基于射影不变量的3D重构

我们提出了从立体图像基于射影不变量恢复深度的方法.方法的基础思想是对于立体图像利用密度段元素,引入了两个射影不变量来恢复密度段的深度信息.从这两个不变量,我们能推导立体图像中匹配的密度段对应该满足的关系.利用这个关系,密度段之间的匹配运算很容易实现.这个方法能直接地从输入图像中得到密集的和准确的深度,对于扭曲图像是鲁棒的.     

基于射影不变量的三维重构

文中提出了利用射影不变量来求解基于图像对三维深度恢复问题。方法的基本思想是对于立体图像,利用密度段元素,引入了两个射影不变量来恢复密度段的深度信息。从这两个不变量,能推导立体图像中匹配的密度段对所满足的关系。利用这个关系,实现了密度段之间的匹配运算。这个方法能直接地从输入图像中得到密集和准确的深度,对变形的图像具有鲁棒性。     

基于射影不变量的三维重构

文中提出了利用射影不变量来求解基于图像对三维深度恢复问题。方法的基本思想是对于立体图像，利用密度段元素，引入了两个射影不变量来恢复密度段的深度信息。从这两个不变量，能推导立体图像中匹配的密度段对所满足的关系。利用这个关系，实现了密度段之间的匹配运算。这个方法能直接地从输入图像中得到密集和准确的深度，对变形的图像具有鲁棒性。     

一种新的基于散焦图像的深度恢复算法

由散焦图像求深度是计算机视觉中一个非常重要的课题。散焦图像中点的模糊程度随物体的深度而变化,因此可以利用散焦图像估计物体的深度信息,该方法不存在立体视觉和运动视觉中对应点的匹配问题,具有很好的应用前景。研究了一种基于散焦图像空间的深度估计算法：将散焦成像描述成热扩散过程,借助形变函数将两幅散焦图像扩张成一个散焦空间,再估计出形变参数,进而恢复物体的深度信息。最后利用实验验证了算法的有效性。     

动态匹配核函数图像检索

目的 在传统的词袋模型图像搜索问题中,许多工作致力于提高局部特征的辨识能力。图像搜索得到的图像在细节部分和查询图像相似,但是有时候这些图像在语义层面却差别很大。而基于全局特征的图像搜索在细节部分丢失了很多信息,致使布局相似实则不相关的图像被认为是相关图像。为了解决这个问题,本文利用深度卷积特征来构建一个动态匹配核函数。方法 利用这个动态匹配核函数,在鼓励相关图像之间产生匹配对的同时,抑制不相关图像之间匹配对的个数。该匹配核函数将图像在深度卷积神经网络全连接层最后一层特征作为输入,构建一个动态匹配核函数。对于相关图像,图像之间的局部特征匹配数量和质量都会相对增强。反之,对于不相关的图像,这个动态匹配核函数会在减少局部特征匹配的同时,降低其匹配得分。结果 从数量和质量上评估了提出的动态匹配核函数,提出了两个指标来量化匹配核函数的表现。基于这两个指标,本文对中间结果进行了分析,证实了动态匹配核函数相比于静态匹配核函数的优越性。最后,本文在5个公共数据集进行了大量的实验,在对各个数据集的检索工作中,得到的平均准确率从85.11%到98.08%,均高于此领域的同类工作。结论 实验结果表明了本文方法是有效的,并且其表现优于当前这一领域的同类工作。本文方法相比各种深度学习特征提取方法具有一定优势,由于本文方法使用特征用于构建动态匹配内核,而不是粗略编码进行相似性匹配,因此能在所有数据集上获得更好的性能。     

图像中射影不变量在目标识别中的应用*

研究了利用灰度图像进行目标识别的方法。根据射影变换的定义,导出了两组射影不变量,然后给出了利用哈希表进行模型数据存储和查找的识别算法。最后用实验验证了这两组不变量的不变性和可区分性。     

基于竞争机制的双目视觉匹配与实时测距

利用立体视觉系统实现移动机器人避障具有探测范围宽,目标信息完整等优势。从立体视觉中提取距离信息是计算机视觉的热点问题,其困难在于图像匹配问题。文章提出了一种基于竞争机制实现立体视觉匹配的方法。该方法将匹配问题映射为一个矩阵,其元素代表可能匹配的像点。根据匹配约束,匹配矩阵元素之间竞争,最后胜出者即为最优匹配点。获得匹配点后,根据摄像机透射投影模型恢复图像深度信息。实验结果表明,该方法需处理数据少、计算简便、适于实时测量。     

主动式立体全景视觉技术的研究

为了解决立体视觉测量中的快速匹配问题,文中通过集成全景彩色结构光发生器和全方位视觉传感器构建一种主动式立体全景视觉传感器;通过分析图像像素的颜色和投射角之间的映射关系估算全景图像上各像素息对应的投射角,利用三角关系计算对应物点的深度信息;实验结果表明该方法能快速地得到场景的全景深度信息。     

计算射影与排列不变量的新方法

给出了一种表示和计算离散有限点集的射影与排列不变量的简单有效方法.该不变量在计算机视觉、模式识别中有重要应用.首先导出了射影直线上4个点的基于一种对称函数的射影与排列不变量,该不变量等于这4个点的某个原始交比值,具有计算量低,不丢失分辨力等优点.然后根据这个简单的对称函数,结合基本的多项式对称函数,推导出了平面上5个点的两个函数无关的射影与排列不变量,以及空间中6个点的3个函数无关的射影与排列不变量.     

视差注意力的立体图像颜色校正方法

立体图像左右视图间的差异影响了视觉任务对深度信息的重建.现有立体图像颜色校正方法在进行颜色校正时,颜色校正效果与整体时间效率不平衡.为了解决这个问题,本文提出一种端到端的基于视差注意力的立体图像颜色校正方法.该方法在一个卷积神经网络内同时进行立体图像对应关系获取和目标图像颜色校正.先采用共享参数的多尺度特征提取模块分别提取参考图像和待校正失真图像的特征,再通过视差注意力模块的双向匹配策略进行特征之间的对应关系匹配与融合,获取图像对应匹配关系,最后重建融合特征得到校正目标图像.视差注意力机制仅在图像水平视差方向进行搜索匹配像素,能够实现左右视图信息的高效融合.实验结果表明,与现有方法相比本文模型更有效,能够在保持高时间效率的同时获得更高质量的颜色校正结果.     

射影变换下新的形状匹配方法

针对射影变换下的形状匹配问题,提出一种基于构造的射影不变量——回路型交比的形状描述方法.首先在形状的凸包上均匀取样,对于每一个样本点,依次与剩余样本点相连构成的直线与图像相交,可得到一个回路型交比谱;然后通过动态时域归整算法计算2个形状特征间的距离,采取最近邻原则进行匹配.选取32张电视台台标和13张彩色交通标志作为模板集,通过设定不同的参数得到48组不同程度射影变换下的图像(共1 536张)和16组不同程度仿射变换下的图像(共208张).实验结果表明,该方法对图像有很好的描述能力,在剧烈射影变换下仍有较高的识别率,并且对相似图形有很强的分辨能力,明显优于最新的交比谱及经典的SIFT方法.     

基于Sampson误差计算单应的立体匹配

立体匹配是立体视觉重要的研究内容,文章在摄像机无标定的前提下采用Sampson误差估计立体图像对的平面单应,由单应计算基础矩阵,进行图像特征点匹配。先用Forstner算子提取角点,按照灰度差相似性准则进行初始匹配,然后在Sampson误差模型下求解代价函数的最优解,解决单应矩阵元素方程组超定问题。在平面单应及对极几何约束下进行图像特征点匹配,可获得射影意义下的象点重构。实验结果表明该方法能准确快速地匹配特征点。     

一种消除图像射影失真的实用方法

本文介绍一种实用的消除图像射影失真的方法.首先,从射影几何的角度出发,介绍了2D射影矩阵,给出求解该矩阵的求精算法;其次,在已知2D射影矩阵的情况下,介绍了消除射影失真,恢复物体真实几何形状的方法;最后,利用上述方法对真实图像进行了恢复实验.这种方法不需要事先标定摄像机,经实验表明,处理简单,效果理想 ,实用性强,可以应用于测量、公安等各个领域.     

基于学习的鲁棒三维射影重建

基于图像的三维重建是计算机视觉领域中一个重要的研究主题.针对目前深度神经网络无法有效剔除多幅图像对应点中的外点的问题,提出一种鲁棒的深度卷积神经网络,用以从多幅图像对应点中准确地恢复场景的三维射影结构.该网络首先把输入的对应点分为多个不同的子集,每个子集独立地进行射影重建;然后通过权重计算层得到每个射影重建的权重;最后通过合并层对这些不同的射影重建加权求和,得到最终的鲁棒的射影重建.实验结果表明,该网络具有较高的重建精度和很强的鲁棒性.     

新的单目立体视觉的视差图的获得方法

在立体视觉中,视差间接反映物体的深度信息,视差计算是深度计算的基础。常见的视差计算方法研究都是面向双目立体视觉,而双焦单目立体视觉的视差分布不同于双目视差,具有沿极线辐射的特点。针对双焦单目立体视觉的特点,提出了一种单目立体视差的计算方法。对于计算到的初步视差图,把视差点分类为匹配计算点和误匹配点。通过均值偏移向量（Mean Shift）算法,实现了对误匹配点依赖于匹配点和图像分割的视差估计,最终得到致密准确的视差图。实验证明,这种方法可以通过双焦立体图像对高效地获得场景的视差图。     

一种消除图像射影失真的实用方法

本文介绍一种实用的消除图像射影失真的方法。首先,从射影几何的角度出发,介绍了2D射影矩阵,给出求解该矩阵的求精算法;其次,在已知2D射影矩阵的情况下,介绍了消除射影失真,恢复物体真实几何形状的方法;最后,利用上述方法对真实图像进行了恢复实验。这种方法不需要事先标定摄像机,经实验表明,处理简单,效果理想,实用性强,可以应用于测量、公安等各个领域。     

球形全景核线约束的颜色不变量综合特征快速匹配方法EI北大核心CSCD

针对目前立体全景模型量测应用中特征匹配自动化程度偏低的问题,提出一种基于立体球形全景约束的颜色不变量综合特征快速匹配方法.首先,通过核线约束,使全景影像匹配的搜索范围从二维限制到一维带状缓冲区域;然后利用颜色不变量相关系数进一步确定精细搜索范围;最后,基于颜色不变量及旋转不变纹理特征构建综合匹配测度模型,以实现全景特征匹配.通过实地拍摄的全景图像,与灰度匹配法、SIFT,SURF以及CSIFT进行比较分析.实验结果表明,该方法匹配准确率提高了近10%,可消减球形全景特征的误匹配,有效地解决影像匹配时同名像点自动寻找与几何信息快速解算,为全景量测模型二次采样、量测及深度图的生成奠定基础.     

基于未标定图像的三维重建算法

提出一种基于多幅未标定图像的三维重建算法。在标记点匹配的基础上进行射影重建,通过施加度量约束将射影重建升级为欧氏重建,即利用未标定的透视图像恢复相机的内、外部参数以及标记点的三维空间坐标,实现场景的三维重建。标记点易于进行点对精确匹配,较手动拾取匹配提高了效率。实验结果表明,利用该算法能够大幅减小再投影误差。     

基于立体折反射全向成像的柱面全景深度估算

针对立体视觉原理的新型立体折反射全向成像系统结构设计和面向立体柱面全景像对的局域灰度相关对应点快速匹配算法,从捕获的全向市体影像中提取有效深度信息,用于辅助全向视频分析处理中的对象检测和跟踪.采用单相机和两个不同参数的抛物面型反射镜构造了一种共轴结构的折反射全向立体成像装置,捕获的存在一定视差的原始全向立体像对被投影展开为立体柱面全景像对,而后通过特定对应点匹配算法提取稠密的深度信息.对应点匹配算法采用局部区域灰度相关的算了,并充分利用了双向匹配和柱面全景的外极线约束来提高匹配的速度和准确度.仿真实验有效恢复了场景深度信息,证明了整套装置结构设计及深度估计方法的有效性.     

基于非周期性提取像素的全景图像三维重构

图像深度信息提取是三维图像重建的关键,利用匹配算法可以达到对全景成像可控处理的目的,因此在非周期性提取像素基础上完成全景图像三维重构.首先采用非周期性像素提取解决成像过程中出现的失真问题,构建无失真图像;通过立体视图系统和独立立体视图系统对全景图像重建处理,利用SSD计分准则的块匹配算法,对微透镜记录的两幅图像计算提取,同时运用邻域限制与放松方法深度提取全景图像;并依据最佳视差值及多基线立体匹配算法过滤出更准确信息,以采用差值算法实现更高精度的三维重建.仿真结果表明,所提方法具有较高适用性,计算过程简便、图像特征采集快.