基于积分不变量的断裂面匹配算法

提出一种基于积分不变量的断裂面匹配算法。根据在多尺度下特征点的体积积分不变量,得到初始匹配点对,利用相容性约束比较点的相似程度,排除伪匹配点对,并组成匹配点对列表,对于匹配列表中的每一点对,计算出将其法矢方向映射为一致的所有三维空间变换集合,通过双层几何哈希,为匹配点对及其对应的空间进行投票,当得票数大于给定阈值时,两断裂面匹配。实验结果表明,该算法能实现断裂面部分和完全匹配。     

非标定图像的最优匹配方法

该文将特征匹配和极线几何(epipolargeometry)估计有机地结合起来,给出了一种基于组合优化的非标定图像鲁棒匹配方法。通过灰度互相关计算得到初始候选匹配,然后使用该文提出的全局极线约束和局部视差约束代价函数,利用确定性退火方法同时估计匹配关系和基础矩阵。实验结果表明,此算法具有良好的鲁棒性,能够得到接近全局最优的匹配结果。     

基于图割理论和极几何约束的图像匹配算法

提出了一种基于图割理论和极几何约束的图像匹配算法。利用极几何约束对两幅待匹配图像进行矫正，使得它们的极线处在同一扫描线上，从而将二维匹配简化成一维匹配；利用基于图割的一维匹配算法获取视差数据，此时匹配中能量函数的标号是一维的，大大减少了搜索范围，并且提高了匹配的速度。     

基于双目视觉的基准差梯度立体匹配法􀀂

因灰度相关只是从一个侧面来描述左右图像特征点区域之间的灰度相似性,没有考虑特征点之间的空间相关性,因此利用灰度间的相似性作为测量标准进行匹配,不可避免地出现误匹配,提出了在进行双目视觉立体匹配时,采用灰度相关匹配技术,提取复峰特征点作为初始匹配集,采用视差梯度有限约束优化初始匹配集.利用左右图像一对已知对应基准点,通过计算基准点与复峰集各点间的基准差梯度,采用基准差梯度极小化评判标准,确定唯一匹配,并将匹配结果确定为新的基准点以不断更新基准点,直至左(右)图像特征点匹配完毕.通过分别对一幅弱纹理实际自然图像及已知三维坐标标准件的三维重建,证实了所提方法的有效性和可靠性.     

一种基于图象物理特征的分层匹配算法

文章将物理学相关概念引入图象匹配中,定义了二维灰度图象的质量、密度、重心以及物理特征矢量,并由此提出了一种新的基于图象物理特征的分层匹配算法。该算法首先利用图象物理特征矢量进行粗匹配,找出几个大致的匹配点,再利用灰度归一化积相关算法进行精匹配。实验结果表明该算法具有较强的抗噪声干扰及几何畸变能力,与传统的归一化积相关算法相比,该算法在保证较高匹配概率的基础上,大大缩短了匹配时间,提高了匹配效率。     

基于轮廓与断面匹配的秦俑碎片拼接方法

针对兵马俑第3次发掘大量破碎俑片的虚拟复原需求,分析秦俑碎片拼接的特殊性,归纳陶制碎片的分类原则,提出一种结合碎片边缘轮廓和断裂面匹配的混合拼接方法。依据俑体碎片断裂面厚度,将其映射到空间曲线模板或空间曲面模板。基于积分不变量计算俑体碎片特征向量,采用一致性约束方法获取碎片初始匹配点对。利用筛选算法去除伪初始匹配点对,应用几何哈希算法寻找碎片最优匹配点对。其中,空间轮廓曲线匹配基于多边形弧串匹配法,空间曲面匹配基于多尺度积分不变量法。对破碎兵俑和陶马的拼接结果表明,该方法能正确得到碎片间的匹配关系,具有较好的鲁棒性。     

基于立体成像几何特性的动态有限搜索匹配法

提出了一种基于立体成像几何特性的动态有限搜索匹配法。该法根据被测物体与摄像机标定参照物在空间上的相互关系及被测物体形态，确定被测物体特征点视差匹配大致范围。利用立体成像几何特性，采用动态有限搜索法，以求出的视差为参考，根据左(右)图像中特征点与所得匹配对应点的水平视差值，确定在右(左)图像中的搜索方向和搜索范围，采用灰度区域相关计算，确定下一个匹配特征点，并依此类推。由于特征点灰度不稳定，且随视点的不同而有很大差异，为能得到正确匹配，需结合几何相似性约束。通过对一已知三维坐标标准件的计算机仿真实验，证实了该方法的有效性。     

基于摄像机纵向运动的序列图像的实时漫游

对于摄像机纵向运动的序列图像，提出了一种基于极线几何约束关系的当前视点目标图像生成算法：1）利用基于傅立叶变换的方法，得到远视点源图像中和近视点源图像无对应点的区域，并用一种背景色将其填充，得到填充后的远视点源图像；2）利用极线的整体匹配性质在两幅源图像中确定遍历整个源图像的对应源极线；3）将所有对应源极线按灰度进行分段；4）用动态规划匹配法确定对应源极线上段与段之间的匹配关系；5）通过两条对应源极线插值合成一条目标极线，生成当前视点的目标图像；6）对上一步得到的目标图像的背景色区域加以处理，得到最终的当前视点目标图像．提出了一种链表数据结构存储每相邻两幅源图像之间的预处理信息．漫游时实时读取．开发了一个图像漫游器，使用户能在其中实现不同视点的实时漫游．     

一种基于局部最大熵的特征匹配算法

传统的基于灰度的匹配算法抗噪声能力和抗局部几何变形能力较差，通过图像熵变换，提出了一种新颖的基于局部最大熵的特征匹配算法；通过局部特征点所在区域的相关匹配，获得具有最大可信度的匹配结果。由于匹配只是在特征点之间进行，且在匹配过程中引入外极线和一致性约束条件，从而大大降低了计算消耗和误匹配率，获得了比较理想的表面离散深度图。     

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。     

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。     

Contour matching using epipolar geometry

Matching features computed in images is an important process in multiview image analysis. When the motion between two images is large, the matching problem becomes very difficult. In this paper, we propose a contour matching algorithm based on geometric constraints. With the assumption that the contours are obtained from images taken from a moving camera with static scenes, we apply the epipolar constraint between two sets of contours and compute the corresponding points on the contours. From the initial epipolar constraints obtained from corner point matching, candidate contours are selected according to the epipolar geometry, contour end point constraints, and contour distance measures. In order to reduce the possibility of false matches, the number of match points on a contour is also used as a selection measure. The initial epipolar constraint is refined from the matched sets of contours. The algorithm can be applied to a pair or two pairs of images. All of the processes are fully automatic and successfully implemented and tested with various real images     

Robust multi-view feature matching from multiple unordered views

This paper explores the problem of multi-view feature matching from an unordered set of widely separated views. A set of local invariant features is extracted independently from each view. First we propose a new view-ordering algorithm that organizes all the unordered views into clusters of related (i.e. the same scene) views by efficiently computing the view-similarity values of all view pairs by reasonably selecting part of extracted features to match. Second a robust two-view matching algorithm is developed to find initial matches, then detect the outliers and finally incrementally find more reliable feature matches under the epipolar constraint between two views from dense to sparse based on an assumption that changes of both motion and feature characteristics of one match are consistent with those of neighbors. Third we establish the reliable multi-view matches across related views by reconstructing missing matches in a neighboring triple of views and efficiently determining the states of matches between view pairs. Finally, the reliable multi-view matches thus obtained are used to automatically track all the views by using a self-calibration method. The proposed methods were tested on several sets of real images. Experimental results show that it is efficient and can track a large set of multi-view feature matches across multiple widely separated views.     

一种基于角点检测的图像密集匹配算法

提出了一种鲁棒的图像自动立体匹配算法.利用Sobel算子对图像中的像素点进行检测,若是边缘点,则使用最小同值分割吸收核方法判断该点是否为角点.在两幅待匹配的图像间计算角点的梯度大小、梯度方向及灰度等的相似度,去除无法对应的角点,建立起待匹配图像中角点的对应关系,并计算基础矩阵.对基础矩阵进行迭代,去除误配点,计算出较精确的基础矩阵.由对极几何约束,采用动态规划方法,寻找左右两幅图像在对应极线上的所有像素点之间的对应,从而建立起两幅图像间像素点的密集匹配对应关系.试验结果表明,算法效果满意.     

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。     

多重约束下的近景影像线特征匹配方法

目的 针对影像匹配时提取特征线断裂而影响匹配结果及可靠性的问题,提出多重约束条件下的近景影像线特征匹配方法。方法 首先,采用SIFT算法获取同名点,并使用RANSAC算法进行优化,通过同名点计算仿射变换矩阵;建立格网点,利用仿射变换、Harris兴趣值及最小二乘法提高密集匹配结果的精度;其次,采取Freeman链码优先级算法提取直线,根据搜索区域内密集匹配点与直线位置关系完成特征线的初始匹配;最后通过线段重合度对初始匹配结果进行优化,并利用核线约束确定同名直线端点。结果 选取存在旋转、尺度、遮挡的近景影像进行线特征匹配实验,结果表明,与其他直线匹配方法相比,本文方法不仅在直线匹配成功数目上约为经典算法的1.07~4.1倍,而且直线匹配正确率也提升0.6%~53.3%,具有较好的准确性和鲁棒性。结论 通过多重约束有效地减小了立体影像中线特征匹配时的搜索范围,提高了直线匹配速率,且该方法适用于不同类型几何变化下的近景影像数据,并能较好地改善直线断裂及遮挡问题。     

对极约束下的相位相关图像匹配算法

针对经典相位相关匹配算法（POC algorithm）因计算量过大不适合应用在高分辨率稠密匹配场合的问题, 提出了一种新型的相位相关稠密匹配算法。在稠密匹配策略基础上将对极几何约束引入相位相关函数, 实现二维函数拟合到一维函数拟合的转变, 达到了在保持匹配精度的同时大幅缩短算法运行时间的目的。实验表明, 本算法在匹配精度和算法运行时间上都优于采用相似匹配策略的基于灰度的匹配算法, 具有很强的实用性。     

A stereo vision technique using curve-segments and relaxationmatching

A multichannel feature-based stereo vision technique where curve segments are used as feature primitives in the matching process is described. The left image and the right image are filtered by using several Laplacian-of-Gaussian operators of different widths (channels). Curve segments are extracted by a tracking algorithm, and their centroids are obtained. At each channel, the generalized Hough transform of each curve segment in the left and the right image is evaluated. The epipolar constraint on the centroids of the curve segment and the channel size is used to limit the searching space in the right image. To resolve the ambiguity of the false targets (multiple matches), a relaxation technique is used where the initial scores of the node assignments are updated by the compatibility measures between the centroids of the curve segments. The node assignments with the highest score are chosen as the matching curve segments     

基于三视图约束的基础矩阵估计

考虑到只依赖对极几何关系的匹配点余差并不能完全区分匹配点的正确与否,从而影响内点集选取的情况,提出基于三视图约束的基础矩阵估计算法。首先,使用传统随机抽样一致性（RANSAC）算法计算三视图的任意两对相邻图像间的基础矩阵,确定三视图中共有的匹配点对,并计算估计基础矩阵时非共用图像上的匹配点在共用图像上的极线;然后,计算两条极线的交点与共用图像上对应匹配点间的距离,以距离值的大小作为内点判断的依据,得到新的内点集。在新内点集的基础上,采用M估计算法重新计算基础矩阵。实验结果表明：该方法可以同时降低噪声和错误匹配对基础矩阵精确计算的影响,精度优于传统鲁棒性算法,使点到极线的距离限制在0.3个像素左右,而且计算结果具有稳定性,可以被广泛地应用到基于图像序列的三维重建和摄影测量等领域中。