基于p2-不变量的透视变换下的点模式匹配方法

点模式匹配是计算机视觉和模式识别领域中的一个重要问题 .通过研究 ,在假定待匹配的两个点模式中已知有三对点整体对应的前提下 ,基于射影坐标以及对投影变换和排序变换同时保持不变的 p2 -不变量等理论 ,通过定义一种广义距离 ,给出了一种求解透视变换下 ,点数不等的两个平面点模式匹配问题的新算法 .理论分析和仿真实验表明 ,该算法是快速、有效的     

基于凸壳的透视变换下的点模式匹配方法

1　引言点模式匹配是计算机视觉和模式识别领域中的一个重要课题 .它的主要任务是 ,将满足一定几何变换关系的同一场景的两幅图像中的点 ,进行匹配成对 ,从而识别和定位物体 .它适用于解决基于光学传感器的应用中的许多问题 ,如图像配准、物体识别、目标跟踪、自主导航和姿态测定等 .鉴于透视变换下点集匹配问题的复杂性 ,有些研究者对问题作了某种近似和简化 ,如 :当物体的大小和物体与相机的距离相比可忽略不计时 ,相机成像的透视变换可用仿射变换来有效近似[1 ,2 ] .但这种假设在许多实际应用中是难以成立的 (文献 [3 ]中专门研究了用仿…     

基于空间透视不变量的摄旬有机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法。空间透视不变量是指在几何变换中如投影或改变观察时保持不变的形状描述。     

基于灰度差分不变量的点特征匹配

本文提出了一种新的基于灰度差分不变量的点特征匹配方法。首先，利用灰度差分不变量获得点集之间的初始匹配；然后，利用初始匹配快速、稳健地估计图象之间的唯一几何约束－对极几何约束；最后，利用对极几何约束改进初始匹配。大量的实际图象实验表明，本文所提出的匹配算法有非常快的运算速度和很高的匹配正确率。     

基于双灭点的图像透视变换方法

对监控场景中目标的精确定位,需要进行图像坐标系与世界坐标系之间的转换。而在实际应用中,由于安装因素等原因,难以获取摄像机的图像坐标系与世界坐标系之间转换的参数。提出一种基于双灭点的图像透视校正方法。通过分析世界坐标系中4个控制点在图像坐标系中的位置关系,实现透视投影下图像坐标系与世界坐标系之间的转换。实验结果证明该方法简便实用。     

基于空间透视不变量的摄象机标定方法

本文给出了一种以空间不变量的数据来计算摄象机外部参数的方法．空间透视不变量是指在几何变换中如投影或改变观察点时保持不变的形状描述．由于它可以得到一个相对于外界来讲独立的物体景物的特征描述，故可以很广泛的应用到计算机视觉等方面．摄象机标定是确定摄象机摄取的２Ｄ图象信息及其３Ｄ实际景物的信息之间的变换关系，它包括内部参数和外部参数两个部分．内部参数表征的是摄象机的内部特征和光学特征参数，包括图象中心（Ｃｘ，Ｃｙ）坐标、图象尺度因子Ｓｘ、有效的焦距长度ｆ和透镜的畸变失真系数Ｋ；外部参数表示的是摄象机的位置和方向在世界坐标中的坐标参数，它包括平移矩阵Ｔ和旋转矩阵Ｒ３×３，一般情况下可以写成一个扩展矩阵［ＲＴ］３×４．本文基于空间透视不变量的计算数据，给出了一种标定摄象机外部参数的方法，实验结果表明该方法具有很强的鲁棒性．     

关于透视变换的研究

针对透视图形变换中“二点透视图、三点透视图是经过旋转平移方法获得的”的提法进行了研究,认为该提法获得的透视图与二点透视、三点透视的基本概念不相符,实际是属于一点透视下二个灭点,三个灭点的透视图,文中分别给出二点透视图和一点透视下二个灭点的透视图,并进行了论证。     

基于目标不变量的识别方法研究

一、引言不变量理论在80年代末引入计算机视觉领域,1991年召开了不变量在计算机视觉应用方面的国际研讨会。目前,对这一课题的研究引起了国内外学者的极大兴趣。视觉不变量理论的优点在于它对目标形状的描述不受目标物体的姿态、透视投影和摄像机内部参数的影响。同时它可以冗余地表示目标全局结构特征,当发生部分遮挡时,可以从剩余部分计算出表示全局的结构不变信息。     

一种基于极坐标变换的点模式匹配算法

点模式匹配是目标识别、图像配准与匹配、姿态估计等计算机视觉与模式识别应用方向的基础问题之一。提出了一种新的利用点特征进行匹配的算法,该算法根据点集的分布与点位置信息,构建了点的特征属性图,通过极坐标变换得到对数极坐标的特征图,并利用几何不变矩方法对特征图进行描述。由特征描述向量的比较,获得粗匹配结果,然后通过几何约束迭代的方法获取最终的点集匹配结果。本文贡献如下:一,构建了一种点的极坐标变换特征,并运用不变矩进行描述,使所提特征具有旋转与平移的不变性;二,提出了利用点特征与整体点集几何约束结合的匹配算法,能有效克服出格点与噪声带来的不利影响。最终实验说明了算法的有效性和鲁棒性。     

一个基于代数不变量的目标识别算法

首先给出了用于代数不变量的“参照系”和“坐标”的概念,然后给出了一个基于代数不变量进行目标识别的算法,最后给出了算法的实验结果。     

点模式匹配在羽毛弯度测量中的应用

点模式匹配是计算机视觉和模式识别领域中的重要课题,点模式匹配有效地避免了图像匹配计算量很大,匹配效率、匹配精度低和匹配时间长,不利于工业在线测量的缺点;采用了优化搜索路径的逐步匹配的点模式匹配方法进行羽毛弯度测量,根据不同测量精度要求进行算法上的调整,有效地提高了羽毛的匹配速度以达到提高识别速度的目的,增强了机器视觉在工业产品识别的使用价值,在羽毛自动分拣系统上实验证明,这种优化的点模式匹配算法是可行的.     

基于线性变换模型的图像匹配

针对图像的平移、旋转、尺度变换等整体匹配,提出了一种图像线性变换的匹配算法.首先定义待匹配图像匹配点间的线性变换模型,以对应像素灰度差平方和作为图像匹配误差函数,然后借助最小化误差函数确定参数迭代增量,由迭代法求得最佳线性变换参数.为减少计算量与提高收敛速度提出了三种改进策略:增加权函数、图像网格点采样和增加加速动量项.实验显示对于小范围平移、旋转及尺度变换的图像能进行准确快速的整体匹配,而改进策略能有效提高图像匹配速度.     

基于变分贝叶斯逼近的前向仿射变换点集匹配方法研究

本文建立了两个点集线性匹配过程的贝叶斯模型框架,并利用变分贝叶斯逼近方法对模型点集到场景点集的仿射参数进行估计。该模型利用一个有向图对映射参数、隐藏变量、模型与场景点集的关系进行了描述,并基于有向图给出了各个参数和变量后验概率的迭代估计算法。而且该模型还利用了一个带有各向异性协方差矩阵的高斯模型对场景点集的离群点进行了估计和推理。实验结果表明该模型在鲁棒性和匹配精度方面均获得了良好的效果。     

一种光照度不一致鲁棒立体匹配算法

为了提高光照度不一致立体图像对的匹配率,提出一种基于对数颜色空间下改进极线距离变换的立体匹配算法.在对数颜色空间下,首先根据初始视差图计算立体图像对的灰度比;然后,采用与灰度比成比例的灰度误差系数,分别对左右图像进行极线距离变换;最后利用置信度传播算法计算视差图.理论上,本文算法的匹配结果不会受光源位置、光源谱分布、光照强度以及摄像机参数设置等光照度不一致因素的影响.实验表明:本文算法的匹配率相对于原始极线距离变换算法最多可提高60%;而应用于弱纹理图像对时,相对于当前先进的自适应归一化算法,匹配率最多可提高78%.     

基于二进小波变换的子线段匹配方法研究

提出了一种基于小波变换的子线段匹配方法.该方法利用样条二进小波变换系数在不同尺度下的模极大点能提供在不同尺度下信号急速变化点的位置信息的特点,以该位置点为子线段的端点,采用由粗到细的匹配策略匹配这些端点,根据顺序一致原则,快速匹配子线段两端点之间的点.这种方法较好的解决了匹配精度和匹配速度之间的平衡问题.采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况.     

一种基于轮廓匹配的近岸舰船检测方法

海岸线上或港口内的舰船检测具有很大的实际意义,尤其是目标的变化检测。但由于近岸背景的干扰,很难用传统的海面舰船检测方法实现。针对这一问题,提出了一种基于部分Hausdorff距离测度的图像轮廓匹配方法,适于近岸舰船检测。该方法具有如下特点：①利用快速距离变换和金字塔分解加速Hausdorff距离匹配实现;②由原图像逐级构造轮廓金字塔,避免了轮廓信息的过度采样。实验用卫星数据对该方法的性能进行了验证和分析。     

模糊匹配中的匹配度计算方法

介绍模糊推理机制中用于解决普通模糊匹配冲突问题的常用方法,包括海明距离和指数法。基于指数法提出类指数法和绝对值差积法,根据相似度的定义证明其正确性。算例比较结果表明,绝对值差积法的性能优于其他3种方法。     

基于改进Chamfer匹配的台标识别

已有电视台台标的识别技术多基于视频流处理,实时性较差,且对半透明台标识别效果不佳。为此,提出一种基于改进Chamfer匹配的台标识别方法。利用Canny算子提取台标边缘颜色及梯度方向,采用RANSAC算法对台标边缘进行优化,通过距离变换计算边缘梯度方向的距离图,并基于距离最短准则对其识别。实验结果表明,该方法能实现台标的单帧识别,克服半透明台标的识别难题,平均识别率达97.7%,平均识别时间为801 ms。     

基于图像匹配技术的飞机识别

从图像匹配原理着手,采用了3种模板匹配方法：基于德耳塔相关度量,基于改进Hausdorff距离算法和基于序贯相似性检测算法,对机场飞机进行匹配和识别。实验结果证明了这3种方法的有效性。