视频拼接中最优自适应单应性矩阵求解算法

针对交通场景中对视频拼接速度要求较高的特点,提出了利用视频帧最优单应性矩阵进行实时拼接的双线程快速算法。首先,利用SURF(Speeded up robust features)算法提取图像特征点;其次,通过NN(Nearest neighbor)算法以及优化的RANSAC(Random sample con-sensus)算法进行特征点的匹配,并去除误匹配点对;再次,利用重叠区域的归一化协方差相关函数最大化得到视频前k帧配准效果最佳的单应性矩阵,作为后继视频帧场景拼接的映射矩阵;同时,采用KLT算法对k+1的后继视频帧特征点进行动态跟踪,若匹配点对的数量变化超过了给定的阈值,则认为当前的最优单应性矩阵需要进行优化和变换,重新计算k幅视频帧中新的特征点对,经匹配后求取新的最优单应性矩阵。在交通场景中的拼接实验证明,该快速算法平均视频帧的拼接处理速度小于100ms,对存在旋转、尺度缩放、视角以及光照变化的图像都具有良好的拼接效果,具有参数估算准确,计算量小、速度快的优点,能够满足系统对视频拼接的实时性和精确性要求。     

基于公共标志点的三维点云拼接方法研究

针对目前在处理公共标志点配准所面临的算法复杂性高、自动化程度低等问题,提出了一种公共标志点自动配准方法。首先获取基准点对,通过比对各个标志点到基准点的欧式距离来匹配标志点;再利用罗德里格参数进行变换矩阵求解,实现两组点云的粗拼接。为避免最近点迭代算法陷入局部最优,采用粗拼接后两组点云的交集作为初始位置。通过在不同视角下进行拼接实验和精确拼接的误差可以看出,其明显优越于传统的拼接方法。结果表明,该方法快速有效,拼接精度高。     

基于区域统计直方图与自适应规则的图像匹配算法

当前解决图像匹配算法主要是依靠独立像素点的灰度特性来完成图像配准,当匹配图像存在较大的灰度差异时,易出现较多的误匹配点,使得算法的鲁棒性与匹配正确度不高。提出基于区域统计直方图耦合自适应规则的图像匹配算法。首先,利用积分图像的方式求取矩形区域内像素值,再采用Hessian矩阵行列式提取特征点,以提高算法的计算效率;然后,引入极坐标系,对特征点的邻域进行分割,利用像素点对应的微分不变矢量的特性,构建区域统计直方图模型,用以求取分割区域内所有像素点的微分不变量的统计直方图,生成特征描述子。将特征点对应的描述子向量进行欧式度量,借助自适应规则对门限值进行整定,完成特征点的匹配,以提高算法的匹配精度以及鲁棒性;最后,引入PROSAC算法,通过对匹配特征点之间的极限距离平方和进行评估判定错误匹配点,以剔除错误匹配点。仿真实验结果表明,与当前图像匹配算法相比,所提出的算法具有更高的配准精度与鲁棒性。该算法在图像伪造、图像检索等信息应用领域具有重要应用价值。     

基于SURF特征相关的红外图像自动拼接

提出一种鲁棒性较好的图像拼接算法解决红外图像序列的自动拼接问题。首先应用图像子区域相位相关得到图像间近似重合子区域和图像间近似仿射变换参数;接着根据得到的参数值对SURF特征计算和特征匹配进行优化,提高了图像配准速度;然后以特征点对的对称投影位置误差最小化为目标,应用RANSAC和LM算法对图像间透视变换矩阵进行优化;最后应用得到的透视变换建立图像序列整体配准关系,并采用线性过渡法进行重叠区域融合得到最终的拼接图像。     

融合空间聚类与结构特征的点集配准优化算法

在点集配准中，噪声、非刚性形变和误匹配的存在，产生了求解非线性最优空间变换困难的问题。针对这个问题引入局部约束条件，提出了一种采用局部空间聚类和邻域结构特征的点集配准优化算法(PR-SDCLS)。首先，利用点集空间距离矩阵构造运动一致性聚类子集和离群值聚类子集；然后，在运动一致性聚类子集中分别使用高斯混合模型拟合，并引入通过融合形状上下文特征描述子与加权空间距离获得考虑全局和局部特征的混合系数；最后，采用最大期望算法完成参数估计，实现了混合模型的非刚性点集配准模型；为了提高算法效率，模型变换采用再生核希尔伯特空间建模，并使用核近似策略。实验结果表明，该算法在涉及不同类型数据退化(变形、噪声、离群点、遮挡和旋转)的非刚性数据集上，面对大量异常值时具有良好的配准效果和鲁棒性，配准平均误差的均值在经典和先进的算法基础上降低了约42.0538%。     

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法. 使用尺度不变特征变换（SIFT）特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵. 针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类. 图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节. 按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型. 以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求. 实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.     

基于特征点匹配的拼接算法研究与实现

针对图像问因具有旋转及光线强度差异等现象而导致的拼接效果不佳及拼接速度慢的问题,提出一种基于特征点的配准算法。该算法首先利用相位相关法确定图像重叠区域,然后采用改进Harris角点检测算法检测角点,再根据相似测度NCC（NormalizedCrossCorrelation）方法提取出匹配特征点对,最后用渐进渐出的方法实现拼接图像的融合。实验证明,该算法比传统算法在角点数目上减少了四分之一,有效地去除了拼接产生的鬼影现象。能有效地提高图像拼接的速度和精度。     

基于特征匹配的三维点云粗配准方法

针对无初值情况下点云配准精度不高以及配准效率低下的问题,提出一种基于特征匹配的三维点云粗配准方法。首先,利用点云局部法向量的变化描述其特征,加入特征保留权值筛选突出特征信息,提高配准效率;然后,根据保留的特征信息建立特征直方图,通过比较特征直方图描述的信息获取初始匹配的点对;最后,将刚性不变约束与随机抽样一致性算法结合筛选正确的匹配点对,再利用四元素法得到旋转矩阵和平移向量。实验结果表明,提出的算法与其他粗配准算法相比具有较高的精度和效率,为后续的点云精配准工作提供了良好的初值。     

曲面的点云模型优化配准方法

针对覆盖率较低的曲面配准问题,提出一种先粗配再细配的点云模型配准方法.首先,采用基于GH-LS3D(Gauss-Helmert least-squares 3D)的配准算法实现曲面的粗配准;然后,在迭代最近点(iterative closest point,ICP)算法中引入高斯概率模型和动态迭代系数以提高算法的抗噪性和收敛速度,由此实现曲面的快速精确细配准.实验结果表明,该优化配准方法能够实现曲面的精确配准,并在细配准阶段取得了较高的配准精度和收敛速度,是一种有效的曲面配准方法.     

序列图像的快速配准算法研究

基于特征的图像配准算法至今已取得了很多研究成果,然而在现有的计算机性能条件下依然不能实现实时性的结果。针对基于快速鲁棒特征(Speed Up Robust Features,SURF)的序列图像拼接算法中图像配准时间长、计算繁琐等问题,提出一种结合感知哈希算法的SURF图像配准方法。设计了一种快速的搜索算法,对待拼接的相邻序列图像进行重合区域检测,确定有效的拼接区域,对有效拼接区域提取SURF特征点及描述子实现特征的配准。实验结果表明,该方法能够显著提高匹配速度和效率,提取稳定准确的特征点,减少误匹配,与现有算法相比有更好的实时性。     

特征点对引导的医学图像弹性配准方法

采用最优化方法进行弹性图像配准时,常常会因为初值选择不合适导致优化过程收敛到局部极值,从而使配准失败。针对该问题,提出了利用一对匹配的特征点来引导迭代配准过程的算法。首先,根据一对匹配的特征点确定图像初始局部配准区域;然后,在算法迭代过程中逐渐扩展局部配准区域直至覆盖整个图像。建立初始局部配准区域及局部配准区域扩展时,根据特征点对的空间位置关系,以及医学图像的形变场在统计特性上是高斯马尔可夫随机场的先验知识,来估计局部配准区域形变参数向量的初值;在对局部配准区域进行配准时,基于图像像素灰度统计信息的配准方法被用来求解局部配准区域的形变场参数向量。实验证明,该算法能够有效克服弹性配准算法容易陷入局部极值的问题。     

多摄像机下动态前景分离的视频拼接算法

针对多摄相机固定拍摄的条件,提出一种新的动态前景分离的视频拼接算法,该算法主要解决了视频中运动物体所导致的匹配错误以及可能产生的拼接鬼影现象.首先提取视频的背景图像并分离前景,利用一套自动配准的算法对背景图像进行配准得到匹配关系,进而建立大场景背景视频;提取动态前景并计算在视频重叠区域中的前景目标的匹配度以判断2视频中目标是否为同一物体,重新取舍并补回背景视频中,从而避免了直接拼接所引发的鬼影现象.实验结果表明,该视频拼接算法匹配精度高、鲁棒性强、视频流畅、计算效率高并基本达到实时拼接的效果.     

基于CEGI和Fourier变换的全自动点云配准算法

针对没有任何几何和拓扑信息的散乱点云,提出一种全自动点云数据配准算法。针对待配准的两组点云数据,首先通过局部最小二乘曲面拟合,估计每个点的法向和曲率,其次计算点云的扩展高斯图（EGI）和复扩展高斯图（CEGI）,然后根据EGI和CEGI利用球面调和函数计算旋转欧拉角,构造相关函数,通过Fourier变换估计平移向量,完成粗配准,把粗配准结果作为新的初始位置,采用最近点迭代算法（ICP）进行精确配准,从而实现两组散乱点云的精确配准。实例分析表明该算法配准效果良好。     

基于改进SURF算法的图像拼接技术研究

针对传统的加速稳健特征（SURF）算法在图像拼接过程中计算复杂度高以及匹配精度不佳等问题,提出一种基于SURF的改进算法,首先基于加速分割检测特征（FAST）算法快速提取图像特征点,利用SURF算法对提取到的特征点进行特征描述,然后通过改进的k-d树最近邻查找算法（BBF）寻找图像间的匹配点,与双向匹配的自适应阈值配准法相结合进行图像的匹配,利用改进的随机抽样一致性（RANSAC）算法对提取的特征点进行误匹配剔除,最后使用渐入渐出的加权融合算法对图像进行拼接。实验表明与传统的SURF+RANSAC算法相比,本文算法的图像拼接速度快,匹配精度更高。     

基于KAZE特征匹配的偏振图像配准算法研究

偏振成像系统主要通过多相机或多通道成像,图像之间存在平移或旋转,偏振解析前必须进行图像配准,否则可能会产生虚假偏振信息。传统的配准算法主要有SIFT和SURF的特征配准算法,但其采用线性高斯金字塔进行多尺度分解来消除噪声和提取特征点,易造成边界模糊和细节丢失。本文从非线性尺度空间构建出发,提出一种基于KAZE特征匹配的偏振图像配准算法。首先,利用Hessian矩阵寻找特征点及其描述向量;然后以最小Hamming距离作为特征点的度量,计算单应矩阵并利用双线性插值实现不同偏振方位角图像之间的配准;最后,以FD1665P相机拍摄的图片为样本进行了实验验证。实验结果表明,本文算法相对基于SIFT和SURF特征点匹配的配准算法,归一化互信息增大、均方根误差减小,配准精度有很大提高。     

基于多视点云拼接算法研究

针对目前点云自动匹配效率低,拼接精度还有待提高,提出了一种自动匹配标志点的拼接算法。首先根据标志点之间的空间特征不变性,引入一种动态距离矩阵来记录搜索标志点间的距离,通过循环迭代比对动态距离矩阵来匹配标志点;然后采用最小二乘法求解坐标变换矩阵进行多视点云拼接。通过实验对比,可以发现本文的点云拼接算法明显优越于传统的方法,最后引入拼接精度进行验证。多视点云拼接实验表明,该方法方便、快捷、实用,拼接精度达0.0179mm,适合在工业生产中使用。     

无人机海量遥感影像快速自动拼接算法研究

针对无人机遥感影像快速处理的需要,提出一种基于LM算法优化的同步配准影像拼接算法,算法首先提取影像的SIFT特征点,按照影像间的概率拓扑关系自动进行特征点匹配,接着按照同步配准的方式实现由两视图配准逐步合并到整个全区,每合并一次利用LM算法进行参数优化一次,直到所有影像对齐到统一坐标系,最后利用小波多层分解实现缝隙的消除和色彩的融合.实验证明,采用该算法可以有效提高影像拼接的速度和精度,为海量遥感影像的快速自动拼接提供一种有效的技术途径.     

基于灰度相似性的激光点云与全景影像配准

针对传感器参数未知、环境结构特征不明显、影像数据较少等情况，提出基于灰度相似性的车载3D激光点云与全景影像自动化配准方法. 基于全景拼接算法和柱面投影原理，分别将多张单幅图片拼接为全景影像，并将3D激光点云转换为2D深度图. 基于灰度相似性原理，将全景影像和2D深度图在水平方向和垂直方向等间隔细分成区域对，沿水平方向和垂直方向移动全景影像，计算每次移动后各细分区域对之间像素灰度值之和的比值，并求解其均方差，将均方差最小时的区域移动值作为最终匹配偏移量. 根据偏移量计算得到全景影像相对3D激光点云的水平旋转角度和垂直平移距离. 实测结果表明，本研究所提算法对场景的适应性较好，平均配准误差为2个像素，而对比方法无法实现有效配准.     

基于特征点匹配对平面相似度的图像拼接

针对来自于不同视点拍摄的具有视差的两幅图像,提出了一种基于特征点匹配对平面相似性的图像拼接方法。该方法利用场景中属于同一平面特征点之间的变换矩阵一致性的特点,通过定义特征点匹配对之间的平面相似度来筛选特征点匹配对,有效降低了特征点的漏匹配率,提高了配准精度。采用图割算法计算图像的最优缝合线,进行拼接得到最终结果。实验结果表明,与现有经典算法相比,该方法具有较好的视差鲁棒性。     

ICP算法的改进及两台Kinect对人体的重建

以在虚拟场景中建立用户个性化全身三维几何模型为目的,研究了一种基于价格低廉的Kinect深度摄像机进行人体三维重建的方法。该方法将深度摄像机的标定与传统的迭代最近点算法相结合,控制两台Kinect从上下两个视角采集人体的深度点云,通过标定得到的转移矩阵将两个不同坐标系的分段点云粗略配准,利用传统的ICP算法寻找点云间重叠部分的最近点,自动迭代成完整的三维人体点云,最后通过点云的三角网格化实现全身人体三维模型的重建。实验结果证明了利用Kinect快速构建人体三维模型的可行性。