基于点不变特征的亚像素级图像配准技术

图像匹配是图像处理和计算机视觉领域的一个基础问题,它源自多个方面的实际问题.点特征匹配的首要任务就是提取稳定的特征,并进行描述.该特征能对旋转、尺度缩放、仿射变换、视角变化、光照变化等图像变化因素保持一定的不变性,而对物体运动、遮挡、噪声等因素也保持较好的可匹配性.提出一种基于点的尺度、旋转不变特征变换（SIFT）算法的亚像素级图像配准算法,首先在尺度空间进行特征检测,并确定关键点的位置和关键点所处的尺度,然后使用关键点邻域梯度的主方向作为该点的方向特征,以实现算子对尺度和方向的无关性.该方法具有旋转、尺度缩放、亮度变化不变性,对视角变化、仿射变换、噪声也保持一定程度的稳定.独特性好,信息量丰富,适用于在海量特征数据库中进行快速、准确的匹配.高速性,该匹配算法可以达到实时的要求.     

基于良分布的亚像素定位角点的图像配准

针对Harris检测出的角点位置会发生偏移和易产生伪角点,以及在角点匹配过程中计算复杂,容易产生误匹配等缺点,该文提出了基于良分布的亚像素定位角点的图像配准方法。该方法首先使用多尺度Harris算子检测图像的角点作为初始兴趣点,并采用自适应非极大值抑制对兴趣点的数量进行限制,以减少后续过程的计算复杂度,提高算法效率,同时使得角点在图像中处于良分布状态。然后利用亚像素定位技术进行精确定位,排除伪角点和不稳定的角点。最后使用随机抽样一致性算法对初始匹配进行鲁棒的模型参数估计。实验结果表明算法配准效率改进明显,并具有良好的精确性和鲁棒性。     

基于相位相关和模板匹配的亚像素图像配准参数估计

针对图像配准中的亚像素参数估计问题,提出了一种相位相关和模板匹配相结合的方法。该方法先采用相位相关法进行粗配准,找到整像素平移;然后运用模板(窗口)匹配和基于最小二乘的曲面拟合法实现亚像素图像配准参数估计。通过实验表明该方法可以充分利用FFT的高效运算,达到亚像素精度。     

快速亚像素图像配准算法研究

亚像素图像配准是图像配准技术中的研究热点.常用的亚像素配准算法是相位相关法与拟合方法的结合.针对该方法中存在的时间和精度不能同时达到最优的问题,提出了基于角度-平移信号频率估计的亚像素配准算法,利用相位相关中的交叉功率谱的角度信息构建出了角度-平移一维信号,运用DFT相位差分法准确估计出一维信号的频率,进而计算出图像间的亚像素平移量.通过在Matlab下仿真实验,验证了本文算法在时间和精度上均优于拟合法.     

考虑亚像素配准误差的超分辨率图像复原

超分辨率图像复原作为第二代图像复原方向,已成为目前国际图像复原界的一个研究热点.一般来说,超分辨率图像复原是一个病态问题,可以结合图像的先验信息,使其成为良态的,这需要有效的规整化算法.但是,规整化参数的选择多数情况是通过经验确定的,且现有的一些计算规整化参数的方法又过于繁琐.本文讨论了亚像素配准误差引入的情况下噪声的统计模型,利用Miller规整的思想给出了简易可行的规整化参数计算方法.这种规整化参数计算方法能够自适应地根据配准误差和观测噪声局部调整由于配准误差导致的失真.仿真结果表明得到的规整化参数能使规整化算法有效收敛.     

图像插值方法对互信息局部极值的影响分析

多模态图像配准中常使用互信息作为配准度量,互信息中的联合概率密度函数一般是利用图像灰度对的统计值来代替的,而图像插值可能产生新的灰度对,造成互信息出现局部极值。该文利用一维信号从理论上分析了线性和最近邻两种插值方法对互信息的影响。理论分析表明,线性插值造成互信息局部极值的可能性较小,而最近邻插值会使互信息出现周期性局部极值。试验结果证实了该文的结论。分析结果对基于互信息的多模态图像配准具有理论参考价值。     

基于SURF和矩阵乘法的超大规模遥感图像亚像素配准算法研究

图像配准是一项基本而又非常关键的图像预处理技术.在很多应用领域,要求配准精度达到亚像素级.现有的相位相关法具有精度高、计算简单等特点,但是随着图像规模的增大,计算付出的时间代价是巨大的.本文提出基于SURF和矩阵乘法相位相关法的超大规模遥感图像亚像素配准算法,采用化整为零的方法,首先把整幅图像划分成不同区域,其次使用改进的Canny算法进行边缘分割,去除无用信息,再次使用SURF算法提取特征,最后在关键点周围使用矩阵乘法相位相关估计图像亚像素偏移量.实验表明本文提出的算法不仅提高了算法运行速度,同时也解决了图像尺寸太大导致一般计算机无法处理的问题.并且由于矩阵乘法相位相关的良好抗噪声特性,因此即使存在噪声,算法仍然可以获得较高的亚像素偏移量估计精度.     

基于亚像素图像拼接的透明元件视觉测量方法

针对透明光学元件特征不明显以及机器视觉难以进行大视场、高精度尺寸测量的问题,提出一种基于亚像素图像拼接的视觉测量方案。该方案对相机坐标系与世界坐标系间的旋转角进行标定,获得精确的尺度因子与图像预匹配结果;图像坐标系旋转角校正后小于0.1°;通过添加网格背景实现透明元件特征匹配。所提基于滑动窗口预匹配、随机采样一致性筛选最佳偏移向量的配准算法,使图像拼接精度达到0.05 pixel,较已有研究明显提升。将该方案应用于透明光学元件视觉检测系统中,在移动精度仅为0.02 mm的条件下,获得了平均误差为0.12 pixel的图像拼接结果,实现了透明光学元件的大视场、高精度尺寸测量。     

一种亚像素级的运动模糊点扩散函数的估计方法

对于运动模糊图像恢复,点扩散函数估计的准确性直接影响恢复结果.针对任意方向上的运动模糊图像,本文提出了一种亚像素级的点扩散函数的估计方法,将亚像素的作用近似为近邻像素间的加权和,由此获得对点扩散函数的精确估计.实验结果表明,本文所提出的方法能够获得较好的图像恢复效果.     

基于互信息和多智能体优化的合成孔径雷达图像配准

提出了一种基于互信息的多智能体优化方法,并将其用于合成孔径雷达(Synthetic Aperture Radar,SAR)图像的配准.采用归一化互信息作为度量准则,直接利用图像的灰度数据进行配准,没有假设图像间灰度值的线性关系,不需要对图像做分割、特征提取等预处理,并利用多智能体优化算法寻找最佳匹配参数,以得到最优的配准结果.实验表明,该算法在SAR图像配准方面有更好的普适性和更高的配准精度.     

一种改进的医学图像深度信息恢复算法

针对医学图像深度信息恢复的实时性问题,提出了一种Harris角点检测与SIFT特征点检测相结合的算法,提取医学图像的特征点,采用欧式距离作为相似性判定准则将特征点进行匹配,克服了传统SIFT算法提取特征点过多、耗时长的问题。并对获得较致密的视差图,运用三角测量的方法恢复医学图像的深度信息。实验结果表明,文中所提算法在缩短了医学图像深度信息恢复的时间的同时提高了精度,验证了该算法的有效性。     

A Novel Method for Stereo Matching

1　ＩｎｔｒｏｄｕｃｔｉｏｎＴｈｅｍａｊｏｒｄｉｆｆｉｃｕｌｔｙｉｎｓｔｅｒｅｏｖｉｓｉｏｎｉｓｔｈｅｃｏｒ ｒｅｓｐｏｎｄｅｎｃｅｐｒｏｂｌｅｍｏｒｍａｔｃｈｉｎｇｂｅｔｗｅｅｎｆｅａｔｕｒｅｓｉｎｔｗｏｏｒｍｏｒｅｉｍａｇｅｓ,ｆｒｏｍｗｈｉｃｈｏｎｅｃａｎｅｖａｌｕａｔｅｔｈｅｐｏｓｉｔｉｏｎｓｏｆｏｂｊｅｃｔｓｉｎ 3Ｄｓｐａｃｅ .Ｔｈｉｓｉｓｍａｉｎｌｙｂｅｃａｕｓｅｔｈｅｄｅｆｏｒｍａｔｉｏｎｏｆｏｂｊｅｃｔｓｆｒｏｍｄｉｆｆｅｒｅｎｔｖｉｅｗｉｎｇｐｏｉｎｔｓａｎｄｔｈｅｐａｒｔｉａｌ…     

智能三坐标测量机零件位姿识别中的立体匹配

为提高三坐标测量机零件位姿识别的效率和准确率,提出了一种基于图像质心偏移的立体匹配新方法。将CCD摄像机安装在三坐标测量机的Z轴上,利用三坐标测量机的精确平移特性,构成单摄像机立体视觉系统,在两个不同位置获取被测零件的实时图像,对其进行处理得到图像质心,将图像质心的偏移距离作为约束条件完成立体匹配。该方法避开了极线约束、灰度约束等复杂约束条件,实验表明该方法可以达到较高的匹配精度,实验件的匹配时间为1.818s。     

基于扩展相位相关的小基高比立体匹配方法

为获得高精度亚像素级视差以满足小基高比摄影测量需求,提出一种基于扩展相位相关的小基高比立体匹配方法.该方法采用分步式策略,首先利用自适应窗口匹配法计算整像素级视差,然后在整像素级视差的指导下建立同名像点之间的对应关系,再分别以左右同名像点为中心截取子图像,最后利用扩展相位相关匹配法对子图像进行亚像素级匹配,获得亚像素级视差.采用小基高比立体像对和带有亚像素级视差的模拟立体像对进行实验,结果表明基于扩展相位相关的小基高比立体匹配方法在精度和效率方面具有优越性能.     

一种基于贝叶斯理论的高效立体匹配方法

在立体匹配中,同时保证算法的精度和速度是一个技术难题。提出了一种基于贝叶斯理论的快速稠密立体匹配算法。将贝叶斯概率分布理论应用到立体匹配问题上,利用MSERDoG算子提取支撑点,像素灰度值作为匹配代价、固定窗口作为代价聚合对其进行匹配,对匹配好的支撑点进行三角剖分,将支撑点的视差、梯度、三角剖分的线性系数及分割作为计算视差的先验概率条件,从而保证了有效的视差搜索空间,提高了匹配效率。最终通过最小化能量函数获得稠密的视差图。在国际标准Middlebury平台进行实验,结果表明提出的算法匹配精度高,速度快,误匹配率低,匹配效率高。     

基于改进互信息的红外目标匹配跟踪算法

红外图像具有高噪声、低分辨率的特点,使图像特征提取时很难达到一致,并且图像的损失较大。针对传统互信息只考虑图像灰度信息而忽略了像素之间空间位置相互关系的缺点,同时考虑像素灰度值及其对应梯度的信息,将图像的空间信息通过灰度-梯度联合矩阵引入到互信息的计算过程,提出一种基于梯度联合互信息量测度的红外目标匹配跟踪算法。仿真实验结果表明该算法不仅收敛性强、跟踪稳定,而且具有匹配跟踪精度高的特点,在目标出现遮挡时也能很好的跟踪目标。     

基于双目立体视觉的快速人头检测方法

为满足人流统计实时性的要求,提出一种人头检测算法。该方法对双目相机采集的图像通过运动目标检测分离出运动人员所在区域,对这些区域使用融合区域匹配和特征匹配的快速匹配方法,即利用视差的连续性只对强纹理点进行绝对误差累积(SAD)匹配,其他点只进行简单的视差验证,能够得到稠密的视差图,再由三角投影关系计算出深度图。由于双目立体成像得到的深度图中人员与场景的深度分布不同,可以采用深度分层的方法将存在人头信息的深度层提取出来,经过数学形态学预处理再利用边缘检测会得到许多候选轮廓,最终利用轮廓的几何特征来判断轮廓是否为人头。实验表明:该算法可以很好地适应复杂场景下的人头检测,精度高、速度快。     

基于多任务学习的立体匹配算法

引入辅助任务信息有助于立体匹配模型理解相关知识,但也会增加模型训练的复杂度。为解决模型训练对额外标签数据的依赖问题,提出了一种利用双目图像的自相关性进行多任务学习的立体匹配算法。该算法在多层级渐进细化过程中引入了边缘和特征一致性信息,并采用循环迭代的方式更新视差图。根据双目图像中视差的局部平滑性和左右特征一致性构建了损失函数,在不依赖额外标签数据的情况下就可以引导模型学习边缘和特征一致性信息。提出了一种尺度注意的空间金字塔池化,使模型能够根据局部图像特征来确定不同区域中不同尺度特征的重要性。实验结果表明:辅助任务的引入提高了视差图精度,为视差图的可信区域提供了重要依据,在无监督学习中可用于确定单视角可见区域;在KITTI2015测试集上,所提算法的精度和运行效率均具有一定的竞争力。     

基于引导滤波及视差图融合的立体匹配

立体匹配是双目视觉领域的重要研究方向.为在保证图片纹理区域匹配精度的同时降低弱纹理区域的误匹配率,提出一种基于引导滤波及视差图融合的立体匹配方法.首先,根据图像颜色相似性将图片划分为纹理较丰富区域和弱纹理区域.接着,分别采用不同参数的引导滤波进行代价聚合及视差计算,得到两张视差图.然后依据纹理区域划分的结果对获得的两张视差图进行融合.最后,通过左右一致性检测、加权中值滤波等视差优化步骤得到最终视差图.对Middlebury测试平台上标准图像对的实验结果表明,该方法在6组弱纹理图像上的平均误匹配率为9.67％,较传统引导滤波立体匹配算法具有更高的匹配精度.     

实时双目立体视觉系统的实现

依据双目立体视觉原理,对双目立体视觉系统的设计与实现展开研究,介绍了双目立体视觉系统的组成,并对系统涉及的主要关键技术进行了探讨。结合相关的硬件设备,利用VS2012软件开发平台实现了双目立体视觉系统。该系统可实时地进行图像采集、边缘检测、立体匹配等功能,同时由于采用3种确认算法,最大限度地去除错误匹配,得到良好的视差图。