基于直线段特征的分级立体匹配方法

提出了一种基于直线段特征的分级立体图像匹配算法。根据直线段构造了长方形区域作为立体匹配的基元,计算区域的灰度均值及区域的转动惯量等属性值,构造相似性度量函数得到初级匹配结果;根据直线段间的几何关系建立二级匹配算法,求解基础矩阵。在基础矩阵的指导下,完成三级立体匹配,实验结果表明了该算法的有效性和可行性。     

基于蚁群优化算法的立体匹配

立体匹配技术使得通过像点获取景物的距离信息,实现三维立体再现成为可能,是计算机视觉研究中最基本的关键问题之一.本文选择图像的边缘点作为匹配基元.以边缘特征点处的灰度值、梯度的大小和方向、拉普拉斯值作为其属性值,依据立体匹配的约束条件,建立能量函数.在进行图像的立体匹配的过程中,运用蚁群优化算法找寻使能量函数达到最小的路径,从而实现立体匹配.实验证明,该方法具有较强的稳定性,能得到较高精度的匹配结果.     

一种基于Walsh变换的立体匹配基元

提出了一种以Walsh变换系数作为匹配基元的双目立体匹配方法。通过Walsh正交变换核对图像，变换得到Walsh系数，图像的特征被嵌入到该系数中，费用函数采用了Walsh变换系数作为匹配基元，而不是采用传统的像素灰度值。该文给出了算法的费用函数、匹配过程中相关的数据和最后的视差图。试验结果表明，将Walsh 系数作为一种匹配基元的方法是可行和有效的。     

基于外极线分区的动态立体匹配算法

基于区域的立体匹配算法仅针对支撑窗内的灰度信息定义匹配代价函数,导致在弱(无)纹理区域采用WTA优化出现歧义性。该文在外极线分区的基础上,改用区域作为匹配基元,针对歧义性区域,在代价函数中引入遮挡项和平滑项,并按照区域优先级的高低,动态匹配相应区域,获得可靠的视差信息。实验证明,该算法在保持实时性的同时对弱纹理区域处理具有有效性。     

自适应窗口的时间规整立体匹配算法

针对立体视觉中图像对应点的误匹配问题，以时间规整算法(DTW)为基础，提出了自适应窗口的立体匹配算法．根据外极线的约束，在自适应窗口内采用灰度相关技术得到长度不相等的两个灰度段作为相容的匹配序列；利用动态规划法及连续性约束寻找一条最佳的匹配路径．根据回溯得到的匹配路径及其坐标值得到高密度视差图．实验结果表明，该算法具有较高的运行效率和良好的匹配效果．     

一种新的立体匹配算法

立体匹配是目前计算机视觉领域中最活跃的研究主题之一,在三维重构、对象识别与分类、图像对齐等应用中,立体匹配都是一个关键步骤.为了能够更精确地对特征点进行匹配,给出了一个新的匹配约束条件:匹配点距离相关性约束,据此提出了一种新的立体匹配算法.该算法独立于特征点的检测算法,首先使用灰度相关法进行初始匹配,然后利用最小中值平方法获得部分正确匹配点集,在此基础上加入匹配点距离相关性约束进行引导匹配,得到最后的匹配点集.实验表明,该算法能够很好地实现特征点的正确匹配.具有很高的使用价值.     

基于SIFT特征描述子的立体匹配算法

目前,立体匹配是计算机视觉领域最活跃的研究课题之一。为了克服传统的局部特征匹配算法对噪声和图像灰度的非线性变换敏感的缺点,本文提出了一种新的基于SIFT(Scale Invariant Feature Transform)特征描述子的立体匹配算法。该算法利用图像梯度信息,构造基于三维梯度方向直方图的SIFT特征描述子作为区域特征描述符,通过立体视觉理论中的极线约束将匹配特征的搜索空间从二维降到一维,最后以基于特征描述子欧氏距离的最近邻匹配得到匹配结果。实验结果表明,该方法匹配精度高,对图像灰度的非线性变换比较鲁棒,可以应用于对匹配算法鲁棒性要求比较高的立体视觉系统中。     

基于联合相似性测度和导向滤波器的立体匹配算法研究

针对目前局部立体图像匹配中对光照、噪声和曝光等敏感导致匹配率低的问题,提出一种新的立体匹配算法。在该算法中,匹配代价计算基于像素点的截断的联合相似性测度(灰度和梯度),匹配代价计数统计中,选择快速且不依赖于滤波核大小的具有保边特性的导向滤波器作为支持窗口中邻域像素的自适应权重,基于WTA(Winner-Take-All)原则选择视差。最后进行一致性检查以及后处理得到致密的视差图。实验表明,与其他基于局部的立体匹配算法相比,该算法的误匹配率低,对辐射畸变有较好的不变性,同时能快速得到视差图。     

基于MRF和颜色空间的立体图像匹配算法

为了提高立体图像匹配的效率和准确度,对基于马尔可夫随机场(Markov Random Fields,MRF)的立体图像匹配算法进行改进,提出一种基于MRF和颜色空间的立体图像匹配算法.该算法利用颜色距离构建匹配代价函数,以充分利用彩色图像中的颜色信息,并采用加速的信度传播算法进行能量最小化.分别利用灰度信息、RGB信息、HSI信息进行立体匹配实验.实验结果表明,改进后的算法能加快收敛,降低误匹配率.     

基于免疫算法的立体匹配

立体匹配是立体视觉中的关键问题,提出了基于免疫算法的多分辨率立体匹配方法,为了提高匹配的准确性,同时利用和图象的灰度和梯信息进行匹配,并给出了匹配的准则函数;将免疫算法用于该问题的求解,以避免局部最优;实验结果证明了该方法的有效性。     

A constraint learning feedback dynamic model for stereopsis

This paper presents a stereo matcher inspired by the earlier work of Marr and Poggio (1976). Two major extensions are introduced: the algorithm is extended to gray-level images, and the inhibitory/excitatory weights of the model are learned rather than set a priori according to “uniqueness” and “continuity” constraints. Gray level stereo pairs of real scenes with known disparity maps are used to train the model. The trained system is successfully tested on other gray level stereo pairs of real scenes as well as a set of random dot stereograms. Performance is compared to a recent stereo matching algorithm     

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。     

Shadow detecting using particle swarm optimization and the Kolmogorov test

An algorithm combining both gray level information and geometric features is introduced to detect cast shadows in gray level images. A simply connected candidate shadow region and a corresponding region are segmented by setting gray level thresholds, and neighbor-matching regions are constructed with a mathematical morphological algorithm. A shadow-non-shadow region pair is obtained from the result of Kolmogorov test for statistical features of both candidate neighbor-matching regions. Shadow regions are obtained by selecting the region with relatively lower average gray level from the matched region pair. The particle swarm optimization (PSO) algorithm is used to facilitate the feature extraction during the matching process. Experimental results showed the effectiveness of the proposed algorithm for cast shadow detecting in a single gray level image.     

基于单应矩阵的直线匹配

提出了在单应矩阵原理约束下进行直线匹配的算法。首先利用单应矩阵将从不同影像上提取出的直线集变换到同一影像坐标系下;然后结合直线自身的几何特性及其特性支持区域的灰度特性,初步确定同名直线;最后依据左右一致性准则,剔除错误匹配。当引入直线特性支持区域的灰度测度时,只考虑几何变形和灰度畸变较小的一侧,提高了匹配的可靠性。实验表明,该算法简单、易行,并有效解决了部分被遮挡直线以及断裂直线的匹配问题。     

一种新的二维开曲线匹配算法研究

在提取碎片轮廓的基础上,提出了一种基于相似变换下的新的尺寸不变为标示符的二维开曲线匹配方法。基本思想是首先以弧长的曲率绝对值的积分方法,通过对轮廓重采样来计算轮廓曲线上的特征点,特征点分曲线为若干段,然后特征段之间的Hausdorff距离来比较两曲线的段的相似性,当Hausdorff距离小于给定的容差时,可认为相应的轮廓是匹配的,实验证明算法更快有效。     

Hierarchical chamfer matching: a parametric edge matching algorithm

The algorithm matches edges by minimizing a generalized distance between them. The matching is performed in a series of images depicting the same scene with different resolutions, i.e. in a resolution pyramid. Using this hierarchical structure reduces the computational load significantly. The algorithm is reasonably simple to implement and is insensitive to noise and other disturbances. The algorithm has been tested in several applications. Two of them are briefly presented. In the first application the outlines of common tools are matched to gray-level images of the same tools, with overlapping. In the second application lake edges from aerial photographs are matched to lake edges from a map, with translation, rotation, scale, and perspective changes. The hierarchical chamfer matching algorithm gives correct results using a reasonable amount of computational resources in all tested applications     

基于主成分分析的快速图像匹配研究

针对传统图像灰度匹配算法计算量较大的问题,根据特征匹配算法抗干扰性好、速度快的特点,提出一种改进的融合匹配算法。通过实验计算,匹配时间减少到单一使用归一化互相关灰度匹配的60%,甚至更短,满足了快速、准确的图像匹配要求。     

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。     

Interpretation of MR images using self-organizing maps and knowledge-based expert systems

A new image segmentation system is presented to automatically segment and label brain magnetic resonance (MR) images to show normal and abnormal brain tissues using self-organizing maps (SOM) and knowledge-based expert systems. Elements of a feature vector are formed by image intensities, first-order features, texture features extracted from gray-level co-occurrence matrix and multiscale features. This feature vector is used as an input to the SOM. SOM is used to over segment images and a knowledge-based expert system is used to join and label the segments. Spatial distributions of segments extracted from the SOM are also considered as well as gray level properties. Segments are labeled as background, skull, white matter, gray matter, cerebrospinal fluid (CSF) and suspicious regions.     

基于模糊灰度共生矩阵与隐马尔可夫模型的断口图像识别

纹理通常由空间分布和灰度分布共同描述,灰度共生矩阵(GLCM)能兼顾二者,故广泛应用于纹理分析中。在计算GLCM时,为降低其维数,需对纹理图像进行灰度量化,这必然丢失部分图像信息。灰度量化时,由灰度值与量化区间中心值的不同距离,构造出相应的模糊隶属度函数,并定义了模糊灰度共生矩阵(FGLCM)。通过对断口图像FGLCM的14个特征统计量进行相关性分析,选择角二阶矩和熵等7个统计量作为特征参数,并验证了其有效性。最后,在4类典型断口图像的特征空间上,采用隐马尔可夫模型(HMM)进行分类识别。实践表明,FGLCM比已有的GLCM能更好地表征断口特性,且在HMM状态数为3时,断口分类的平均识别率可达98%。