基于网格对应的双约束特征点匹配算法

常用的特征点匹配算法通常设置严苛的阈值以剔除错误匹配,但这样也会导致过多的正确匹配被删除。针对这一问题,提出了一种采用双约束的特征点匹配方法。首先,在局部上统计特征点匹配数量,运用网格对应的方法过滤部分错误匹配;然后,在全局上运用RANSAC方法计算基础矩阵,通过极线约束对匹配进行再一次筛选。实验表明,相比于传统的匹配算法,该算法能在不增加算法运行时间的前提下,获得更高数量和更高质量的匹配集合。     

一种鲁棒的序列图像自动拼接方法

针对传统图像拼接方法中鲁棒性差、计算量大及自动化程度低等问题,提出一种鲁棒性高的序列图像自动拼接方法。该方法首先采用Harris角点检测算子对经Wallis滤波后的序列图像进行特征点提取,并结合Forstner算子对特征点进行精确定位。然后基于所提取的特征点,采用邻域灰度互相关法进行序列图像的特征点匹配,得到粗匹配点集,并运用RANSAC算法对粗匹配点集处理得到精匹配点集,由精匹配点集求出较高精度的基础矩阵及极线,并由极线约束引导匹配得到高精度的匹配点对,再运用双向松弛整体匹配算法进一步剔除少数位于极线上的误匹配点。最后利用所得的高精度匹配点对,求解序列图像间的仿射变换关系,并进行图像的坐标变换和融合,从而实现序列图像的自动拼接。实验结果表明,该方法拼接效果理想,鲁棒性高,整个拼接过程全自动,不需要人工干预,具有较高的实用价值。     

基于相似三角形的SIFT错误匹配点剔除算法研究

图像匹配是图像处理应用于诸多领域的一项关键技术,基于不变特征的图像匹配是近年来图像匹配的研究热点。尺度不变特征是最有效的平移、尺度、旋转和亮度局部不变特征之一,但该算法一般会产生大量的错误匹配点。首先给出了交叉线和"一对多"类型的错误匹配点的剔除方法。然后针对一般性错误匹配点,提出了一种基于相似三角形的剔除方法,并通过实验将该算法与另外两种常用剔除算法进行了比较,证实本文提出的方法速度更快,且在剔除错误匹配点的同时保留了较多的正确匹配点。     

基于外极线约束的快速精确立体匹配算法

针对三维运动捕捉系统标记点匹配中存在标记点交叠等情况和速度要求,提出利用平行相机结构,使用统计匹配像素点的平均高度差计算相机间的高度差,并将其与外极线约束相结合将匹配标记点搜索范围限制在一个特定区域内,与传统的利用外极线约束需要在整条直线上进行搜索相比,将搜索范围限制在一个估算点周围,减小了搜索区域,提高了匹配速度。对于标记点存在交叠的情况,使用聚类的方法和加权距离最小值得到正确的匹配标记点,从而提高了立体匹配的精度。实验结果验证了算法的有效性。     

用于半标定图像极线校正的误配剔除方法

针对半标定图像的极线校正问题,结合图像特征点的尺度和主方向性质,提出一种新的误配剔除方法。根据全局的缩放和旋转约束对误配点进行粗剔除,结合特征点的尺度、主方向和空间布局信息对剩余的误配点进行精剔除,使得到的精确匹配点满足极线约束。根据此约束,利用最小二乘方法估计未标定参数,并将半标定的图像极线校正转换为已标定的图像极线校正。实验结果表明,该方法生成的校正图像对精度较高,图像变形较小。     

点线特征融合的误匹配剔除算法

特征匹配作为计算机视觉的一项关键技术而备受关注。近年来,基于描述子的特征点匹配技术取得了一系列突破性进展,但曲线长度不一、端点定位不准确以及周围包含的重复性纹理较多等因素,导致了曲线匹配研究依旧是一个极具挑战性的热点研究课题,且现有曲线匹配方法大多出现匹配总数少、匹配正确率低的问题。为增加特征匹配的总数和正确率,利用特征点和特征曲线的位置关系提出一种点线特征融合的误匹配剔除算法(Point Line feature Fusion,PLF)。首先定义点到曲线的距离,利用点、曲线描述子提取图像的点、线特征;其次确定落入匹配曲线对应支撑区域内的匹配点对,并根据匹配点组和曲线间的距离约束剔除错误曲线匹配;最后利用点线距离约束剔除匹配曲线支撑区域内的错误点匹配。实验选取了3种不同的点线组合,即SIFT技术提取的点特征分别与IOCD曲线描述子、IOMSD曲线描述子、GOCD曲线描述子提取的曲线特征相融合, 验证算法 对多种点、线描述子具有适用性,且该算法不仅适用于特征点与特征曲线的融合,亦适用于特征点与特征直线的融合,从而验证了其对多种图像特征具有适用性。实验结果表明,在旋转、视角变化、光照变化、压缩、噪音、模糊等变换条件下,该算法均能有效提高曲线特征匹配的匹配总数和匹配正确率,同时提高点匹配的正确率。     

基于对应流形的错误匹配剔除研究

可靠对应点的建立是计算机视觉中的一个基本问题, 它是许多已有算法的前题假设. 本文提出了对应流形的概念, 并给出了通过学习对应流形的视图剔除错误匹配点的学习方法. 该方法不依赖于被估计的参数模型, 克服了传统方法计算效率随着错误匹配比例的增大或被估参数个数的增长而急剧下降的缺点; 同时弥补了错误匹配的剔除与被估模型的选择及其参数估计相耦合的不足. 实验结果表明该方法能有效地剔除错误匹配点, 验证了所给模型的适用性与合理性. 为可靠对应关系的建立提供一种新的高效的方法．     

一种图像高精度匹配方法

针对传统图像匹配精度不高、速度较慢的情况,为提高速度抑制噪声,提出一种高精度图像匹配方法。利用Harris提取角点进行灰度相关匹配找到粗匹配点,再利用Ransac算法得到较高精度匹配点,根据得到的匹配点求出基础矩阵。最后利用基础矩阵得到极线约束对Ransac得到的较高精度匹配点去除极少数误匹配点解算基础矩阵,利用第二次解算的基础矩阵求出高精度极线方程,并利用极线方程对Harris角点进行一维搜索匹配,找到高精度匹配点,进行仿真实验。反复实验表明,方法精度高、速度快,是一种实用的高精度图像匹配方法。     

不依赖于连续性假设的Correspondence Manifold研究

图像匹配是计算机视觉中的一个基本问题,现有方法一般基于极几何模型,在使用中往往存在效率不高和对有些错误匹配点无法剔除的问题,为此研究了图像匹配中的模型问题.首先通过分析图像对应点映射关系的特点及其在联合图像空间中所形成曲面的几何直观,给出了不依赖于连续性假设的对应流形(CM)定义;然后通过分析CM及其视图所体现的映射关系特点和完备性,直观地给出了基于对应函数的CM表征方案,据此将CM的学习归结为一般的函数回归问题;最后通过理论分析和实验方式探讨了CM模型相比于经典的极几何模型的优势.理论分析结果表明,CM模型在图像匹配关系的描述中给出的是充分必要约束,而极几何模型给出的是必要非充分约束;实际图像匹配的实验结果表明,基于CM的错误匹配剔除方法的准确性和稳健性比基于极几何模型的方法略好,且候选匹配中错误越多,CM的速度优势越明显.     

一种运动捕获系统中误匹配点的剔除算法*

在特征点的提取阶段通过利用先验知识的迭代法得到二值化阈值,然后依据轮廓特征排除非特征点。对于特征点的匹配,首先根据极线约束得到初始候选点对,再通过松弛匹配算法和三角测量法剔出误匹配,得到最终的匹配点对;最后利用以上匹配算法给出了一种简便的多摄像机间特征点匹配的策略。实验结果表明算法匹配正确率高。     

复杂路段的角度差和后续点地图匹配方法

针对仅依靠距离和轨迹与路径的相似性来判断正确道路的方法,在并行和交叉路段的复杂路网环境中,易匹配到相邻路段或部分不可达的路段,导致匹配错误的问题,提出采用线性回归模型的方法,其能更精确地描述道路形状在转弯处的变化,根据路段方向和移动对象移动的方向差判断并行或交叉路段,并通过参照多个后续点的匹配情况,实现复杂路段处的地图匹配,减少匹配错误。此外,还提出简化聚类的路网补全方法,可以解决部分GPS点周围缺失候选路段无法匹配的问题,并采用四叉树索引地图数据,提高效率。对比实验结果表明在轨迹点数较少时,与现有的基于隐马尔可夫模型的概率匹配方法相比,时间最多减少了62%,更适合时效性要求高的应用场景,与传统的几何匹配方法相比,匹配精度提高了3%,且更适合复杂路段匹配。     

基于聚焦线索的数字图像误匹配点剔除仿真

当前方法对数字图像误匹配点剔除未引用离散马尔可夫随机能量,不能直接与待估计图像匹配,导致数字图像匹配正确率低、误剔除率高、均误检率高,提出基于聚焦线索的数字图像误匹配点剔除方法。按照模糊聚焦线索对数字图像的深度信息进行估计,通过高斯函数对数字图像深度信息做模糊处理,对数字图像深度信息提取;引用离散马尔可夫随机能量,凸显图像的分布特征,与待估计图像直接匹配,利用交叉双边滤波法对数字图像深度滤波;在此基础上,利用双向匹配策略对数字图像的特征点进行匹配,并根据视差约束条件来剔除数字图像的误匹配点,实现了对数字图像误匹配点的剔除。实验结果表明,在对数字图像误匹配点进行剔除时,提出方法数字图像匹配正确率较高、误剔除率和数字图像平均误检率较低,验证了提出方法良好的性能。     

基于群体智能的三维碎片全局最优匹配方法

针对传统三维碎片整体匹配过程中误差积累的问题,提出了一种基于群体智能的全局最优匹配方法。该方法对破碎物体的三维多碎片全局匹配建立全局整体碎片匹配的数学模型,将碎片的整体最优匹配求解问题转换为求满足一定约束条件的最优匹配矩阵的组合优化问题,通过将自然社会认知优化算法进行离散化来求解该NP问题。典型实例分析验证了所提方法全局优化能力强,与初始位置无关,有较强的鲁棒性,为三维碎片整体匹配提供一个有效的方法。     

一种自适应多窗口的立体匹配算法

提出了一种新型的自适应匹配窗口的方法来解决低纹理图像在立体匹配中容易出现误配的现象。该算法采用8个相同的窗口根据图像的平滑情况往8个方向选择适当的支撑区域,且其非常适合并行处理。然后根据上述步骤得到的结果提出一种自适应的区域生长法对误配和遮档区域进行后处理。实验结果表明,该方法无论在低纹理区域还是高纹理区域都有较好的实验结果,并且运行时间与传统的固定窗口局部方法相差不大,适合实时处理。     

基于对应点匹配的眼球切片图像插值算法

图像插值是三维重建的一个关键步骤。针对眼球切片图像的特点,研究和分析了传统的图像插值方法,并在此基础上提出了一种改进的对应点匹配插值方法。先根据改进的对应点匹配准则在相邻层间建立点对点的对应关系,然后利用这些对应点进行插值,得到插值图像数据。实验结果表明,该算法能有效减少插值误差,获得令人满意的效果。     

基于特征点的伪匹配点去除算法

基于特征点的图像配准中伪匹配点的存在影响变换矩阵的计算精度,容易造成图像配准失败.根据SIFT特征匹配中存在的伪匹配点,提出一种伪匹配点去除算法.两幅待配准图像的正确匹配点在坐标位置上有差值相似性,伪匹配点的坐标差值与正确匹配点的坐标差值差异大,利用这种坐标差值的波动对伪匹配点进行去除.实验结果表明,待配准图像中的伪匹配点得到了有效去除,与RANSAC算法相比,时间复杂度大幅减小.     

基于十字模板的特征点匹配方法

针对传统模板匹配中矩形模板计算量大、容易造成误匹配的问题,对矩形模板进行改进,提出了十字模板匹配算法;对待匹配的两幅图像进行边缘提取,结合两幅图像的灰度图像获得灰度边缘图像,并利用十字模板匹配方法匹配选定的模板区域;最终在连续性约束的条件下,利用欧氏距离完成特征点匹配。对比实验结果表明十字模板匹配速度快,准确度高;基于十字模板的特征点匹配方法简单可靠,具有一定的实用性。     

基于显著性检测的双目测距系统

为了提高双目视觉测距系统中图像匹配的实时性与测距的精度,提出一种将显著性检测与焦距拟合相结合的双目测距方法。首先对双目相机进行畸变矫正,并利用双目相机成像的特点拟合相机焦距与目标距离的关系,随后对所得图像进行显著性检测,并提取目标区域,最后,利用surf算子对提取出的区域进行特征匹配,将匹配点代入测距模型中得到目标物体的距离。结果表明:显著性检测方法明显提升算法执行速度,焦距拟合降低双目测距模型误差,明显提升双目测距精度。     

基于对应点匹配的眼球切片图像插值算法

图像插值是三维重建的一个关键步骤。针对眼球切片图像的特点，研究和分析了传统的图像插值方法，并在此基础上提出了一种改进的对应点匹配插值方法。先根据改进的对应点匹配准则在相邻层间建立点对点的对应关系，然后利用这些对应点进行插值，得到插值图像数据。实验结果表明，该算法能有效减少插值误差，获得令人满意的效果。