面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

基于相对相位直方图的数字表面模型数据与遥感图像配准

针对数字表面模型（DSM）数据与可见光遥感图像信息融合的实际需求,提出了一种基于一致点漂移算法（CPD）与相对相位直方图（RPH）的两级配准策略来实现上述数据与图像的自动配准。首先,利用Canny算子提取图像边缘,将边缘点作为CPD算法的输入,实现两幅图像的粗匹配,从而得到初始对应点集并估算尺度因子;然后,定义了一种鲁棒且具有旋转、平移不变性的区域变化信息描述子-RPH,其在粗匹配结果的保障下还可以实现尺度不变性;最后,根据尺度因子在两幅图像中分别定义圆环模板,并利用RPH测度完成DSM图像与可见光遥感图像精配准。实验结果显示,使用RPH测度进行精配准后,基于CPD算法的粗匹配结果得到了有效校正,在数据自身存在透视失真情况下,算法配准误差约为2 pixel,能够满足DSM数据与遥感图像信息融合的需求。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

基于ORB与RANSAC融合改进的图像拼接方法

针对旋转不变性二进制描述算法（Oriented Fast and Rotated Brief, ORB）的尺度旋转性配准误差大,配准率较低及随机采样一致性（Random Sample Consensus, RANSAC）算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。     

基于ORB与RANSAC融合改进的图像配准

针对旋转不变性二进制描述算法(Oriented Fast and Rotated Brief,ORB)的尺度旋转性配准误差大,配准率较低及随机采样一致性(Random Sample Consensus,RANSAC)算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。     

应用摄像机位姿估计的点云初始配准

基于摄像机位姿估计的数学模型,提出了一种检测摄像机位移前后目标图像特征点的方法,通过求解摄像机发生位移前后的相对位姿矩阵来解决应用视觉图像获得点云的初始配准问题。首先,介绍了摄像机位姿估计模型,包括本质矩阵、旋转矩阵以及平移矩阵;然后,介绍了SURF算子的特征点检测、描述和匹配的方法,在此基础上面向双目视觉和单目结构光系统,分别提出了摄像机位移前后目标图像SURF特征点匹配和深度估计模型;最后,分别进行双目视觉和单目结构光系统点云的获取、位移前后目标图像特征点检测匹配和深度估计实验,应用摄像机位姿估计模型求解旋转矩阵和位移矩阵,并对位移矩阵进行统计分析剔除粗差。实验中采用基于点云空间特征点和基于图像的方法进行对比,点云对应特征点均方误差缩小至12.46mm。实验结果验证了方法的可行性,表明本文的点云初始配准方法能较好地获得点云精确配准初值。     

微细对接焊缝初始点定位方法

为了解决焊接机器人对薄板微细焊缝的自动定位和焊接问题,研究了一种基于视觉的高精度微细对接焊缝初始点定位方法。提出一种局部范围内两步精确定位方法,第一步,获取工件在不同尺度及旋转角度下的图像,建立典型的模板匹配库,利用模板匹配方法提取出焊缝初始点位置区域;第二步,采用Shi-Tomasi算法在此局部范围内进行角点检测,计算亚像素级角点位置并进行初始点精确定位。通过对现场拍摄的50幅不同高度和旋转角度的图像进行初始点检测,实现了对所有图像的准确检测。实验结果表明,两步定位方法鲁棒性强,可以精确定位出规则边界和不规则边界焊缝的初始点,解决了微细对接焊缝初始点定位问题,达到了期望结果。     

基于仿射不变量的长基线立体匹配

为了实现长基线图像特征点的立体匹配,提出了一种新的基于特征点仿射变换不变性的匹配算法.通过对仿射变换矩阵进行奇异值分解,利用旋转角度和尺度变换因子来估计仿射矩阵的合理初始值,加快匹配算法的收敛速度,避免搜索可能收敛于某一局域极小值或发散.另外,通过估计特征点的外极线几何关系和局部运动矢量消除错误匹配.     

一种图像配准的超分辨率重建

提出了一种具有子像素级精度的图像配准方法,并通过迭代反投影算法进行超分辨率重建.介绍了基于3参数模型的图像配准方法并提出了基于4参数模型的图像配准方法,由于没有直接将旋转角度参量引入到运动模型中,有效地避免了原方法中泰勒级数展开时的小角度假设.最后,根据配准算法所得到的子像素级运动信息,用迭代反投影算法进行超分辨率重建.分别对多幅具有较大运动的模拟及真实的低分辨率图像进行实验,结果表明:该配准算法取得了更高的精度,平均平移误差减少了0.026 1 pixel ,平均旋转角度误差减少了0.356 4°;重建图像具有更好的视觉效果,平均PSNR值提高0.75 dB.本文方法可以被广泛地应用于相互间主要存在平移和大角度旋转的多幅低分辨率图像的大倍数超分辨率重建,可满足实际应用要求.     

基于序列图像特征配准的摄像机旋转补偿算法

提出了一种基于序列图像特征点配准和基于最小二乘估计的摄像机绕轴旋转运动精确估计算法.该算法利用序列图像帧间的强相关性,通过分析相邻两帧图像的运动,由Harris算子进行特征点检测.基于这些特征点用模板匹配方法对帧间图像进行配准,然后根据多个特征点的运动矢量用最小二乘估计获得摄像机的运动参数,并用获得的运动参数实现对摄像机绕轴旋转运动的精确补偿.实验结果表明,该方法在帧间旋转角度＜10°时,摄像机绕轴旋转运动角度估计误差＜5%,但是当旋转角度＞14°时,相对估计误差＞20%.从系统实际应用(帧间旋转＜5°)来看,该方法克服了成像测量中摄像机旋转对图像处理和测量精度的影响,弥补了因像机旋转引起的测量误差大的缺陷,提高了测量精度,可满足使用要求.     

基于Franklin矩的亚像素级图像边缘检测算法

为了满足计算机视觉标定与精密测量对图像边缘定位的精确度高和抗噪性强的要求,提出一种基于Franklin矩的亚像素级图像边缘检测算法。首先,建立亚像素边缘模型,利用各级Franklin矩的卷积来提取图像边缘点的细节特征;然后,依据Franklin矩的旋转不变性原理,分析图像边缘旋转至垂直方向后各级Franklin矩之间的关系,从而确定图像中亚像素边缘的关键参数;最后,根据改进的边缘判断条件,确定图像中的实际亚像素边缘点。大量实验结果表明,与基于Zernike矩的亚像素级算法、基于小波变换与Zernike矩结合的亚像素级算法、基于Roberts算子与Zernike矩结合的亚像素级算法相比,本文提出的基于Franklin矩的亚像素级图像边缘检测算法速度更快,精度更高且抗噪性强,更好地满足了对于图像边缘定位稳定可靠及高精度测量的要求。     

一种基于图像配准的超分辨率重建方法

为了提高配准算法的精度并改善超分辨率重建图像的质量,提出了一种具有子像素级精度的图像配准方法。首先,对基于三参数模型的图像配准方法进行介绍并优化。然后,提出了基于四参数模型的图像配准方法,由于没有直接将旋转角度参量引入到运动模型中,有效地避免了原方法中泰勒级数展时的小角度假设。最后,根据配准算法所得到的子像素级运动信息,采用迭代反投影算法进行超分辨率重建。实验结果表明：该配准算法取得了更高的精度,平均平移误差减少0.0297像素 ,平均旋转角度误差减少0.3564度;重建图像具有更好的视觉效果,平均PSNR值提高0.75dB。可以被广泛地应用于相互间主要存在平移和大角度旋转的多幅低分辨率图像的大倍数超分辨率重建,满足了实际应用要求。     

基于区域划分的红外超分辨率重建

提出了红外超分辨率重建系统以获取高分辨率红外数据。首先,根据红外图像获取过程建立了数学模型,讨论了降采样、模糊、运动以及高斯噪声对红外系统的影响;在非退化特征提取的基础上提出了基于特征的亚像素配准算法,其根据所得到的非退化特征应用归一化均方根误差来估计两帧之间的亚像素位移。然后,分析了传统全变分因子在高分辨重建时的不足并对其进行改进;利用区域划分将图像划分为平滑区域和细节区域,并根据区域的不同情况自适应全变分因子,从而使细节区域不至于过平滑。最后,利用MM(Majorization Minimixation)算法对合成的低分辨率红外图像和真实红外图像进行了超锐度重建。与同类相关算法的比较实验显示:所提算法亚像素配准最大误差为0.09pixel,重建后的红外图像质量优于其他同类算法。所提算法可以对低分辨红外图像序列进行有效重建,具有配准精度高、重建图像细节丰富等特点,可应用于各种红外成像系统。     

采用目标区域互信息的星空图像配准

提出了采用目标区域互信息的测度方法对星图进行精确配准以解决星图中存在噪声、伪星点、星点稀疏以及星图间的旋转等问题。首先对星图进行图像分割,检测出星点目标并对星点进行二值化处理;然后基于互信息配准模型,在含星点的目标区域上,利用Powell算法将最大互信息作为目标函数来指导图像间最优变换参数的搜索。分析了适宜于互信息测度配准的星点分割算法,并论证了采用目标区域互信息的星图配准的可行性。对提出的算法与标准的互信息配准算法进行了对比。结果表明:提出算法的时间消耗与图像中星的数量有关,在图像大小为1 000×1 000时,提出算法的加速比为标准算法的3.4倍。该算法在星图中存在噪声、伪星点、星点稀疏和旋转的情况下仍能进行准确配准,50组实拍星图配准误差平均值为0.138 2pixel,满足了星空图像对精确配准的要求。     

基于经验模式分解和互信息的多模态图像配准

基于互信息的配准方法是目前多模态图像配准研究中的热点.提出了一种基于经验模式分解后剩余图像和互信息的多模态图像配准方法.首先通过理论分析得出通过求解剩余图像之间的变换参数即可获得原始图像之间的变换参数,从而论证了二维经验模式分解(BEMD)应用于多模态图像配准的可行性,然后给出了图像配准方法的实现步骤.典型多模态图像配准实验结果表明此方法与传统互信息法和基于小波分解结合互信息的方法相比,旋转角度估计误差可以降低1个数量级,缩放参数的估计误差也有很大降低.表明该方法获得了更高的配准精度.     

结合仿射变换和多层B样条配准的湍流畸变图像校正

为解决大气湍流引起的图像抖动和图像偏移问题,提出了一种结合仿射变换和多层B样条配准的图像校正方法。由于湍流像素偏移具有非线性和随机性,且序列中常伴有成像系统运动引起目标全局运动,该方法将像素校正分为整体运动校正和局部非刚性配准两部分。采用仿射变换描述目标整体运动;引入多分辨率策略处理像素偏移,利用多层B样条对湍流引起的局部形变进行非刚性配准。基于对称约束的代价函数,通过梯度判定感兴趣区域,进一步细化控制点网格提高B样条配准精度。最后,采用有限内存拟牛顿法优化代价函数,得到像素偏移量,实现畸变图像的像素校正。对真实图像和实际序列图像分别进行了实验,结果表明:该方法能够有效降低湍流造成像素偏移畸变,在噪声和模糊干扰下校正结果依然理想。     

基于伽马混合模型B超图像聚类配准的颈动脉管壁搏动位移干扰抑制

提出了基于伽马混合模型B超图像聚类(UICG)的配准方法以抑制血管壁搏动位移估计的干扰。使用伽马混合模型对颈动脉B超图像聚类,以远距组织的归一化互信息为相似性测度提取干扰曲线,基于干扰曲线对聚类图像序列进行空间逆变换以消除外界干扰,最后采用散斑追踪法在配准后的聚类图像序列中估计管壁搏动位移。仿真实验表明,相比主轴质心与互信息相结合(PCMI)的传统配准算法,X、Y和旋转方向上的UICG干扰归一化均方根误差(NRMSE)分别减小了36%、38%和32%,管壁搏动位移估计的NRMSE均值减小了37%。对健康受试者颈动脉的实测试验进一步证明了UICG法的有效性。综上,UICG法能有效抑制干扰,提高管壁搏动位移的估计精度。