基于区域邻接图的立体视觉边缘匹配算法

针对自然场景轮廓边缘的立体匹配问题,提出了基于区域邻接图的快速匹配算法.首先利用分水岭变换进行图像分割,根据分割区域边界确定图像中场景的轮廓边缘.基于由全局到局部、自上而下的分层匹配思想,匹配过程分为两步:第一步将轮廓边缘按其所属区域进行分组作为匹配基元进行匹配,匹配过程中根据边缘所属区域的位置,尺寸和灰度特征建立区域约束,并在边缘特征角点的引导下,按照区域邻接图采用类似区域生长的匹配策略实现边缘匹配,区域约束大大减少了边缘特征匹配的搜索空间、优化了匹配顺序.第二步则根据边缘匹配结果,以已匹配的边缘特征角点为基准点,在其引导下实现其他边缘点的快速立体匹配.实验结果表明,该算法匹配正确率能达到93%以上,是一种快速有效的立体匹配算法.     

结合Zernike矩的多尺度模板形状匹配

针对形状匹配中小波表达对起始点依赖的问题,提出一种结合Zernike矩的多尺度模板进行形状匹配的方法。该算法对输入图像进行预处理后提取目标轮廓,经过归一化处理得到目标形状的平移、尺度不变的链状表达,再通过小波变换进行多尺度分析;引入Zernike矩,利用Zernike矩的特性,实现小波表达的旋转不变性,解决了小波变换对起始点的依赖。匹配过程是以小波表达的各阶Zernike矩为特征向量,在由粗到精的尺度上进行的。实验结果表明,对于同一目标,原图像与旋转不同角度的图像的正确匹配率为91％。该算法适用于轮廓较明显的目标。     

基于多特征提取的越野智能车辆环境探测

为实时获取越野智能车辆前方的地形信息并有效检测出可能存在的障碍物,本文提出一种基于立体视觉传感器的环境探测方法.该方法首先对图像进行局部对比度增强,以减弱光照变化对立体匹配的影响并保证角点特征提取的均匀性.其次研究图像中障碍物的边缘特征提取方法,以避免障碍物的漏检.然后提出基于多特征提取的立体匹配流程,其中采用了随机采样序列方法计算基础矩阵,将基于边缘的匹配与基于角点的匹配独立进行以避免干扰,并引入连续性约束来剔除误匹配.最后,通过不同光照越野场景的环境重构实验验证算法的鲁棒性.     

一种基于矩特征和特征光流的运动目标跟踪方法

提出了一种基于矩特征和特征光流的运动目标跟踪方法.首先进行角点特征提取,按照提出的基于矩特征的局部范围内匹配角点的策略,完成了序列图像的角点匹配;然后,按照本文提出的光流聚类准则完成了两个图像目标的聚类.仿真实验表明,本文算法在减少计算量的同时可提高跟踪精度,且可克服目标做小角度旋转时的失跟问题.     

基于改进SIFT-ICP算法的物体点云建模方法

为了实现对任意摆放的物体的识别与位姿估计,需要得到物体的三维模型,提出了一种高效准确的物体三维点云模型构建方法。首先通过RGB-D传感器获取物体多角度数据,然后利用尺度不变特征变换(SIFT)特征点匹配和改进的迭代最近点(ICP)算法计算出各角度下传感器的相对位姿,进而生成目标物体所在场景的完整点云,并通过物体分割和点云后处理得到目标物体的三维点云模型。实验结果显示,构建的物体点云模型清晰且不失真,并保留了表面完整的特征信息。     

基于不变矩的图像匹配算法研究

机器视觉是智能信息系统的重要组成部分,而图像匹配技术是机器视觉理论和应用的基础,采用不变矩算法对图像进行匹配,通过矩的平移、缩放和旋转不变性,计算基准图不变矩与实时图不变矩之间的相似程度,从而实现图像匹配。实验表明,基于不变矩的图像匹配算法具有良好的抗几何失真的能力,匹配效果良好。     

一种基于边缘线的三目立体匹配方法

为实现准确的三维场景匹配,提出了一种基于边缘线的三目立体匹配方法.Canny边缘是一种常用的视觉特征,通过对Canny算子加以改进,提高了边缘线条匹配的可靠性.匹配过程分层次进行,首先通过边缘上少量点的成功匹配确定边缘线条间的对应关系,然后以此来约束该边缘上其他点的匹配.详细介绍了对应特征匹配所用的约束条件.首先,使用三目系统中第三个摄像机提供的额外极线约束,有效地减少了误匹配.由于常规所用的三目极线约束条件给出的匹配效果并不理想,提出了另外一种更加有效的三目极线约束应用方法.此外还介绍了边缘点的梯度方向约束,给出了基于以上约束条件的边缘线匹配算法.实验结果表明,该算法具有较高的匹配正确率,是一种有效的立体匹配算法.     

立体匹配算法的分类对比研究

立体视觉主要利用多图像成像技术,通过多个图像来获取物体的深度信息。本文首先叙述了常用的立体匹配算法的组成,将立体匹配算法分为三类,详细说明了三种匹配算法分类中具有代表性的块匹配算法、半全局立体匹配算法和图割法的具体实现步骤,从匹配速度和匹配效果上分析总结了三种算法的优缺点。最后概况归纳了现有的立体匹配算法所存在的问题以及对立体匹配算法发展的展望。     

模糊理论与BP网络在目标识别中的应用

针对利用神经网络进行目标识别时特征向量选取中存在的一些问题：如特征向量选取不当，导致不同目标特征向量值可区分性差；相同目标由于大小、平移、旋转角度的不同，导致特征向量值具有较大差异等，首先对样本图像边缘提取，然后对已有的隶属函数进行改造，提出了一种基于模糊理论的阈值分割法，把图像二值化处理，提取出样本图像中目标的边缘轮廓，对其取不变矩．并归一化不变矩．为了避免不变矩数值过小，对其取对数，以此作为BP网络的输入特征向量，进行训练和识别．试验表明该方法能快速有效地识别出目标．     

基于颜色矩的改进尺度不变特征变换的移动机器人定位算法

针对基于图像外观的移动机器人定位中图像特征提取与匹配实时性和准确性差的问题,提出基于颜色矩的改进尺度不变特征变换分级图像匹配算法。该算法先由颜色矩来排序图像序列,再由改进尺度不变特征变换特征与排序后图像序列精确匹配实现定位。其中,改进的尺度不变特征变换算法以基于采样的迭代搜索算法检测极值点,由Sobel算子计算特征点的梯度方向和幅值,提高尺度不变特征变换算法速度及匹配精度。实验结果表明:改进的尺度不变特征变换算法降低误匹配率约9.2%,特征提取与匹配耗时减少约25.8%;分级图像匹配算法减少尺度不变特征变换特征计算代价约70%,减少总体耗时约43.3%。     

基于Zernike矩的快速图像配准算法

图像配准是机器视觉中的重要研究课题.本文针对任意角度图像配准问题,提出了一种基于Zemike矩的互相关算法.首先根据三角函数的对称性和反对称性,仅基于八分之一单位圆信息,快速计算Zemike矩;然后通过求取图像多个矩的互相关性,确定配准点位置;进而通过最小二乘拟合,得到亚像素配准位置;最终利用Zemike相位信息,估算旋转角度.同时,在线阶段采用径向多项式查表法加速配准过程.实验结果表明,该算法在保障配准精度的前提下显著提高了配准速度.     

改进的多尺度Retinex耦合夹角约束的图像匹配算法

目的 解决当前图像匹配算法难以适应缩放等仿射变换图像之间的匹配,导致其鲁棒性以及匹配正确性不佳的问题。方法 提出基于改进多尺度Retinex方法耦合夹角约束法则的图像匹配算法。利用双边滤波代替多尺度Retinex方法中的高斯滤波,对多尺度Retinex方法进行改进,以降低图像中噪声与光晕等因素的影响。随后再引入Harris算法来检测图像的特征,通过求取特征点圆域内的Haar小波响应向量和主方向,并以主方向为起点构建扇区,提取扇区内的灰度特征,以获取相应的特征向量,从而生成特征描述符。通过特征点对应的特征向量构成的夹角,建立夹角约束法则,以完成特征点匹配。最后,利用归一化互相关函数检测错误匹配点,并对匹配效果进行优化。结果 文中算法较当前图像匹配方法,具有更好的匹配正确度以及鲁棒性能,当缩放比例达到50%时,其匹配准确率仍可维持在90.08%左右。结论 文中算法在多种几何攻击下仍具有较高的匹配精度,在图像处理、信息安全等领域具有良好的参考价值。     

Research on Extraction of Bottom of Shoe Pattern Based on Binocular Stereo Vision

In order to quickly and efficiently get the information of the bottom of the shoe pattern and spraying trajectory,the paper proposes a method based on binocular stereo vision. After acquiring target image,edge detection based on the canny algorithm,the paper begins stereo matching based on area and characteristics of algorithm. To eliminate false matching points,the paper uses the principle of polar geometry in computer vision.For the purpose of gaining the 3D point cloud of spraying curve,the paper adopts the principle of binocular stereo vision 3D measurement,and then carries on cubic spline curve fitting. By HALCON image processing software programming,it proves the feasibility and effectiveness of the method.     

采用邻域差值特征模板的立体匹配方法

提出了一种基于邻域差值特征模板的立体匹配方法。该方法通过计算一幅图像中间隔一定距离的两点的像素邻域差值作为特征模板,再计算另一幅图像中在同一扫描线上间隔同样距离的像素邻域的差值,将它与特征模板的偏差作为匹配标准,偏差最小的点就认为是匹配点。在同等条件下,与区域相关法相比,该方法能够将运算的速度提高3倍,且同样能够得到精确浓密的视差图。实验证明,该算法结构简单,易于实现,能够处理复杂的场景,具有良好的实验效果和实用价值。     

利用立体视觉的砂轮地貌三维表面重构

提出一种利用双目图像以恢复砂轮地貌三维表面的方法,通过基于灰度的面匹配法对双目图像精确匹配,然后利用双目视觉成像原理,求出该样本点在世界坐标系的坐标。在此一系列样本点的世界坐标基础上,可得待恢复区域的三维外轮廓线和外轮廓面,通过面元内插法可以得到三维场景的精确恢复。实验结果表明,该算法能有效恢复砂轮地貌的三维表面信息。     

基于双目立体视觉的物流包装箱尺寸测量研究

目的 针对物流行业运输中包装箱的非接触自动测量,提出一种基于改进SURF配准算法的双目立体尺寸测量方法。方法 首先采用二进制FREAK描述子代替传统SURF的描述子,解决传统SURF描述子计算耗时、描述向量生成依赖于特征主方向,且主方向计算误差会在后续步骤中出现传导放大 的缺点;其次,采用PROSAC删除误匹配点,并利用FREAK级联匹配的方式进一步提高算法的匹配 速度和匹配准确率。最后,利用视差优化和边缘提取算法获得精确三维空间体,实现非接触尺寸测量。结果 实验表明改进算法可快速提取图片特征点并准确匹配,对不同规格包装箱检测结果显示,基于改进算法的测量方法测量误差小,检测速度快。结论 改进图像匹配算法可有效提高图像匹配准确率,减少测量时间,对于提高物流行业运输效率、减少人工成本具有重要意义。     

基于轮廓特征的图像配准

提出了一种新的基于轮廓特征的图像配准算法,首先提取图像轮廓并计算每个轮廓点的法向角,然后对轮廓点法向角进行直方图统计,通过对两幅图像的轮廓点法向角直方图进行圆周相关计算便可快速估计出两幅图像所存在的旋转角度.由于旋转角度参数的求出通常可以大大简化配准变换模型中其他参数的估计,因而这种方式可以实现快速配准.这种利用轮廓点法向角来估计旋转角度的方式具有旋转、平移和尺度不变性,并对轮廓缺失以及存在噪声的情况均具有很高的鲁棒性,可广泛适用于存在闭合轮廓与开轮廓的各种情况.本文所提出的配准算法已成功应用于PCB缺陷检测中实现了参考图像轮廓和待检测图像轮廓的快速精确配准.