计算机视觉原理分析及其应用

介绍了计算机视觉的原理,分析解释了实现原理的步骤以及发展现状,并且举例说明了计算机视觉的应用,解决了在人脸检测和识别、机器人目标定位、导航等领域的应用问题,并简单论述了计算机视觉技术的发展方向.     

基于凸集论的稠密视差图优化算法

针对计算机视觉领域中立体匹配算法在图像无纹理区产生的误匹配问题,提出以全变差函数为凸约束集,使用次梯度投影法,对通过初始视差变换后的立体图像对之间的像素误差函数和视差二次平滑因子形成的严格凸函数进行求解,寻求立体图像对之间的最优视差图。实验结果表明,该方法不仅能保留初始视差图的边缘,而且减少了由先前立体匹配算法求得的视差图在无纹理区产生的误匹配点,取得了良好的视差图优化效果。     

基于双目视觉的红绿灯距离测量

红绿灯路口的交通事故对人们的生命和财产安全构成了极大的威胁。针对该问题,将双目视觉的测距技术应用在前方红绿灯距离的测量方面。研究了基于双目视觉的红绿灯距离测量系统。系统通过2个CCD摄像头从不同视角采集前方红绿灯的图像信息,得到左右两幅双目图像对,对左右两幅双目图像对进行处理、定位;然后采用全局匹配的方法进行特征点提取,找到对应的特征匹配点对,得到视差;再根据三角测量原理,恢复出被测目标的三维信息和深度信息,实现对前方红绿灯距离的测量。实验结果表明:该设计方案能有效地测量前方红绿灯距离,方法简单有效,具有较高的测量精度。     

基于引导滤波和视差校准的自适应权重算法

提出了一种基于导向滤波器和视差校准的自适应权重算法。首先,使用梯度与色彩相结合的相似测度计算不同视差的原始匹配代价,构成三维代价卷,使用导向滤波器对其进行滤波,有效保持边缘信息,提高了初始匹配精度,并通过积分图像方法降低了运算复杂度;然后,增加了视差校准步骤,根据色彩相似性和空间相近性分配自适应权重,对初始视差图进行校准,进一步提升匹配精度。利用Middlebury网站提供的标准立体图像对进行匹配精度验证,结果表明:算法可以有效消除歧义匹配,获得精度较高的稠密视差图。通过真实图像对算法进行了验证,能够在一定程度上恢复景物的三维信息。     

一种基于深度信息的人头检测方法

针对目前人头检测方法对光线变化敏感和易受阴影干扰的问题,提出了一种基于深度图像的人头检测方法.首先通过运动目标检测,得到运动人员所在区域;然后对该区域使用改进的立体匹配算法,该匹配算法对传统的WTA匹配算法进行改进,只对强纹理点进行匹配,对弱纹理点只进行视差验证,并根据三角投影原理计算出深度图.由于深度图中人员与周围场景的深度分布不同,根据深度分布将人头区域提取出来,得到候选区域,最后将候选区域经过形态学运算并根据区域轮廓的特征来判断是否为人头.实验结果表明:该方法在不同光线环境条件下的检测正确率为94%以上,误检测率仅为5.77%,检测精度高,对光线和阴影的抗干扰性良好,能够很好地适应复杂环境.     

计算机视觉中的三维重构建模

三维重构建模是计算机视觉技术的主要内容之一.相机内外参数的标定、图像特征点的提取以及特征点的立体匹配是三维重构建模的技术核心.本文总结了近来三维重构建模的研究成果和计算方法,并提出了一些观点,对三维重构建模的难点和发展趋势作了说明.     

基于mean-shift全局立体匹配方法

针对图像全局立体匹配精度高、计算量大的问题,提出基于mean shift图像分割的全局立体匹配方法。首先,通过mean shift算法对图像进行分割,获取图像同质区域数量和区域的标号。在计算匹配代价时,根据像素所属的分割区域,对像素进行筛选,从而提高匹配代价计算速度;其次,在代价聚合前,将mean shift算法获取的同质区域数K值赋值给K-means聚类算法,对像素再次聚类,提高立体匹配精度和速度;最后通过TRW-S置信传播解决能量最小化问题。实验表明,该算法明显提高了匹配的准确性和速度,与单纯的全局匹配算法相比,具有更大的优势。     

基于小波多尺度零交叉基元的立体匹配方法

将小波变换运用到立体视觉的图像匹配中,选取合适的二进小波基,以二进小波变换的多尺度零交叉为匹配基元,较多地利用了图像的结构特征.在匹配过程中采用由粗到精的层次匹配策略和严格的匹配约束,减小了对应点搜索范围,并从局部和整体2个角度来解决歧义匹配的问题.实验结果证明,该方法具有较高的匹配精确度和较快的匹配速度,并且算法稳定.     

一种改进的立体视觉匹配算法*

针对目前双目立体视觉匹配算法匹配误匹配率高的问题,提出了一种具有尺度不变特性的 Harris检测算法,将SIFT特征描述子引入到Harris特征的描述过程当中,使其提取到的特征具有旋转、尺度、亮度不变性。并且为了提高匹配精度,采用RANSAC法去除误匹配来降低误匹配率。相对于经典的 Harris算法,该算法提取的特征具有尺度不变特性且误匹配率降低,是一种有效可行的立体匹配算法。     

快速视差范围估计算法及其应用

视差范围估计在立体匹配中非常重要,准确的视差范围能提高立体匹配的精度和速度.为此提出一种基于匹配代价搜索和图像细分的快速视差范围估计算法.该算法将输入图像均匀分成多个图像块,采用匹配代价搜索计算每一图像块的视差,找到视差最大(最小)的图像块,并利用迭代细分规则将该图像块继续分成更小的子块,直至得到稳定的最大(最小)视差;利用匹配代价图对图像块进行可靠性检测,以解决弱纹理块容易误匹配的问题.实验结果表明,文中算法在保持97.3%的平均命中率的同时将立体匹配的平均搜索空间降低了27.7%,比采用传统算法可以得到更准确的视差范围;将该算法应用于立体匹配算法中降低了其平均误匹配率,并将计算时间缩短了20%~45%.