基于两层策略的噪声图像对的点匹配算法

针对机器人视觉研究中噪声的存在,很多的区域匹配算法都受其影响.为了解决去噪问题,提出了一种两层策略的噪声图像对的点匹配算法.先粗糙匹配采用较大的模板窗利用差值平方和比较边缘相似性,从而得到匹配点的大致范围.然后精细匹配,在粗略匹配所得的小范围内采用灰度相似性确定匹配点位置.结合数学组合的定义和噪声的对称概率密度函数,改进次序统计滤波器并且把它用于估计灰度值.以添加高斯噪声的真实图像为测试对象.实验结果显示了此匹配在不同的信噪比下受噪声影响很小和具有很高的匹配率.     

分解算法的丢失数据射影重建

在射影重建问题中,广泛应用的分解算法尽管能够平等地看待所有的图像,但它们要求全部空间点在所有的图像上都可视.为了克服这一限制,该文提出了一种基于分解算法的射影重建方法.该方法迭代地估计空间点、投影矩阵、深度因子和丢失的数据.投影矩阵和空间点通过奇异值分解被求取.深度因子则根据每幅所有图像点构成的行向量生成的线性子空间和与射影重建空间点构成的行向量生成的线性子空间是同一线性子空间的特性被估计出来.模拟数据和真实图像的实验结果表明,该射影重建方法具有重投影误差小,收敛性好和实用性强的特点.