基于CSS角点提取的红外与可见光图像匹配算法

针对红外与可见光图像中特征点匹配的难题,提出了一种基于曲率尺度空间（curvature scale space,CSS)角点提取的特征点匹配算法。首先采用基于曲率尺度空间的角点检测算法进行特征点提取;其次利用三维二次函数剔除低对比度的特征点;然后以特征点所在曲线的法线作为主方向,避免了图像的旋转代价;再通过计算构建特征点邻域的梯度方向在［0,π)范围的分布直方图,计算其统计特征并构造一个64维的特征点描述符,并进行归一化;最后采用最近邻算法实现直线匹配。实验结果表明,该算法能够有效地实现对红外与可见光图像特征点的精确匹配。     

一种基于角点匹配的视图合成方法

提出了一种基于角点匹配的视图合成方法,其基本思想是：首先,利用SUSAN方法分别提取样本图像对的角点;然后,基于归一化协方差相关准则和双向匹配方法确定样本图像对之间最佳的匹配角点集;再利用匹配角点集确定基本矩阵;最后利用基本矩阵完成视图变形。该方法合成视图无需相机参数或其他几何信息,无需人工指定对应点,合成过程实现了全自动,消除了视图合成过程所需的用户工作以及人为因素对视图合成效果的影响。     

基于图像信息的微小型飞行器飞行测高方法

微小型飞行器飞行高度的实时测量是实现其自主飞行的关键技术之一。为了准确快速地获取微小型飞行器的飞行高度参数,提出了一种新的稳健的利用图像信息获取微小型飞行器飞行高度的方法。此算法首先使用光学理论和几何学理论推导出了飞行高度的计算公式,综合运用Harris角点检测算法和区域灰度算法得到图像间的匹配角点,并使用分割区域法得到图像之间的关键点。最后通过计算关键点在图像中的位移情况,计算出飞行器当前的高度值。飞行实验表明,这种测量算法可以实时获得飞行器的高度,精度满足飞行器平稳飞行的需要。

Abstract：

Flight height is one of key technologies for micro aerial vehicle （MAV） flight autonomy.In order to get the MAV flight height accurately and quickly,a new robust flight height measurement algorithm was proposed.In the algorithm,the height was deduced from optical theory and geometry theory,and a matching corner points set was obtained by Harris corner detector and regional gray method.And then,the key points were got using the segmentation area method.In the end,the current flight height was obtained by computing the displacement of the key points in the images.The flight experiment shows that flight height measurement is real-time,and it meets the stable flight control requirements for the MAVs.     

基于边缘轮廓上多尺度自相关矩阵的角点检测算法

为了减少边缘轮廓上微小变化和边缘噪声对检测结果的影响,提高检测准确率,提出了一种利用边缘轮廓上多尺度自相关矩阵的角点检测算法。该算法首先利用边缘检测器提取图像的轮廓,同时利用不同尺度的高斯核函数平滑图像,对于轮廓曲线上的每一个像素,利用微分算子获得不同尺度下灰度变化信息来构建自相关矩阵;最后将不同尺度下自相关矩阵的归一化特征值的乘积作为新的角点测度。如果该角点测度值既大于预设阈值,又是局部窗口内的极大值,就判定是角点。仿真结果证实所提算法可以更准确地检测图像中的角点且具有更低的错检概率。     

基于最佳几何约束和RANSAC的特征匹配算法

为解决特征点匹配的质量与计算效率不能兼得的问题,研究了一种基于最佳几何约束和RANSAC(random sample consensus)的特征点匹配方法.采用 KNN(k-nearest neighbor)算法对提取到的特征点完成初始匹配,根据匹配点对连接线长度相等、斜率相同的特点,基于统计排序策略构建最佳几何约束,...     

基于光电融合的目标三维结构反演

针对同传感器视角下的空天目标光电特征融合问题, 提出一种综合利用散射中心参数及轮廓角点特征的目标三维结构反演方法。首先, 基于正交匹配追踪(orthogonal matching pursuit, OMP)算法估计出序列雷达图像中的二维散射中心特征, 并利用Freeman链码提取连续可见光图像的角点特征。然后, 基于图论思想分别对雷达及可见光图像中的二维特征点进行关联。最后, 通过特征点三维重构来实现散射中心特征与光学角点特征之间的融合, 从而反演出较单源特征更为丰富准确的目标结构信息。仿真试验结果验证了所提方法的有效性。     

基于边界特征点提取的约束Delaunay三角剖分算法

在地形表达上不规则三角网应用广泛,实际中用到最多的也是Delaunay三角网剖分算法。针对约束数据域下的Delaunay三角剖分通常不满足DT特性的问题进行了阐述,分析了已有的三种引入附加点的算法,算法主要从几何的角度考虑如何减少附加点的数量,而加入附加点的最终目的在于获得更加真实的地形,因而提出了基于边界特征点提取的约束Delaunay三角剖分算法,算法实质就是在加入特征约束之前提取能够满足可以真实再现地形的所有特征点作为新的特征约束,省去附加点的概念,应用现有的Delaunay三角剖分算法进行构网,保证构建后的地形仍具真实感。     

基于角点特征的KLT跟踪全景图像拼接算法

虚拟现实技术在航空航天、机器人遥操作和生物医学等领域得到了广泛应用，已成为研究问题的一种重要手段，全景图像的拼接技术则是其中一个非常重要的环节。通过SUSAN检测算子提取图像特征角点，利用快速RANSAC算法来实现图像的初配准．然后把检测到特征角点作为图像中的运动目标，利用KLT跟踪算法，确定各特征角点的精确位置，从而得到图像之间精确的单应性变换矩阵。在图像融合过程中，提出了消除图像拼接过程中“鬼影”的办法。实验结果表明，该算法能够大大提高图像配准精确度，并具有较好的鲁棒性。     

平面轮廓线之间的分块三角划分算法

从三维空间点集通过三角划分重建三维表面的方法在实际应用中涉及到的数据量常常很大 ,因此对算法的计算速度有较高的要求。基于三维重建中物体截面轮廓边缘序列中相邻轮廓基本相似的事实 ,提出了一种物体截面轮廓线点集之间的三角划分的快速算法。该算法首先寻找轮廓线的控制点 ,对每两条相邻轮廓线的控制点进行配对 ,其次将这样两条轮廓线之间的三角划分的任务分配在多个小的曲线段对之间进行 ,并且由于事先的控制点匹配 ,在每个小的区域中就能够进行简单快速的三角划分。理论分析和实验表明 ,本算法与常规的全局优化算法相比在视觉效果上基本一致 ,在计算时间上却要少得多 ,说明本算法的有效性     

基于圆环模板的改进Harris角点检测算法

Harris算子是经典的角点检测算法,但却存在检测性能依赖高斯窗窗长和阈值的不足,本文对此做出改进。先设定较低阈值,检测出图像中的疑似角点。再构造一个新的圆环模板,通过内外两个圆环上的像素点评估中心像素邻域灰度变化,用构建的新模板遍历每一个疑似角点,滤除虚假角点,得到最终检测结果。本文算法计算内外两个圆环上像素的灰度变化,充分考虑了角点在局部区域灰度变化明显的特征,不涉及微分运算,所以具有较好的鲁棒性。通过一系列实验,新算法在实际应用中明显具备良好的检测性能。