基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于互信息的高精度双目视觉测距方法研究

在立体视觉测量中,为获得更高测量精度,拓展测距范围,最重要的是要获得精确的亚像素级视差。为此,引入图像配准领域常用的互信息理论并结合Powell优化算法实现亚像素级点匹配。首先,利用Harris角点探测器检测目标,并将得到的角点作为待匹配点,再采用最大互相关法对左图像进行匹配搜索确定匹配点。然后再对以左右匹配点为中心的一定大小的邻域图像进行插值,分别放大10倍和100倍。引入多分辨率配准策略,加快了图像配准速率。先采用互信息理论结合Powell优化算法对低分辨率图像进行配准,然后再在高分辨率图像上对第一次配准的结果进行细化,结合像素级匹配的整数视差可得到最终的亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素,提高了测距精度。     

基于小波分析的亚像素配准算法

在像素级配准的基础上,通过对多项式细分算法的改进,提出了一种基于小波分析的亚像素配准算法,并对配准算法的精度进行了分析研究.仿真结果表明,该算法效果良好,达到亚像素级精度.     

基于改进Lucas-Kanade的亚像素级零件图像配准*

针对工业应用中零件图像配准存在的光照变化和缺少纹理信息的难题,提出了改进Lucas-Kanade的亚像素级零件图像配准算法。首先根据光照变化和几何变换模型构建了模板与待配准图像间的非线性最小二乘函数;然后依据两幅图像的方向向量一致性和边缘特征为函数添加权重,以减少冗余像素点;最后应用Levenberg-Marquardt(LM)算法解算函数最优解,以实现精确图像配准。使用500幅待配准图像进行实验,结果表明该算法对缺少纹理的零件具备光照不变性,配准正确率高且达到亚像素级精度,能够满足工业应用的鲁棒性和精度要求。     

局部相位相关用于图像亚像素级配准技术研究

提出了一种基于局部相位相关的高效和鲁棒的亚像素级图像配准方法。通过传统的相位相关算法估计出初始平移参数后,在初始位置的引导下对互相关功率谱进行上采样矩阵Fourier变换,实现了图像局部相位相关,得到图像间亚像素级平移参数。实验结果表明,算法配准精度较高,且对随机噪声和光照变化具有较强的鲁棒性。     

改进迭代最近点法的亚像素级零件图像配准

针对模板匹配方法用于非结构化环境下的杂乱零件识别与定位精度低的问题,提出了亚像素级的配准算法.首先提出亚像素级的配准问题可视为计算模板图像与待配准图像的边缘点集的最优几何变换;然后提出了改进迭代最近点法来估计几何变换,包括使用动态邻域搜索策略快速搜索匹配点、利用匹配点的方向一致性约束和距离约束来移除误匹配点、用光照不变的点到曲线的距离来构造误差度量函数,再用线性最小二乘法给出误差函数的封闭解;最后使用自制零件和MPEG-7 shape B数据集进行实验,结果表明该算法配准正确率、实时性和精度均明显优于传统算法,能够满足非结构化环境下的杂乱零件亚像素配准精度和鲁棒性要求.     

一种分步式多模态视网膜图像自动配准方法

提出了一种基于视网膜图像特征点可靠提取的算法，在此基础上提出了一种对视网膜图像进行分步式的图像配准方法。首先利用最小二乘法进行快速的粗配，再进一步根据特征点的对应性，利用投影变换模型进行精确配准。与传统方法相比，该方法配准精度高，可以达到亚像素级精度，整个配准过程不需要人工干预。     

一种改进的病理显微图像亚像素快速配准方法

针对病理显微图像的快速高精度配准的应用需求,提出了一种改进的亚像素快速配准方法。通过采用对数差值函数对显微图像重叠区域进行信息量评估,由H型对数差值模板配准获取两幅图像像素级的粗定位和有效子图,继而在两幅子图上采用局部上采样相位相关法来获取亚像素级别的配准估计值。该方法利用H型对数差值模板简洁、配准速度快的优点规避了相位相关法计算量随着图像尺寸增大而急剧增长的缺陷,并能够对显微图像进行信息量评估以避免空白图像造成的误配。经实验表明,改进的显微图像配准方法配准精度可达0.01像素,速度为相位相关法的3.7倍（图像大小为2448×2048）,更适合应用于病理显微图像的快速高精度配准。     

INSAR复数影像配准方法研究

文章提出了一种INSAR复数影像自动配准方法,该方法包括重叠景区概略配准、像素级粗匹配、亚像素级精匹配三个环节。为了提高匹配的效率并发现和消除误匹配,在粗匹配时采用了伪金字塔影像分频道相关和回归分析法检验相结合的算法。通过对几景ERS-1/2 SAR影像数据的试验,证明该方法具有良好的性能,对INSAR数据的规模化应用具有实际意义。文中还对常用的亚像素级匹配算法的性能和最小二乘匹配法对复数影像配准的有效性等进行了分析。     

基于粗配准和互信息的脑部MR图像配准算法

现有的医学图像配准算法一般都存在需要人工介入、配准时间过长等问题.为了寻找快速、精确、鲁棒性强的自动配准算法,在采用主轴矩方法进行脑部MR(核磁共振)图像的初始配准的基础上,提出局部搜索算法对图像求得更精确的配准.实验表明,该方法的配准精度和现有的Powell算法都可以达到亚像素级,但局部搜索方法和Powell算法相比较,平均配准时间大大缩短;即便和采用了主轴矩粗配准的Powell算法相比较,配准效率也提高了一倍左右.主轴矩粗配准算法提高了配准效率,局部搜索算法则保证了配准的精度.     

Performance evaluation of memetic approaches in 3D reconstruction of forensic objects

Different tasks in forensics require the use of 3D models of forensic objects (skulls, bones, corpses, etc.) captured by 3D range scanners. Since a whole object cannot be completely scanned in a single image using a range scanner, multiple acquisitions from different views are needed to supply the information to construct the 3D model by a range image registration method. There is an increasing interest in adopting evolutionary algorithms as the optimization technique for image registration methods. However, the image registration community tends to separate global and local searches in two different stages, named sequential hybridization approach, which is opposite to the scheme adopted by the memetic framework. In this work, we aim to analyze the capabilities of memetic algorithms (Moscato in On evolution, search, optimization, genetic algorithms and martial arts: towards memeticalgorithms. Report 826, Caltech Concurrent Computation Program, Pasadena, 1989) for tackling a really complex and challenging real-world problem as the 3D reconstruction of forensic objects. Our intention is threefold: firstly, designing new memetic-based methods for tackling a real-world problem and subsequently carrying out a performance and behavioral analysis of the results; secondly, comparing their performance with the one achieved by other methods based on the classical sequential hybridization approach; and thirdly, concluding the experimental study by highlighting the outcomes achieved by the best method in tackling the real-world problem. Several real-world 3D reconstruction problems from the Physical Anthropology Lab at the University of Granada, Spain, were used to support the evaluation study.     

Feature matching based on unsupervised manifold alignment

Feature-based methods for image registration frequently encounter the correspondence problem. In this paper, we formulate feature-based image registration as a manifold alignment problem, and present a novel matching method for finding the correspondences among different images containing the same object. Different from the semi-supervised manifold alignment, our methods map the data sets to the underlying common manifold without using correspondence information. An iterative multiplicative updating algorithm is proposed to optimize the objective, and its convergence is guaranteed theoretically. The proposed approach has been tested for matching accuracy, and robustness to outliers. Its performance on synthetic and real images is compared with the state-of-the-art reference algorithms.     

三维点云配准方法研究进展

点云是一种3维表示方式,在广泛应用的同时产生了对点云处理的诸多挑战。其中,点云配准是一项非常值得研究的工作。点云配准旨在将多个点云正确配准到同一个坐标系下,形成更完整的点云。点云配准要应对点云非结构化、不均匀和噪声等干扰,要以更短的时间消耗达到更高的精度,时间消耗和精度往往是矛盾的,但在一定程度上优化是有可能的。点云配准广泛应用于3维重建、参数评估、定位和姿态估计等领域,在自动驾驶、机器人和增强现实等新兴应用上也有点云配准技术的参与。为此,研究者开发了多样巧妙的点云配准方法。本文梳理了一些比较有代表性的点云配准方法并进行分类总结,对比相关工作,尽量覆盖点云配准的各种形式,并对一些方法的细节加以分析介绍。将现有方法归纳为非学习方法和基于学习的方法进行分析。非学习方法分为经典方法和基于特征的方法;基于学习的方法分为结合了非学习方法的部分学习方法和直接的端到端学习方法。本文分别介绍了各类方法的典型算法,并对比总结算法特性,展望了点云配准技术的未来研究方向。     

参数自适应的图像亚像素级配准方法

目前基于区域的图像配准方法不能同时满足宽范围运动参数和高准确度的配准要求。基于图像变换的频域和空间域特性,提出一种运动参数自适应的图像配准方法,设计了旋转参数、平移参数的估计步骤和融合方法。基于仿真实验对参数自适应方法与Vandewalle方法、Keren改进方法的效果进行了比较分析,采用误差的标准差和均方误差两项指标评价配准算法的参数自适应性和配准准确度,参数自适应方法的两项评价指标均低于另两种方法,表明其在宽范围运动参数估计方面有自适应能力和高配准精度。     

An automatic optical and SAR image registration method with iterative level set segmentation and SIFT

Although optical image registration methods have been successfully developed over the past decades, the registration of optical and synthetic aperture radar (SAR) images is still a challenging problem in remote sensing. Feature-based methods are considered to be more effective for multi-source image registration. However, almost all of these methods rely on the feature extraction algorithms. In this article, a simultaneous segmentation and feature-based registration method based on an iterative level set and scale-invariant feature transform (ILS-SIFT) is proposed. The core idea consists of three aspects: (1) an iterative procedure that combines image segmentation and matching is proposed to avoid registration failure caused by poor feature extraction; (2) a uniform level set segmentation model for optical and SAR images is presented to segment conjugate features; and (3) an improved SIFT algorithm is employed to determine whether the registration was successful. Experimental results have shown the effectiveness and universality of the proposed method.     

图像非刚性配准技术及并行策略研究

图像非刚性配准是近几年配准方法的一个研究热点，由于其计算复杂度很高，它的并行化问题成为近几年来的研究热点。本文首先给出了图像非刚性配准的数学模型，并给出了形式化定义；其次分类总结了近年来图像非刚性配准串行算法研究的新进展，从而在此基础上重点讨论了相应的并行化策略。本文还详细分析了设计并行图像非刚性配准算算法需要考虑的几个问题；并比较评价了现有并行算法的性能特点，得出了一些结论；最后提出了有待进一步研究的问题。     

深度学习刚性点云配准前沿进展

随着3维采集设备的日渐推广,点云配准在越来越多的领域得到应用。然而,传统方法在低重叠、大量噪声、多异常点和大场景等方面表现不佳,这限制了点云配准在真实场景中的应用。面对传统方法的局限性,结合深度学习技术的点云配准方法开始出现,本文将这种方法称为深度点云配准,并对深度点云配准方法研究进展予以综述。首先,根据有无对应关系对目前的深度学习点云配准方法进行区分,分为无对应关系配准和基于对应关系的点云配准。针对基于对应关系的配准,根据各类方法的主要功能进行详细的分类与总结,其中包括几何特征提取、关键点检测、点对离群值去除、姿态估计和端到端配准,并重点介绍了最新出现的一些方法;针对无对应配准方法,详细介绍了各类方法的特点并对无对应与有对应方法的特点进行了总结。在性能评估中,首先对现有主要的评价指标进行了详细的分类与总结,给出其适用场景。对于真实数据集,给出了特征匹配、点对离群值去除的对比数据,并进行了总结。在合成数据集中,给出了相关方法在部分重叠、实时性和全局配准场景下的对比数据。最后讨论了当前深度点云配准面临的挑战并给出对未来研究方向的展望。     

迭代最近点算法的改进策略

迭代最近点（Iterative Closest Point, ICP）算法是一种最为常见的点云配准方法，虽然配准精度高，但收敛速度慢，对含噪声、覆盖率较低点云的配准效果不佳。鉴于此，本文提出3种ICP算法的改进方法。针对含噪声的点云，采用概率ICP算法来抑制噪声点对配准结果的影响，提高配准精度；为了提高点云配准速度，采用坐标ICP算法实现点云的快速配准；针对低覆盖率点云，采用盒子ICP算法实现配准，可以大大提高配准精度和速度。通过兔子点云配准实验表明，3种改进的ICP算法在点云配准精度和速度方面都有很大程度的提高，均为有效的点云配准方法。     

亚像元配准技术研究

为了获得高精度的图像运动参数估计,需要比较各种传统的图像配准算法的优劣并改进它们以满足需求.为此综述超分辨率重建中的图像配准算法,指出各种配准算法的特性,同时结合实验分析了不同的配准算法进行运动参数估计时的精度.提出基于遗传算法的亚像元参数估计方法,数值实验结果表明了该方法的有效性,同时对图像配准参数估计算法对噪声干扰的稳健性通过实验进行了讨论.     

三维点云配准中的计算智能方法综述

随着三维数据采集设备的成熟与普及,由激光雷达、结构光传感器和立体相机等设备采集的点云数据引起了广泛关注,并以此研究出针对点云的配准、分类、分割和跟踪等算法,推动了点云相关研究领域的科研进展。点云配准是点云数据处理的一个重要研究方向,旨在找到一个刚性变换运动参数,使得运动参数作用于源点云后能够与参考点云对齐。传统的点云配准方法大多存在着对初始位姿、异常值敏感等问题,而计算智能方法在处理点云配准问题,例如去除孤立点或求解矩阵时可以有效解决这些问题,并且能够适用于点云重叠程度低的情况,表现出较强的鲁棒性和泛化性。这种方法不依赖于问题本身特性,也不需要建立精确的模型,只需要求出替代真值解的近似解,大幅简化了计算量。在计算智能中,深度学习因其强大的学习能力越来越多地应用于点云配准问题,同时由于进化计算的强大全局搜索能力以及模糊逻辑对不确定性的良好适应能力,许多研究也将这两种方法应用于配准问题。本文对点云配准领域中的计算智能方法进行全面讨论,分别从基于深度学习、进化计算和模糊逻辑的点云配准方法这 3 个方面展开论述,同时对传统的点云配准方法进行简要介绍,并对各种方法的优缺点进行了详细讨论,旨在以更全面、清晰的方式总结点云配准问题上的相关研究。