基于图像中物体骨架形状特征的目标匹配

针对在形状匹配过程中相似外形的不同类目标不易区分的问题,本文采用骨架形状对目标进行描述和相似性度量。与以往使用物体的外轮廓作为形状特征进行匹配的方法不同,本文改用图像的骨架形状作为形状特征来进行描述,采用经典的形状上下文作为形状描述的匹配算法。提取图像区域的骨架后,建立与原图像一一对应的图像骨架数据库,进行目标与数据库之间的相似性度量。与直接用外部轮廓进行形状匹配的方法相比,采用骨架形状匹配的方法可以更好的分辨出相似外形的不同类目标,增大类间区分度,可有效降低相似外形目标进行匹配时的误匹配几率。     

形状上下文在害虫识别上的应用

将形状上下文引入到害虫识别中,在对害虫图像进行预处理得到二值图像的基础上,用形状上下文描述害虫的轮廓特征.首先,使用Robert算子,在二值图像中寻找害虫的轮廓并采样获取边界点集,然后利用边界点集,通过改进的对数极坐标变化计算得到目标图像的形状直方图.利用形状直方图进行2图像之间的相似性度量,计算出匹配代价.实验结果表...     

序列图像场景一致性判断

首先在序列的两幅图像中检测兴趣点，并运用灰度差分不变量进行两点集之间的匹配。然后用改进的Hartley算法估计F矩阵。最后利用对极几何约束进行两幅图像的场景一致性判断。实验结果表明，该方法是有效的。     

基于RANSAC算法的立体视觉图像匹配方法

针对大尺寸立体视觉测量中存在较大视差和透镜畸变等因素导致极线约束匹配率低的问题,提出了将图像校正与随机采样算法相结合的立体视觉图像匹配方法.对立体图像对进行线性校正,建立初始匹配点集;采用随机采样算法估计图像对之间的基本矩阵,恢复原始图像对之间的对极几何约束关系,剔除初始匹配点集中未匹配和误匹配的特征点,从而获得精确的匹配点集.该方法已应用于合成孔径雷达(SAR)大型可展开微波天线网面的实际测量,匹配率高于96%.     

一类基于点云缺失图像的盘类元件识别定位方法

利用图像融合对存在缺失的点云图像进行融合,通过形态学运算对融合图像进行平滑处理与阈值优化,结合分水岭分割算法实现目标物中心点的定位。利用目标的面积及形状特征去除误提目标。     

基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法

针对彩色图像复制-粘贴篡改中误匹配的问题,提出一种基于SIFT和HSI模型的彩色图像复制-粘贴盲鉴别算法。首先确定彩色图像的SIFT特征点和特征向量;然后对每个SIFT特征点提取HSI彩色特征;最后对两两不同特征点的SIFT特征向量和HSI特征向量进行匹配,确定图像的复制-粘贴篡改区域。实验结果表明:本文算法与SIFT算法、SURF算法和改进SIFT算法相比,能有效地降低误匹配率,并对高斯模糊、白噪声和JPEG重压缩有较强的鲁棒性。     

基于SIFT特征的视频内头部姿态估计

基于对头部左右转动时脸部图像上点之间距离变化特性的分析,提出基于SIFT特征的单摄像头近距离视频图像序列内头部姿态估计算法。该方法首先在脸部图像上提取SIFT特征点,然后对两幅图像进行SIFT特征匹配,基于匹配的特征点之间距离的变化性质判断两幅图像内头部的相对转向与转动程度,得到头部姿态估计结果。在人脸库和视频图像上的实验表明,该方法使用简单,且具有较高的正确度。     

基于小波分析的热红外图像自动配准方法

研究一种快速、准确、抗噪、有效的热红外图像自动配准方法 .首先用小波分析技术提取两幅图像的特征点 ,然后对两幅图像之间的角度差进行补偿 ,最后用多层特征点匹配技术完成两幅图像的变换参数的估计和自动配准 .对热红外图像自动配准的仿真表明本文提出的方法可以快速、自动、比较准确地得到图像之间的配准参数 ,且对噪声具有一定的适应能力     

无标定主点坐标的双焦测距算法及精度研究

成像物镜具有两个独立的焦距,通过对空间物体成像并进行分析可获取其深度信息,此即双焦测距的原理。本文首先分析了图像主点坐标标定对双焦测距精度的影响,找到了双焦图像中两种相对于主点坐标的不变量,进而提出了基于此不变量的双焦测距算法,避免了繁琐的标定环节并提高了算法精度。与传统算法的实验对比表明了本文算法是正确可行的。     

基于特征点匹配对平面相似度的图像拼接

针对来自于不同视点拍摄的具有视差的两幅图像,提出了一种基于特征点匹配对平面相似性的图像拼接方法。该方法利用场景中属于同一平面特征点之间的变换矩阵一致性的特点,通过定义特征点匹配对之间的平面相似度来筛选特征点匹配对,有效降低了特征点的漏匹配率,提高了配准精度。采用图割算法计算图像的最优缝合线,进行拼接得到最终结果。实验结果表明,与现有经典算法相比,该方法具有较好的视差鲁棒性。     

一种基于局部不变特征的SAR图像配准新算法

针对SAR图像配准中匹配效率低、误匹配对多和配准精度差的问题,提出一种基于局部不变特征的SAR图像配准新算法。首先,使用加速分割检测特征（ features from accelerated segment test, FAST）检测算法,检测 SAR图像的FAST角点;使用DAISY描述子对FAST特征进行描述,得到SAR图像不变特征。其次,采用基于KD树的欧氏距离匹配策略,实现特征点对的粗匹配;采用RANSAC算法去除误匹配,实现特征点对精匹配。然后,采用仿射变换模型,实现图像插值和图像变换,实现SAR图像粗配准。最后,建立配准精度评估反馈机制,实现配准优化。通过使用不同时相、不同工作模式HJ－1C星载SAR和不同极化、不同波段机载AIRSAR图像配准实验,提出算法与经典不变特征配准算法相比,具有适配性好、配准效率高的优点。     

一种面向弱纹理图像的特征点描述子

现有的大多数特征点提取算法适用于处理纹理丰富的图像,而对于弱纹理图像则无法提取有效的特征点. 对此,提出了多邻域结构张量特征(MNSTF)算法. 基于一系列固定的邻域和图像结构张量,通过表达局部图像的结构和纹理信息,解决了弱纹理和无纹理场景下特征点提取和匹配等相关问题;同时,通过计算邻域之间的相对方向,实现了MNSTF算法特征描述子的旋转不变性. 实验结果表明,MNSTF算法在经过旋转的弱纹理图像测试集上的特征点匹配准确率达到了99.9%以上,验证了其良好的适用性、旋转不变性和鲁棒性.     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

抗模糊的图像局部特征描述子

针对提取图像局部特征时,尺度不变特征变换描述子对光照条件变化仅有部分不变性,特别对非线性光照变化不具备不变性,对模糊的目标图像也无法准确提取或仅能提取到很少特征点的问题,利用局部二值模式描述子对光照的健壮性提出了一种符合人类视觉系统的自底向上再到自顶向下的视觉认知过程的新的抗模糊的图像局部特征描述子。实验表明,所提出的描述子对光照变化有更好的健壮性,对模糊的目标图像能准确地提取出更多的特征点,保留了尺度不变特征变换对缩放、旋转和压缩等变换的不变性,并显著地提高了针对模糊图像的匹配率。     

基于局部特征的图像匹配方法

为了提高图像匹配算法的性能,使用一种改进的K-d树改善特征点匹配时的数据检索方式,用随机抽样一致性算法对提取的匹配对进行提纯.实验结果表明,在不同尺度及旋转、不同视角、不同光线的情况下,此算法剔除了误匹配的特征点和不必要的特征点,提高了图像匹配的精度.     

一种非结构环境下目标识别和3D位姿估计方法

为提高非结构环境下目标识别准确率和位姿估计精度,提出一种利用Kinect V2 RGB-D传感器并基于目标的CAD模型进行不同类型目标自动识别和3D位姿估计的新方法.利用虚拟相机获取目标CAD模型的深度图像,并将目标的模型转化为点云图,采用体素栅格滤波减少场景点云中的点数;利用点对特征描述子(PPF)作为CAD模型的全局描述子,并将相似的PPF划分成一组放进一个hash表,用于识别和定位目标,所有目标的hash表组成了3D模型数据库;利用基于投票策略的方法对不同类型目标进行检测识别和3D位姿估计,并采用位姿聚类的方法和ICP配准进行位姿修正,再通过奇异值滤波剔除误匹配位姿,从而提高位姿估计精度.在虚拟机器人实验平台仿真环境中分析了3种管接头的识别率和位姿估计误差,结果表明:3种管接头平均识别率96%,位置误差4 mm,姿态误差2°,能够满足机械臂抓取要求.将提出的方法与两种主流位姿估计方法进行了对比实验,结果表明,提出的方法无论是识别率还是F1分数都要优于其他两种方法.     

利用边缘像素深度特性的深度估计方法

为了提高物体边缘处像素的深度估计准确性,改善任意视点电视系统中合成虚拟视图质量,提出一种新颖的深度估计方法.该方法首先充分利用物体边缘像素的深度特性,将视图中的像素划分为3类,然后为每类像素提出相应的匹配代价函数的平滑项.与现有的基于边缘辅助信息的半自动深度估计方法相比,本方法有效提高了物体边缘处像素的深度估计准确性,在任意视点电视(FTV)系统接收端合成的虚拟视图客观质量PSNR平均提高0.32dB.