相关视觉中基于位置相似性特征的点匹配问题研究

在研究相关视觉中的X光图像点匹配问题时，依据相关视觉中两幅图像的点具有位置相似性的特征，提出了基于“最小欧氏距离和约束”的匹配准则。该准则不同于一般点匹配问题中的基于灰度信息和基于区域特征的方法，它是利用顺序匹配算法原型，并依据两幅图像中标志点满足局部范围内对应点的相对位置不变这个条件，采用进化规划搜索算法不断调整标志点序列的顺序，通过使其对应点欧氏距离和最小来逼近最佳结果，从而在较低时间内取得了绝大部分点正确匹配的效果。经过实例测试和比较，验证了算法的有效性。最后总结了该算法的思想，并推广了它的应用。     

基于区域增长的自适应稠密匹配算法

针对目前主流方法对图像中纹理单一区域匹配效果不佳的问题,提出了一种自适应的基于区域增长的立体像对稠密匹配算法。该算法利用灰度共生矩阵,在区域增长过程中的匹配窗内计算其纹理数量,然后根据纹理数量的多少自适应调节匹配窗的大小。当匹配窗内纹理数量足够多时,该匹配窗就能够表征该匹配窗中心点的特征,因此可以减少误匹配发生的几率。实验结果证明,该算法具有良好的性能。     

基于直线间结构信息的立体视觉图像动态匹配方法

针对立体视觉匹配问题，介绍一种改进的动态规划图像匹配方法，它将边缘直线相似测度分为局部相似测度和全局相似测度，在后者中加入图像边缘直线之问的结构关系信息，并在动态搜索最优匹配路径的过程中利用结构关系约束删除不合理的匹配路径。仿真实验结果证明，采用该方法解决立体视觉中边缘线段的匹配问题，不仅提高了匹配的准确率，而且大大减少了匹配时间。     

改进型SIFT立体匹配算法研究

针对机器人视觉系统立体匹配中存在的匹配重复或错误等问题,提出了一种基于尺度不变特征变换（Scale Invariant Feature Transform,SIFT算法）和余弦相似度匹配规则的立体匹配方法。该方法以左、右两幅图像中特征向量较多的图像作为基准匹配图像,另一幅图像作为待匹配图像;再由二者的特征向量之间的余弦相似度所建立的匹配规则进行立体匹配。实验结果表明,改进型立体匹配方法有效地降低了匹配错误或重复比,具有较强的鲁棒性,匹配效果较佳,更加有利于机器人视觉系统的三维重建与定位。     

融合边缘保持与改进代价聚合的立体匹配算法

目的 立体匹配是计算机双目视觉的重要研究方向,主要分为全局匹配算法与局部匹配算法两类。传统的局部立体匹配算法计算复杂度低,可以满足实时性的需要,但是未能充分利用图像的边缘纹理信息,因此在非遮挡、视差不连续区域的匹配精度欠佳。为此,提出了融合边缘保持与改进代价聚合的立体匹配。方法 首先利用图像的边缘空间信息构建权重矩阵,与灰度差绝对值和梯度代价进行加权融合,形成新的代价计算方式,同时将边缘区域像素点的权重信息与引导滤波的正则化项相结合,并在多分辨率尺度的框架下进行代价聚合。所得结果经过视差计算,得到初始视差图,再通过左右一致性检测、加权中值滤波等视差优化步骤获得最终的视差图。结果 在Middlebury立体匹配平台上进行实验,结果表明,融合边缘权重信息对边缘处像素点的代价量进行了更加有效地区分,能够提升算法在各区域的匹配精度。其中,未加入视差优化步骤的21组扩展图像对的平均误匹配率较改进前减少3.48%,峰值信噪比提升3.57 dB,在标准4幅图中venus上经过视差优化后非遮挡区域的误匹配率仅为0.18%。结论 融合边缘保持的多尺度立体匹配算法有效提升了图像在边缘纹理处的匹配精度,进一步降低了非遮挡区域与视差不连续区域的误匹配率。     

基于边缘匹配的纵向碎纸拼接方法

详细阐述针对规则纵切的碎纸片的一种恢复方法。该算法先将图像转码为对应的像素矩阵，并且将矩阵二值化处理。接着根据文字笔画的连续性计算碎纸边缘信息的匹配度矩阵，再根据文本间的连续性，计算出碎纸片之间的相似度矩阵。最后结合匹配度矩阵与相似度矩阵的信息，当以某张进行匹配时，其相应的下一张是既高度符合匹配度矩阵又高度符合相似度矩阵的，从而实现对碎纸的拼接复原。经过碎纸拼接试验验证，效果良好，方法准确便捷，是可行的。     

彩色图像对自适应匹配算法

提出了两种方法来提高图像匹配的精度。一种方法是改变自适应匹配窗口的选择方法,与原来的矩形窗口相比较,提出的窗口选取方法能在低纹理区域得到包含有效信息量更多、更接近实际边界的窗口。此外,通过降低边界点相似度在计算过程中的权重来降低边界点影响力,使得视差不连续区域的匹配精度得到提高。算法采用了Middlebury网站上提供的四幅立体图像对Tsukuba、Venus、Teddy和Cones分别进行实验验证。实验表明文中提出的两种方法对四幅图像的匹配精度均有所提高。     

小型无人机动平台的双目立体匹配方法研究

针对双目立体匹配中存在的误匹配、视差场稀疏等不足,提出了一种将区域匹配和特征匹配相结合的块匹配算法.对匹配图像对进行极线校正和限定搜索区域,采用SAD算法进行相似度测量.对小型无人机动平台的双目系统采集的任意一幅图像对用不同大小的匹配窗进行匹配.对结果进行了分析,结果表明了该方法的良好效果及实用性.     

彩色图像非参数变换立体匹配研究

将非参数Rank变换引用到彩色图像的立体配算法中,采用绝对值指数方法来计算像素的颜色相似性,对彩色图像进行一种分等级的改进Rank变换,将彩色图像转变了一个整数矩阵,然后建立一种新的匹配测度,同时加入色差梯度约束进行匹配。通过对比实验,表明这种新的匹配基元进行匹配,与直接采用灰度特征作为匹配基元的算法相比,有更好的抗噪性和匹配准确性。     

一种快速立体视觉边缘匹配算法

提出了一种立体视觉边缘匹配快速算法。通过小波变换,得到了图像的边缘和边缘幅角 并定义了边缘幅角约束。由视差梯度的分布密度函数,导出了左图像连续边缘上相邻两点在右图像 中的对应点的坐标间的相互约束关系,从而限定了右图像中匹配点的搜索范围。最后给出了基于视 差梯度约束和边缘幅角约束的快速边缘匹配算法。     

基于MSCR与CS-LBP的鱼眼图像特征区域匹配方法

相比普通镜头,鱼眼镜头拥有更大的视场角,甚至可以直接获取半球域的图像信息,在立体视觉领域,应用鱼眼镜头来采集全景图像可减少镜头及图像采集模块数目,简化系统、提高运算速度、降低成本。但同时鱼眼镜头图像也存在一定程度的畸变,越靠近边缘畸变越严重。因此,在光轴正交或是角度更大的立体视觉系统中,进行相关图像的特征点匹配存在困难,直接影响立体视觉系统的应用效果。然而采用一种具有仿射不变性的图像匹配算法即可解决这个问题,首先提取原始图像的MSCR特征区域,其次引进CS-LBP算子对各个MSCR区域进行特征描述,应用特征权重的卡方距离比较法进行唯一匹配,最后进行椭圆拟合及连线标记使得匹配结果可视化。且通过实验验证了此方法的稳定一致性,可应用于大旋转角度的鱼眼图像的特征匹配。     

边缘引导特征融合和代价聚合的立体匹配算法

针对立体匹配在精细结构,尤其边缘处的误差较大的问题,提出了利用边缘引导特征融合和代价聚合的立体匹配算法。利用图像边缘引导不同尺度特征体加权融合,即对小尺度特征体的边缘处,大尺度特征体的非边缘处赋予更大权重,以获得表征能力更强的融合特征体。在代价聚合阶段弱化边缘处匹配代价,减少不可靠信息传播。所提方法在SceneFlow和KITTI 2015数据集进行了评估,将基准网络PSMNet的误差分别降低了35.2%、2.2%。实验证明,边缘信息的引入针对性地改善了现有算法在精细结构处（尤其边缘处）的视差求解,提高了整体预测精度。此外,所提的模块是轻量的,可适用于不同的立体匹配网络。