二维图像序列中刚性目标的准确定位方法

提出了一种准确定位二维图像序列中刚体目标的方法。方法使用粒子滤波,同时引入基于轮廓模型的匹配算法的基本思想,通过估算刚性目标的二维仿射运动参数,准确地计算其在每帧图像中的位置和姿态。利用基于距离变换的边缘匹配方法提高模型匹配效率和评价目标跟踪的精度。实验给出目标定位的计算结果并估算了定位精度,在图像序列中给出了计算所得的目标轮廓。实验表明．该方法的定位精度可达到亚pixel。     

基于机器视觉的三维重建技术研究

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片,通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定,利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配,采用RANSAC算法计算基础矩阵,最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点,并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建,并且能够很好地反映出物体的三维特征。     

一种全局优化的多面体凸分解匹配方法

提出了一种全局优化的多面体匹配方法，该方法对物体的拓扑关系和结构关系进行多级匹配,利用全局优化的松驰迭代方法减少匹配误差，并由匹配的一致性准则进行匹配结果的检测，根据物体的内在特征来进行匹配，从而解决非同构物体的匹配.可广泛应用于物体识别、三维物体重建、医学图象处理等领域，实验证明此方法质量好、自动化程度高，是一种有效的全局优化结构匹配方法．     

基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法

目前经典的基于微分同胚非刚体变换的标记点匹配算法虽然克服了以往非微分同胚变换方法不能处理大形变非刚体变换的问题,但是普遍存在时空复杂度较高,算法收敛速度较慢以及匹配精确性和变换光滑性不能兼顾等问题.针对这些问题,本文提出了一种新的基于恒定动量矢量的快速大形变微分同胚非刚体标记点集匹配算法,该方法利用拉格朗日坐标系下的恒定动量矢量以及时间依赖的多尺度再生核来构造速度矢量场,然后采用基于规则化控制参数的确定性退火机制来搜索最优动量矢量,从而得到最终的微分同胚变换形变场.最后实验验证了本文所提新算法能使匹配的精确性和变换的光滑性达到较好的平衡兼顾,而且也较大程度地降低了算法的时间复杂度以及空间复杂度.     

识别与定位三维物体的点匹配法

本文提出一种识别与定位三维物体的基于模型的点匹配法,这种方法只需要简单的距离计算与四阶行列式计算,就可获得物体与模型的全局一致性匹配,因此不需要进行模型检验。     

基于球谐分析和三维矩的超二次模型匹配计算

超二次模型能够利用简洁的参数有效地描述大量复杂的、真实的三维形状,因此,在计算机视觉和计算机图形中都得到了广泛的应用。超二次模型形状匹配计算是应用超二次模型进行三维物体识别的一个关键问题。本文对此进行了详细的研究,提出了两种新的方法,即基于球谐分析和三维矩的匹配计算方法。特别地,在基于球谐分析的方法中,提出了一个新的采样算法,用以构造描述超二次模型的离散球函数。实验表明,本文提出的方法能够有效地进行超二次模型三维形状的匹配计算,为开发基于超二次模型的三维物体识别系统奠定了良好的基础。     

SIFT特征和正交DLT算法在物体识别中的应用

结合SIFT特征和正交DLT算法,给出一种较为精确的物体识别方法.该方法首先采用SIFT特征描述子进行测试图像关键点的提取,然后将测试图像和模型数据库中模型的特征点逐一匹配,设定匹配阈值,若匹配达到该阈值,则认为匹配成功,最后通过正交DLT算法在测试图像中识别该模型的位置.SIFT特征与正交DLT算法的结合有效地提高物体的识别精度.实验结果表明,该方法具有较强的鲁棒性,不仅可以在复杂背景下,较好地识别模型在测试图像中的位置,而且还可以在物体被部分遮挡的情况下,较为准确地对物体进行定位.     

基于拓扑图及三维特征的三维物体识别方法

本文提出一种基于拓扑图及三维特征的三维物体识别方法。该方法在图像预处理阶段首先检测物体可视表面的闭合边界,依据闭合边界对物体进行分割,并用一个景物特征图对景物进行表达(SAGR)。在建模阶段,采用多视图表面模型方法进行建模,依据表面分割,对多视图模型用一个模型特征图进行表达(MAGR)。在物体识别阶段,将景体与模型的匹配分成三部分进行,即扫描部件、图的匹配部件及匹配检验部件。匹配首先是基于SAGR与MAGR图的拓扑性质的匹配,然后是基于三维特征的匹配。根据匹配结果,或对未知物体自动建模,或给出识别结果。     

基于Contourlet子带能量特征多HMM融合的静脉识别

为了准确识别人的身份,该文提出了一种以轮廓波(Contourlet)变换后不同尺度下的子带能量为特征,建立并融合多个隐马尔科夫模型(HMM)的手背静脉识别算法。该算法首先采用了光强可调的近红外阵列光源,通过逐步增加光强来获得手背静脉图像序列;而后,将每一静脉图像进行Contourlet变换,并计算不同尺度下每一子带的能量,以3个尺度下子带能量作为特征观测值建立3个HMM;最后,融合3个HMM计算得到的观测值发生概率,将融合结果与阈值作比较,从而完成静脉识别过程。实验结果表明,提出的算法可以使真实匹配与虚假匹配的区分度最大化,与基于特征点或静脉信息融合的识别算法相比,正确识别率得到了提高。     

基于互信息的紫外成像仪中图像配准研究

紫外成像仪为实现放电点定位和电气设备故障诊断,需要对来自不同传感器的紫外与可见光图像进行配准。针对紫外与可见光图像成像原理差异较大,特征点提取及匹配困难的问题,文章提出一种基于互信息的紫外与可见光图像配准算法并将其应用到紫外成像仪中完成实时配准。首先计算紫外与可见光图像中的互信息,将互信息作为相似性测度,采用刚体变换模型对图像进行变换,然后通过1+1进化算法求取最优相似性测度时的空间变换参数而完成图像配准,并通过仿真和紫外成像仪样机验证了所提算法的有效性。     

Nonrigid registration using free-form deformations: application tobreast MR images

In this paper we present a new approach for the nonrigid registration of contrast-enhanced breast MRI. A hierarchical transformation model of the motion of the breast has been developed. The global motion of the breast is modeled by an affine transformation while the local breast motion is described by a free-form deformation (FFD) based on B-splines. Normalized mutual information is used as a voxel-based similarity measure which is insensitive to intensity changes as a result of the contrast enhancement. Registration is achieved by minimizing a cost function, which represents a combination of the cost associated with the smoothness of the transformation and the cost associated with the image similarity. The algorithm has been applied to the fully automated registration of three-dimensional (3-D) breast MRI in volunteers and patients. In particular, we have compared the results of the proposed nonrigid registration algorithm to those obtained using rigid and affine registration techniques. The results clearly indicate that the nonrigid registration algorithm is much better able to recover the motion and deformation of the breast than rigid or affine registration algorithms.     

一种基于对象的动态视频超分辨率复原算法

从视频序列中复原高分辨率的运动对象在众多研究领域具有重要的应用意义.本文针对动态视频中整体运动的刚性或准刚性对象,提出一种基于对象的超分辨率复原方案,首先引入基于6参数仿射模型的对象跟踪和匹配算法,用于视频中运动对象的自动跟踪和匹配.进而将该运动模型与最大后验概率(MAP)算法相结合实现了所跟踪对象的超分辨率复原.对仿真和实测序列的实验结果表明,这种基于对象的处理方法能够实现更为准确的运动估计,因而收到了更好的复原效果.     

基于功率谱AR模型的3D激光虚拟图像重建研究

当前常用的无样本图像重建方法具有分辨率低的弊端,有样本图像重建方法得到的3D激光虚拟图像重建结果有很大误差。为此,提出一种基于功率谱AR模型的3D激光虚拟图像重建方法。建立功率谱AR模型,将Burg技术和自相关法结合在一起,得到合理的AR模型参数。在存在平移、旋转参数的情况下,在功率谱AR模型基础上对图像进行配准处理,先完成旋转步长,然后进行平移估计与步长,以提高旋转配准精度与平移配准精度。将3D激光虚拟图像信息看作希尔伯特空间的元素,依据配准结果,在重建的3D激光虚拟图像重建视觉效果达到要求或连续若干次迭代结果改变情况区域稳定的情况下,结束迭代,实现3D激光虚拟图像重建。经验证,所提方法重建精度最低为97%,重建误差最低为2%,而且重建花费时间较短,证明了本文方法在图像重建方面的优越性,可应用于图像重建的相关工作中。     

基于CNN-WF的高灵敏紫外成像仪中的图像配准与融合

针对现有紫外成像仪中紫外光与可见光图像配准实时性差,精度不高等问题,提出一种基于卷积神经网络(Convolutional Neural Networks,CNN)与小波融合(Wavelet Fusion,WF)的紫外光与可见光图像配准融合方法,并将其应用于高灵敏紫外成像仪中.首先,结合刚体变换和卷积神经网络对采集到的图像数据进行参数模型预训练,通过自主挖掘图像特征寻找到最优空间变换参数,实现紫外光图像与可见光图像的精确配准;其次,利用二维小波分解与重构算法实现紫外光与可见光图像的融合.实验结果表明,所提方法的紫外光图像与可见光图像配准速度快,叠加精度高,且具有良好的稳定性.     

基于遗传算法的ICP配准技术研究

图像配准技术是图像三维重建中的重要部分,对最终三维模型的实现有着较大影响。图像配准的完成通常分为初配准和精配准2个过程。本文提出了一种新的配准思路：采用遗传算法对深度图像进行初配准,然后采用ICP算法对初配准结果进行迭代求精,实现最终的图像配准。由于遗传算法具有全局最优搜索能力,容易获取最优解或次优解,为二次配准的ICP算法提供了较好的初始位姿,提高了ICP算法的稳定性。     

互相关算法在运动目标距离选通激光三维成像中的应用

在微光成像中,距离选通成像是一种获取目标三维信息的有效手段。对于静止目标而言,可以通过对目标切片成像,获得不同选通距离的目标图像,进而通过二值化算法或质心算法获得目标的三维图像。而对于运动目标而言,在切片成像的同时,目标的空间位置会发生变化,因此需要对不同选通距离的目标图像进行配准,而后才能获得目标的三维图像。搭建了基于像增强电荷耦合器件(ICCD)的距离选通实验系统,提出了一种基于像质评价的互信息配准算法配准激光图像目标的空间位置,然后对配准后的激光图像通过互相关算法获得三维图像,并在保证一定的三维精度基础上,逐渐减少激光图像的像幅数,最后与二值化算法和质心算法三维重构进行了实验对比,实验结果表明,互信息配准算法能够有效配准激光图像,互相关三维成像算法精度高于二值化法和质心法,最少采用2幅图像即可获得目标的三维点云图像,大大降低了对运动目标三维成像的难度。     

Point-based rigid-body registration using an unscented Kalman filter

We present and validate a novel registration algorithm mapping two data sets, generated from a rigid object, in the presence of Gaussian noise. The proposed method is based on the Unscented Kalman Filter (UKF) algorithm that is generally employed for analyzing nonlinear systems corrupted by additive Gaussian noise. First, we employ our proposed registration algorithm to fit two randomly generated data sets in the presence of isotropic Gaussian noise, when the corresponding points between the two data sets are assumed to be known. Then, we extend the registration method to the case where the data (with known correspondences) is stimulated by anisotropic Gaussian noise. The new registration method not only reliably converges to the correct registration solution, but it also estimates the variance, as a confidence measure, for each of the estimated registration transformation parameters. Furthermore, we employ the proposed registration algorithm for rigid-body, point-based registration where corresponding points between two registering data sets are unknown. The algorithm is tested on point data sets which are garnered from a pelvic cadaver and a scaphoid bone phantom by means of computed tomography (CT) and tracked free-hand ultrasound imaging. The collected 3-D points in the ultrasound frame are registered to the 3-D meshes in the CT frame by using the proposed and the standard Iterative Closest Points (ICP) registration algorithms. Experimental results demonstrate that our proposed method significantly outperforms the ICP registration algorithm in the presence of additive Gaussian noise. It is also shown that the proposed registration algorithm is more robust than the ICP registration algorithm in terms of outliers in data sets and initial misalignment between the two data sets.     

融合SIFT的B样条红外图像非刚性配准

手持式广角镜头红外热像仪所拍摄的不同时刻红外图像具有刚性形变和非刚性形变,传统图像配准算法很难同时矫正刚性形变与非刚性形变,针对该问题,提出一种融合SIFT的B样条配准算法。首先在待配准图像中建立控制网格,其次运用SIFT算法寻找待配准与基准图像间的匹配点对,剔除错误匹配点对并计算出待配准图像与基准图像间的刚性变换参数,接着对控制点进行刚性变换,最后以局部强度和为测度函数,运用B样条非刚性配准算法对广角镜头引起图像的非线性进行矫正。对比实验结果表明,本文算法具有很高配准精度,能够满足实际工程精度要求。     

A novel partial-to-partial registration method based on sampling network

Point cloud registration is mainly to estimate a rigid transformation between point clouds. The traditional optimization-based registration method requires a good initial position, and it is easy to fall into a local optimal solution. Some learning-based methods are introduced to reduce the dependence on the initial transformation, but they cannot handle partial-to-partial registration tasks. This paper proposes a learning-based registration method for partial-to-partial scenario. The local geometry is encoded into the feature representation of each point. A transformer network is used to enhance attention features. A designed sampling network down-sample key matching points and their corresponding features. The rigid transformation is calculated according to virtual correspondence by a singular value decomposition layer. The ModelNet40 dataset and Stanford 3D Scanning models are used to test the registration performance. Experimental results show that the proposed method achieves better registration accuracy than traditional methods, and it is robust to any initial transformation and noise.     

Coordinate-descent super-resolution and registration for parametric global motion models

We present a method for simultaneously obtaining registration and super-resolution from a sequence of low resolution images, based on a coordinate-descent approach. The novelty of the algorithm resides on the registration step, which can be applied easily to any parametric global motion model. We prove the validity of the model with synthetic and real data experiments, being of special interest the good performance achieved in the difficult case of images registered under a projective transformation.