基于SURF的NSCT域抗几何攻击水印算法

目的针对常规图像水印算法抗几何攻击能力差的问题,提出一种基于SURF特征点和Schur分解的图像水印算法。方法将置乱后的水印嵌入到图像NSCT变换后进行Schur分解得到的上三角矩阵中,然后运用加速鲁棒性特征(Speed-Up Robust Features)算法提取图像低频子带中稳定的特征点和特征点描述符,利用特征点匹配对估计、校正含水印图像的几何攻击参数;利用RANSAC算法对特征点匹配对进行筛选,删除误匹配对,提高匹配精度,完成失真图像的几何校正。结果实验数据表明文中算法对几何攻击和常规信号攻击均有较好的鲁棒性,NC值平均达到0.9以上。结论文中的图像水印算法对几何攻击和常规信号攻击均具有较好的鲁棒性和不可见性,且提高了匹配精度。     

相似度距离耦合角度径向变换的图像配准算法

目的为了解决当前图像配准算法因利用l1距离或l2距离相似度测量手段来完成图像特征点匹配,使其忽略了相位信息,难以有效消除高斯噪声的影响,使其配准精度与效率不佳不足的问题。方法提出最优相似度距离耦合角度径向变换的抗噪图像配准算法。首先引入角度径向变换,以降低算法复杂度,快速提取图像的特征点。然后联合图像的幅度和相位信息,基于欧式距离测度,定义最优相似度距离测量模型,通过求解其全局最小值,对特征点完成匹配,提高算法的抗噪性能。最后将图像分割为内点与外点,择取6个内点,通过计算其变换矩的几何配准误差,改进随机样本一致策略,对匹配进行提纯,消除误配。结果仿真实验结果显示,与当前基于l1距离或l2距离相似度测量的图像配准技术相比,该算法具有更强的抗高斯噪声性能和更高的匹配精度,且算法时耗最短。结论所提算法能够精确完成图像特征配准。     

基于序列图像中二次曲线对应的纯旋转运动参数估计算法

采用特征对应的视觉运动分析方法，建立了基于二次曲线的刚体纯旋转运动方程，提出了求解刚体纯旋转运动参数的算法。在刚体纯旋转运动分析中，最少利用前后两幅图像中7对匹配二次曲线，就可用线性方程组求解刚体旋转运动参数，线性算法的提出使旋转运动参数的求解精度得到很大提高。最后利用合成数据和真实图像对纯旋转运动估计算法的精度和有效性进行了验证，表明该算法能准确、可靠地估计旋转运动参数。     

基于2D-3D双目运动估计的立体视觉定位算法

运动估计算法是影响立体视觉定位精度的重要因素,传统的3D-3D运动估计算法受噪声影响很大,计算精度不高.本文提出了一种基于2D-3D双目运动估计的立体视觉定位算法.算法不使用运动后的特征点3D坐标,而直接利用其2D图像投影坐标.首先,利用EPnP运动估计算法确定匹配内点和初始运动参数.接着,利用双目相机之间的2D投影几...     

基于几何约束的双目测距技术研究

双目测距是一种重要的机器视觉技术,常用于机器人定位与导航任务。立体匹配在双目视觉中占有重要的作用,文章基于构建的双目立体视觉系统,提出了一种基于几何约束的物体三维坐标测量方法。首先利用立体标定技术实现了对图像的畸变矫正,并对实时拍摄的左右图像进行ORB特征匹配,以检测图像中物体的特征点对。算法对估计的初始ORB特征点进行RANSAC模型估计,去除误匹配点对应。之后基于点对应之间的距离与斜率对其进行几何关系度量,利用几何约束进一步滤除匹配误差较大的点对应。实验结果说明该算法能有效降低特征的误匹配率,提高了双目测距的准确性与鲁棒性。     

基于SIFT的NSCT域抗几何攻击水印算法

目的针对基于尺度不变特征变换(SIFT)的抗几何攻击图像水印算法在图像匹配时容易产生误匹配,影响提取水印的鲁棒性,提出一种改进的SIFT图像水印算法。方法先对载体图像进行两级非下采样Contourlet变换(NSCT),利用中间值量化算法把水印信息嵌入低频系数的方向子带中。图像匹配时利用广义霍夫变换删除误匹配特征点对,提高匹配精度。根据筛选后的特征点匹配对估算几何失真参数,对含水印的载体图像进行几何校正并提取水印,从而实现水印的抗几何攻击。结果实验数据表明对原始特征点匹配对进行筛选后,至少提高了6.8%的匹配精度,提取水印的NC值平均达到0.9以上。结论文中提出的改进算法不仅对几何攻击和常规信号攻击均具有较好的鲁棒性,还能保证水印的不可见性。     

加权相位一致性改进的图动态精确配准算法

目的为了解决当前图像配准算法匹配精度较低的问题。方法提出加权相位一致性耦合改进的图变换匹配的精准动态图像配准算法。首先,基于SIFT机制,检测图像中的关键点;并嵌入加权因子,定义相位一致性特征,对关键点完成提纯,消除误配点与稳定性不佳的特征点;随后,设计角度距离,替代相邻特征,改进图变换匹配技术,形成精准匹配关系集;再利用初始匹配特征点与精准匹配特征点间的映射关系,对其完成修正;最后,利用改进的图变换匹配算法处理修正后的匹配关系,进一步提高匹配精度。结果仿真结果显示,与当前图像配准技术相比,改进的算法拥有更强的鲁棒性与更高的匹配精度。结论改进的算法能够提高图像在几何变换程度较大时的匹配精度。     

基于改进ArUco标签的位姿估计方法

针对使用ArUco标签在远距离测量时精度不高的问题,提出改进ArUco标签的位姿估计方法。该方法在ArUco标签的基础上设计了阵列特征圆环,提取圆环的中心点并对其进行排序,根据交比不变特性判断出圆心检测的准确性;利用加权最小二乘法建立ArUco标签角点与阵列圆环圆心之间的直线拟合关系,实现角点修正;采用EPnP算法解算出改进ArUco标签的位姿参数,并利用LM算法对位姿进行优化,提高位姿测量精度。设计了机械臂视觉定位系统验证所提出方法的可行性和有效性。实验结果表明,此改进方法在2.5～4 m范围内测量的最大平移误差为8.72 mm,最大旋转误差为1.78°。所提出的方法在4 m处纵向距离测量的相对误差降低0.69%,提高了测量精度。     

基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法

目的为了解决当前图像伪造检测算法在对图像进行伪造检测时,主要依靠全局搜索的方式来完成特征点匹配,导致其检测效率较低,且在对复杂伪造图像进行检测时,易出现检测精度不高和检测错误的不足。方法提出基于最近邻搜索耦合近邻损耗聚类的图像伪造检测算法。首先引入积分图像的方法,对图像进行预处理,借助Hessian矩阵行列式来提取特征点。利用特征点构建圆形区域,通过求取圆形区域内Haar小波响应获取特征点的特征描述符。然后通过特征描述符建立KD树索引,利用最近邻搜索方法代替SURF中全局搜索的方法,对SURF进行改进,完成特征点的匹配。最后,利用特征点间的近邻关系求取近邻函数值,通过近邻函数值对特征点进行聚类,完成图像的伪造检测。结果实验结果显示,与当前图像伪造检测算法相比,所提算法具有更高的检测效率以及更高的检测正确度。结论所提算法具备较高的检测精度,在印刷防伪与信息安全等领域具有较好的应用价值。     

基于分块的自适应超分辨率算法

本文主要研究序列图像超分辨率重建技术.本文提出了一种新的基于分块策略的超分辨率算法,由于采用分块策略,矩阵规模极大减小,且其规模与分块大小相关,而与原始序列大小无关,故能有效降低系统内存开销,提高系统处理效率.实验表明,传统多帧算法对运动估计的精度要求很高,而本文算法对此要求不高,在采用低精度运动估计技术的条件下,本文...     

基于四元数最少特征点的相机位姿估计

为解决相机位姿估计的问题,提出了一种基于四元数最少特征点的相机位姿估计算法。在相机拍摄的二维图像中检测并匹配特征点,根据特征点坐标与约束条件建立多项式系统,通过求解对应的矩阵方程来求解多项式系统。用四元数表示相机的旋转,避免了求解中相机旋转与平移相互纠缠的问题,当2个摄像机视图之间的平移为零时能够很好地进行位姿求解。求解中结合5点算法对求解原理进行了详细推导,并进行抗噪声测试。测试中随着匹配的特征点数增加,算法平均估计误差范围不超过2%。利用KITTI数据集测试算法的实用性,并与其他几种方法进行结果比较。结果显示,相同条件下算法将估计精度提高了24.5%以上,体现出良好的估计精度。     

模式图像的特征提取与配准方法

目的提高产品包装模式图像的匹配速度和准确性,得出算法中影响这两方面的关键因素。方法运用高斯金字塔对原始图像进行向下采样,将图像转换为尺度空间的表示方式;利用加速稳健特征(SURF)方法提取特征点,并对SURF方法提取的特征点用Brute-Force算法进行匹配;通过对每组匹配点欧式距离的排序,剔除误匹配点,仅保留一定数量的正确匹配点对。结果得出高斯金字塔、Hessian值、颜色空间对计算速度及获取特征点数量的影响。颜色空间的改变不影响特征点数量,在计算时间上的差别也可忽略。尺度空间缩小1/2时,计算速度能够提升75%,同时剔除2/3的冗余特征点。结论文中方法能够有效提升特征提取速度,并且具有匹配精度高、鲁棒性强的特点,同时对旋转角度的变化具有较强的适应性。     

A novel algorithm for pose estimation based on generalized orthogonal iteration with uncertainty-weighted measuring error of feature points

In this paper, we investigate the effect of anisotropic and correlated non-identical distributions of feature points’ gray level on pose estimation in stereo vision system. The generalized orthogonal iteration (GOI) algorithm for pose estimation with uncertainty-weighted measuring error of feature target is proposed. In this method, the inverse covariance matrix is applied to describe the uncertainty of feature points, and weighted contribution of uncertainty to the error objective function is analysed. By transforming the uncertainty into the covariance-weighted data space, a novel objective function based on spatial collinear error is constructed. The orthogonal iterative algorithm is extended to stereo vision system for pose estimation and the GOI algorithm is deduced, by which the optimized solution to a novel objective function is given. Finally, simulation and actual experimental results show high accuracy and strong robustness of the proposed approach, and should therefore, have potential for a variety of engineering applications.     

基于经验模态分解的图像拼接

对待拼接图像分别进行经验模态分解,对分解得到的第一个固有模态函数与第二个固有模态函数的叠加进行特征点提取、特征点匹配与变换矩阵的估计以实现图像的拼接,文中提出的方法有效提高了特征点匹配的正确率,具有很强的鲁棒性。在图像融合方面文中提出一种新的基于余弦关系变换的加权融合技术,在实现图像无缝拼接的同时,可有效去除拼接图像重叠区域的重影与鬼影现象。     

基于冠脉造影序列信息的基础矩阵计算方法

在冠脉造影的三维重建过程中,由于在成像过程中不同方向上的对应图像形状差别很大,通过常规的特征点匹配方法得不到匹配点,因此只能手动选取血管中轴的分叉点作为特征点,这样得到的特征点的数目有限,一般为十个左右,这样对于基础矩阵的精确计算是一个难点.为了解决这一难题,本文利用冠状动脉造影序列信息提取大样本匹配点对,将景物重建中的常用的随机采样一致性(RANSAC)方法应用到冠状动脉造影三维重建中来.试验表明本方法对冠脉造影的对极几何估计具有很强的适应性和鲁棒性.     

利用离散平稳小波变换改进NURBS二次曲面拟合方法

为了提高二次曲面的拟合精度,提出了一种基于离散平稳小波变换的NURBS二次曲面的拟合方法。 首先利用格网化方法得到二次曲面模型点云数据的高程图像及其高程序列,其次对此高程序列进行离散平稳小波变换提取出二次曲面模型表面的特征点,最后利用提取的特征点实现高精度NURBS二次曲面拟合。实验结果表明,该方法与NURBS拟合方法相比,球面和圆锥面拟合结果的均方根误差分别降低了55.79%和50.47%,具有较高的拟合精度。     

高斯曲率耦合相关性制约规则的图像匹配算法

目的针对当前较多图像匹配算法在匹配过程中因忽略了特征点之间的相关性而导致算法存在匹配正确度和鲁棒性不佳等不足,设计一种高斯曲率模型耦合相关性制约规则的图像匹配算法。方法首先,利用高斯滤波后图像的一阶矩阵和Hessian矩阵来构造高斯曲率模型,对Hessian算子进行改进,以充分检测图像的特征点。然后,通过求取扇形区域内的Haar小波响应获取特征点的主方向,并根据特征点邻域中像素点的灰度平均值计算特征向量,从而形成特征描述子,完成对特征点的描述。利用特征点集的均值与协方差矩阵来构造相关性模型,对特征点的相关度完成度量,从而定义相关性制约规则,对特征点的相似度进行判断,完成特征点的匹配。最后,利用RANSAC算法提纯匹配特征点,完成图像的匹配。结果仿真实验表明,与当前图像匹配算法相比较,文中算法不仅匹配正确度较高,且具有较强的鲁棒性,在旋转角度为50°时,其正确匹配精度仍可达到87%以上。结论所提算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

动态场景下基于YOLOv5和几何约束的视觉SLAM算法

目的 移动智能体在执行同步定位与地图构建(Simultaneous Localization and Mapping,SLAM)的复杂任务时,动态物体的干扰会导致特征点间的关联减弱,系统定位精度下降,为此提出一种面向室内动态场景下基于YOLOv5和几何约束的视觉SLAM算法。方法 首先,以YOLOv5s为基础,将原有的CSPDarknet主干网络替换成轻量级的MobileNetV3网络,可以减少参数、加快运行速度,同时与ORB-SLAM2系统相结合,在提取ORB特征点的同时获取语义信息,并剔除先验的动态特征点。然后,结合光流法和对极几何约束对可能残存的动态特征点进一步剔除。最后,仅用静态特征点对相机位姿进行估计。结果 在TUM数据集上的实验结果表明,与ORB-SLAM2相比,在高动态序列下的ATE和RPE都减少了90%以上,与DS-SLAM、Dyna-SLAM同类型系统相比,在保证定位精度和鲁棒性的同时,跟踪线程中处理一帧图像平均只需28.26 ms。结论 该算法能够有效降低动态物体对实时SLAM过程造成的干扰,为实现更加智能化、自动化的包装流程提供了可能。