基于投影图像 SURF 特征提取的三维模型配准

针对传统三维模型配准方法存在对点云初始位置有一定要求、模型配准的精度有 时不高等问题,提出了一种基于三维模型投影图像 SURF 特征提取的三维模型配准方法。首先 通过扫描三维模型数据确定投影图像的范围,判断每个投影图像像素所隶属的模型网格,并求 解从投影图像到纹理图像的映射关系,从而获取二维投影图像;然后对这两幅投影图像分别进 行 SURF 特征点的选取与特征值的计算,并按 SURF 特征值进行特征匹配,再根据投影图像像 素点与三维网格端点的映射关系计算三维特征点对;最后通过匹配的特征点对求取模型变换矩 阵完成三维模型的配准。实验结果表明,该方法在配准时间变化不大的前提下,有效提高了配 准精度,并具有较好的鲁棒性。     

小波神经网络在图像配准中的应用

提出了一种基于小波网络的图像配准方法。将特征点定义进行了推广,提出了一种以特征区域定义和提取方法。使用Zernike矩表征区域的特征并进行特征区域的对应。因图像配准变换是复杂且难以预知的,利用小波神经网络具有良好的函数逼近性能,提出了具有局域特性的小波神经网络模型逼近图像的配准变换。实验表明这是一种有效的图像配准方法。     

基于相移的三维扫描数据自动配准方法研究

在三维扫描过程中,常因受到设备自身因素与点云丢失的限制而难以一次性完成数据采集。为准确实现物体三维模型重构,提出基于相移的三维扫描数据自动配准方法。首先设置旋转台,利用非接触式结构光方法获得转动轴的有关信息,从而采集目标点云数据。在此基础上,结合任意一点与其周围点曲率信息建立曲率图,对全部顶点做曲率运算,将数据划分为连续子块,计算每个子块中平均值和方差,从而提取关键特征点。然后获取两幅具有部分重叠关系图像的相对位移,采用交叉功率谱的傅里叶变换完成位移估计,再通过构造与组合点对、粗略与精确配准去除噪声点,实现三维扫描数据自动配准。仿真实验表明,该方法能够在确保配准精度的同时提高配准方法的运行效率,可靠性和实用性较强。     

基于区域扩张的三维点云模型配准算法

为提高三维散乱点云自动配准的准确率,提出一种新的基于区域扩张的配准算法。通过局部点云法向量的变化提取特征点,利用区域扩张方法进行初始配准,在搜索精确匹配点的过程中直接剔除错误匹配,使用改进的最近点迭代算法对点云进行精确对齐。实验结果表明,与经典最近迭代点算法和基于曲率的点云自动配准算法相比,该算法能够提升点云配准精度,对特征平滑的点云模型具有较好的效果。     

基于U-net分割与HEIV模型的遥感图像配准方法

在利用航拍遥感图像进行土地测量与变化检测时,需要对图像进行配准处理。为实现目标区域的高精度匹配,提出一种遥感图像配准方法。对图像进行U-net分割,以适用于小样本数据集的处理,针对不同区域特征的误差,将变量含异质噪声模型应用于配准参数估计,提高目标区域的配准精度。实验结果表明,与基于Harris角点的配准方法相比,该方法的全局平均配准精度提高41.39%,与基于SIFT特征点的配准方法相比,其感兴趣区域的平均配准精度提高16.67%。     

基于ICP算法的人体三维点云数据的拼接技术

本文针对实体模型和真实的人体对象表面光滑,不好寻找控制点的问题,给出基于三维特征点ICP算法,通过提取对配准数据轮廓描述较好的三维特征点来减小计算量.实验结果表明,提出算法配准所需时间减小,且配准精度也较高.     

一种应用于大角度变换点云的配准方法

针对传统配准法不能很好解决大角度变换点云的配准这一问题,提出一种基于精 确对应特征点对及其 K 邻域点云的配准方法。首先分别计算两组点云的 FPFH 值,根据特征值 建立点云间的对应关系;然后通过 RANSAC 滤除其中错误的匹配点对,得到相对精确的特征点 对集合;之后通过 KD-tree 搜索的方式分别找出特征点对 R 半径邻域内的点,应用 ICP 算法得 到两部分点云的最优收敛;最后将计算得到的相对位置关系应用到原始点云上得到配准结果。 通过对斯坦福大学点云库中 Dragon、Happy Buddha 模型以及 Kinect 采集的石膏像数据进行配 准和比较,实验表明该方法能够有效解决大角度变换点云的配准问题,是一种具有高精度和高 鲁棒性的三维点云配准方法。     

改进ICP算法实现多视点云精确配准研究

复杂面形的三维整体测量能否顺利完成取决于不同视下测得的三维点云的配准精度。研究表明:采用点到点,点到三角面配准方法易受噪声干扰,采用面形比较计算量大,且在平面和标准球面情况下容易失效。以粗配准标记点所在的立方体区域为重合区域,使用点到点的多邻接三角面距离最近的点对作为初始匹配点,并根据几何结构最大相似原则对所求得的多个粗匹配点对进行筛选,再对筛选后的点对应用最近点迭代(ICP)算法。改进后的ICP算法实现了重合区域的快速自动定位,实现了不同视下点云的快速精确配准,在多个实例下获得了配准精度优于0.01 mm的实验结果。     

一种区域层次上的自动点云配准算法

针对目前已有的三维点云配准算法直接在全局上进行配准,不能有效地处理重叠比例较低和重叠区域特征不明显的三维点云数据的问题,提出一种区域层次上的自动点云配准算法.首先利用刚体变换的低维性质,把区域作为基本的配准对象,将全局配准分解为多个规模更小的区域配准,通过重叠的区域恢复区域间局部的刚体变换;其次引入可信性和一致性的概念,通过求解一个优化问题从一系列区域配准中得到全局配准;最后用稀疏ICP算法进行精确配准.实验结果表明,该算法在保持对噪声和离群点鲁棒的前提下可以正确配准重叠比例更低的点云,适用范围更广泛.     

基于3D-Harris 与FPFH 改进的3D-NDT 配准算法

针对传统点云配准三维正态分布变换(3D-NDT)、迭代最近点(ICP)算法在未给定初 始配准估计的情况下配准效果不佳、配准时间长、误差较大的缺陷,提出了精准且相对高效的 点云匹配算法。首先,运用3D-Harris 算法识别每一幅点云的关键点,并以此为基本点建立局 部参考框架,计算快速点特征直方图(FPFH)描述子;之后,使用最小中值法(LMeds)中的对应 估计算法排除不准确的点对应关系,得到含有对应三维特征关系的特征点对。计算粗配准所需 的变换矩阵,完成初步匹配。随后,根据3D-NDT 算法将点云数据空间体素化,运用概率分布 函数完成最终的点云进行精确地匹配。使用改进配准将3 组分别从网络下载的较少噪声、大规 模与Kinect V2.0 采集的较多噪声、大规模的2 组重叠度不同的点云数据匹配到同一个空间参考 框架中,并通过精度分析对比经典3D-NDT,ICP 等算法。实验结果证明,该算法在迭代次数 较低时,可使室内场景点云数据完成精度较高的配准且受噪声影响较小,但如何将算法的复杂 度适当降低,缩短配准时间需要更进一步的研究。     

基于双目视觉的三维人脸重建方法

提出了一种基于双目视觉的三维重建方法,无须昂贵设备和通用模型。从校正后的图像中提取有效人脸重建区域以降低整体耗时。改进了Realtime局部立体匹配算法和基于种子视差约束的区域生长算法,融合Realtime阈值排序和置信度排序进行区域生长,提高了种子像素提取的可靠性和降低区域生长误匹配的可能性。最后,研究了纹理映射技术,提高了重建模型的逼真度。实验结果表明,该方法能够产生逼真光滑的三维人脸模型。     

A contextual classification scheme based on MRF model with improved parameter estimation and multiscale fuzzy line process

A Markov random field (MRF) based method using both contextual information and multiscale fuzzy line process for classifying remotely sensed imagery is detailed in this paper. The study area known as Elkhorn Slough is an important natural reserve park located in the central California coast, USA. Satellite imagery such as IKONOS panchromatic and multispectral data provides a convenient way for supporting the monitoring process around this area. Within the proposed classification mechanism, the panchromatic image, benefited from its high resolution, mainly serves for extracting multiscale line features by means of wavelet transform techniques. The resulting multiscale line features are merged through a fuzzy fusion process and then incorporated into the MRF model accompanied with multispectral imagery to perform contextual classification so as to restrict the over-smooth classification patterns and reduce the bias commonly contributed by those boundary pixels. The MRF model parameter is estimated based on the probability histogram analysis to those boundary pixels, and the algorithm called maximum a posterior margin (MPM) is applied to search the solution. The results show that the proposed method, based on the MRF model with the multiscale fuzzy line process, successfully generates the patch-wise classification patterns, and simultaneously improved the accuracy and visual interpretation.     

A diffusion wavelet approach for 3-D model matching

This paper proposes a new 3D shape retrieval approach based on diffusion wavelets which generalize wavelet analysis and associated signal processing techniques to functions on manifolds and graphs. Unlike current works on 3D matching, which are based either on the topological information of the model or its scatter point distribution information, this approach uses both information for more effective matching. Diffusion wavelets enable both global and local analyses on graphs, and can capture the topology of a surface with the diffusion map of its mesh representation. As a result, both multi-scale properties of the 3D geometric model and the topology among the meshes can be extracted for use in 3D geometric model retrieval. Tests using 3D benchmarks demonstrate that the approach based on diffusion wavelets is effective and performs better than those by spherical wavelet and spherical harmonics in 3D model matching.     

小波域的快速自适应图像修复算法

传统的基于偏微分方程的图像修复算法需要大量迭代,修复所耗时间较长,复杂度高。针对这一问题,提出了一种小波域的非迭代自适应图像修复算法。该算法对破损图像进行小波分解,找到待修复区域,根据待修复区域及其邻域像素值自适应选择修复模板大小,对修复模板内的像素值进行方向筛选,使修复过程严格按照等照度线方向行进,对修复后的图像进行小波重构。实验结果表明,该方法显著地缩短了修复时间,且对于图像的纹理细节、结构信息都达到了更好的修复效果。     

A review of wave-net identical learning &; filling-in in a decomposition space of (JPG-JPEG) sampled images

Continuous flow to send images via encrypted wireless channels may reduce the efficiency of transmission. This is due to the damage or loss of the numerous macro-blocks from these images. Therefore, it is difficult to rebuild these patches from the point of reception. Many algorithms have been proposed in the past decade, particularly error concealment (EC) algorithms. In this paper, we focus on the algorithms that have high efficiency to fill-in the corrupted patches. On the other hand, we also present a new way of detecting the horizontal and vertical gradients especially, in the un-smooth patches. This improves the edge detector filter. Ultimately, a novel scheme for vertical and horizontal interpolation between the corrupted pixels and the non-corrupted adjacent pixels is achieved by improving the efficiency of filling-in. We used a new technique known as the wave-net model. This model combines the wavelet with the neural network classifier (NNC). The neural network was trained in advance to reduce the error extent for the pixels that may occur in the error. The experimental results were convincing and close to the desired. The proposed method is able to enhance image quality in term of both visual perception and the blurriness effects (BE).     

基于纹理分析的视差估计算法

针对传统方法难以可靠估计图像中纹理单一像素点视差的问题,提出一种新的基于纹理分析的视差估计算法。与已有方法不同,在以极线约束计算像素点视差时,将极线上纹理单一且近似的像素点合并成直线段,根据连续性和唯一性约束对直线段进行整体匹配,采用直线段的视差得到纹理单一区域的稠密视差图。利用直线段进行整体匹配,提高比较基元包含的信息量,减少扫描范围,从而降低误匹配产生的概率和算法时间复杂度。实验结果表明,该方法能提高纹理单一区域稠密视差图的精度,匹配速度快,具有实用价值。     

快速互信息轮廓匹配算法

针对轮廓匹配中存在的遮挡、噪声等问题,提出把互信息作为二值图像相似性的度量准则,通过遍历的方法找到最大互信息的位置;为了加快匹配的速度,提出了相应的互信息计算的快速算法。新算法不依赖模板和输入图像的大小,仅仅与模板和输入图像中轮廓像素点的个数有关。实验结果表明,文中算法在512×512图像上完成一次匹配平均需要花费约50 ms,可以克服光照、遮挡、随机噪声和小形变的影响。     

基于最大熵阈值分割的电气二次回路故障三维可视化识别模型

为了更直观地、实时监测了解二次回路运行工况,减少故障事后排查工作量,研究了基于最大熵阈值分割的电气二次回路故障三维可视化识别模型。采集二次回路各项运行数据,生成电气二次回路三维虚拟场景,标定电压传感器的位置以及红外成像仪的监控角度和距离;基于最大熵阈值分割处理图像,提取识别目标和背景;建立二次回路故障三维可视化识别模型,实现二维图像和三维场景的匹配,完成电气二次回路故障识别。经实验论证分析,最大熵阈值分割处理后的三维可视化图像清晰,不存在像素点丢失情况;故障识别准确率均在95%以上,误检率和漏检率均低于5%,具有更好的三维可视化识别效果和质量。     

Real-Time 3D Head Pose Tracking Through 2.5D Constrained Local Models with Local Neural Fields

Tracking the head in a video stream is a common thread seen within computer vision literature, supplying the research community with a large number of challenging and interesting problems. Head pose estimation from monocular cameras is often considered an extended application after the face tracking task has already been performed. This often involves passing the resultant 2D data through a simpler algorithm that best fits the data to a static 3D model to determine the 3D pose estimate. This work describes the 2.5D constrained local model, combining a deformable 3D shape point model with 2D texture information to provide direct estimation of the pose parameters, avoiding the need for additional optimization strategies. It achieves this through an analytical derivation of a Jacobian matrix describing how changes in the parameters of the model create changes in the shape within the image through a full-perspective camera model. In addition, the model has very low computational complexity and can run in real-time on modern mobile devices such as tablets and laptops. The point distribution model of the face is built in a unique way, so as to minimize the effect of changes in facial expressions on the estimated head pose and hence make the solution more robust. Finally, the texture information is trained via local neural fields—a deep learning approach that utilizes small discriminative patches to exploit spatial relationships between the pixels and provide strong peaks at the optimal locations.

     

飞行器下视景像边缘提取和定位方法研究

针对图像匹配受几何变形的影响,提出了一种基于相邻像素间的灰度差异来提取图像多像素边缘的方法。采用该方法,能够显著改善因边缘偏移、旋转、尺度变化等原因造成的基准图与实时图的变形对匹配定位的影响。实验结果表明,该方法具有模型简单、实时性强和抗几何变形等特点,且便于实现。