基于相位一致性的异源图像匹配方法

异源图像由于亮度和对比度差异较大,采用基于灰度和梯度信息的局部特征匹配方法匹配正确率较低。针对该问题,提出一种基于相位一致性和梯度方向直方图的异源图像匹配方法。该方法首先采用具有亮度和对比度不变性的相位一致性方法提取异源图像特征点和边缘图像,并以特征点为中心,选取100×100的边缘图像作为特征区域,统计梯度方向直方图,生成64维特征描述符;然后,选用归一化相关函数作为匹配测度,采用双点匹配方法选取一个特征点的两个较优的候选匹配点,并采用RANSAC方法进行匹配点提纯;最后,基于局部归一化互信息方法和最优化方法进行匹配点精确定位,提高匹配精度。实验结果表明,该方法在可见光、近红外、中波红外和长波红外等异源图像匹配中具有较好的匹配性能,平均匹配正确率高达88%,是SURF匹配方法的3.4倍。     

基于多阈值归一化分割的模糊图像边缘分割算法

模糊图像边缘的像素特征较为复杂,一般需要采用多个阈值作为分隔约束条件的方法来进行图像边缘分割,但是该方法存在诸如多阈值无法形成统一标准、边缘提取过程需要多次校对,以及效率较低等缺点.提出一种基于多阈值归一化分割的模糊图像边缘分割算法,通过设计超像素网格对模糊图像边缘特征的像素进行匹配,分析模糊图像的反调张量信息,并根据不同张量信息对多阈值进行归一化,以及采用灰度窗口相关系数匹配方法,将获得的多阈值归一化结果分别覆盖图中的单一目标对象,以实现模糊图像的边缘分割.实验表明,利用该算法进行模糊图像边缘分割能较好地获取图像的边缘细节特征,使得边缘具有更好的连线段连通性和宽度一致性.     

基于改进匹配代价和均值分割的最小生成树立体匹配算法

尽管传统的立体匹配模型在精度和鲁棒性方面都表现出了良好的性能，但在弱纹理和深度不连续区域的视差精度问题依然存在。针对上述问题，提出了一种基于改进匹配代价和均值分割的最小生成树立体匹配算法。首先，在匹配代价计算阶段，通过Census变换进行初始匹配代价计算，利用Sobel算子对输入图像进行边缘信息提取，将提取后的图像边缘信息与Census变换后的匹配代价值进行融合，并将其与基于图像亮度信息的代价值进行非线性融合，以提高匹配代价的精度；然后，使用最小生成树代价聚合模型进行聚合操作并利用赢者通吃策略估计图像的初始视差；最后，在视差优化阶段，采用MeanShift算法对图像进行分割，结合图像的轮廓信息对误匹配点进行修正，进一步提高在弱纹理及边缘区域的视差精度。实验结果表明，与一些传统算法相比，所提算法具有更高的视差精度，且视差图的边缘、纹理较其他算法更为平滑，具有更强的鲁棒性。     

基于相位信息的目标分割算法

针对复杂背景下,红外目标与背景的亮度或对比度发生变化等因素会影响目标的分割结果的问题,构造了一种基于边缘相位信息的分割算法。该算法首先利用系数间积(ICP)变换获取图像边缘的相位信息,并进行边缘提取;再根据边缘像素点的相位与幅值,确定后续区域生长的种子与判决条件;最后采用区域生长思想对整幅图像实施分割。仿真结果表明,该算法不受亮度和对比度变化影响,准确有效地实现红外图像分割,避免了传统的分割算法所导致的图像边缘信息丢失。     

一种新型的图像边缘检测技术

针对传统的数学形态学边缘检测算法,提出一种新型的基于数学形态学的膨胀,腐蚀,开,闭等变换,采用不同方向不同尺度结构元素对图像进行边缘检测,大尺度结构元素清除噪声,小尺度结构元素获取完整的边缘。通过计算获取边缘的信息熵,自动匹配权值系数,进而得到最终图像边缘的完整信息。此方法能够有效地抑制噪声,保持边缘信息的完整性,精确性。     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

基于双曲面折反射相机的柱面全景立体成像

为满足机器人导航、视频监视和场景建模等领域实时获取全景深度信息的需要,提出了一种利用2个双曲面折反射相机同轴放置实现全景立体成像的方法,并推导了这种全景立体视觉系统的深度计算公式。为了简化全景立体图像对的匹配和深度计算,建立了满足针孔成像模型的虚拟柱面相机,使通常的双目视觉算法适用于柱面全景图像对的深度信息提取。建立了全景立体成像实验装置,提取出了反映场景深度信息的360°柱面全景浓密视差图。     

一种基于特征点三维信息的自然路标提取与快速匹配方法

自然路标提取与匹配是vSLAM的基础。文中提出了一种基于特征点三维信息的自然路标提取、局部特征描述与快速匹配方法。采用双目视觉获取环境图像,提取左右目图像的特征点,并进行匹配。建立左摄像机坐标系下的每个匹配点的三维信息,提出视场约束规则对特征点进行过滤。在此基础上基于改进的MeanShift聚类算法进行自然路标提取。提出一种路标描述符,可以快速进行两个聚类的匹配。该方法可以有效提取非结构化环境中的自然路标,对机器人位姿估计精度要求较低。     

图像多通道边缘信息辅助的快速立体匹配算法

提出一种基于图像边缘及色彩信息辅助的立体匹配算法.首先给出一种彩色边缘侦测算子来获取彩色图像边缘信息,利用基于归一化相关系数的极线立体匹配得到视差图像边缘像素的视差信息.然后利用已获取彩色图像对的边缘信息对双步骤动态规划匹配策略进行匹配指导,获取稠密视差图并进一步优化.实验表明,提出的算法能很好地降低图像对中强度接近物体的误匹配概率的同时,有效提高匹配算法的运行效率.     

智能迷宫机器人系统设计与搜寻算法研究

智能迷宫机器人利用红外传感器,探测正前方及左右两侧的实时路况信息实现避障功能,采用相关算法搜寻行进路线,在无人控制的情况下自主地破解迷宫。在此介绍了智能迷宫机器人的具体设计与实现,并着重对迷宫算法进行研究。考虑到实际系统内存容量和运算速度的限制以及常用算法的优缺点,提出一种优化的深度优先算法,它具有占用内存空间少,对处理器的速度要求低等特点。经实验验证,该算法可以准确快速地找到终点。     

基于PMP的岩芯样品裂缝三维重构方法

提出了一种对岩芯样品内部裂缝进行高精度三维重构的新方法.该方法运用相位测量轮廓术(PMP)测得岩芯两裂面的三维面形,利用高度信息提取两裂面的边缘轮廓,避免了传统的基于灰度信息提取边缘受背景和阴影的影响,采用相关度最值算法实现两裂面的轮廓匹配和高度匹配,以岩芯表面裂纹特征为基础获取了岩芯内部裂缝的宽度和体积,实现了岩芯裂缝的三维重构,三维重构重复精度优于20 μm,为裂缝性油气藏开发中面临的裂缝预测提供了一种有效方法.实验证明了该方法的可行性和实用性.     

基于人工智能的无人机测绘遥感图像信息提取方法

针对遥感图像信息提取过程中,因训练样本过大而导致提取结果不精准的问题,提出了基于人工智能的无人机测绘遥感图像信息提取方法。根据每一张图像数据的归一化指数构建图像信息提取模型;采用人工智能的机器学习卷积过程对图像信息进行降维处理;融合图像特征,获取概率特征图,构建目标相对优属度矩阵,共享卷积过程中的权值,实时更新机器学习的判别参数。使机器学习过程与判别过程平衡,将卷积得到的特征图连接起来作为判别依据,判别图像真假,由此提取图像真实信息。引入一个模型复杂性惩罚项,控制训练样本数量,实现无人机测绘遥感图像信息提取。实验结果表明,所提方法提取精度最高为0.93,损失程度最高为0.22,该方法信息提取精准度较高。     

印制电路板光电图像边缘信息提取

针对印制电路板(printed circuit board, PCB)光电图像模糊且含噪声的具体情况,提出了改进的边缘信息提取算法。首先分别对自适应模糊集增强算法与数学形态学边缘检测算法(edge detection algorithm of mathematical morphology, EDAMM)实施改进,并分析了其基本原理。然后结合这两种算法对PCB光电图像进行预处理及边缘信息提取。最后对两幅由不同成像系统获取的PCB光电图像进行了边缘信息提取实验。结果表明：用本文算法获得的PCB光电图像明暗对比度较高,并提取了精确且清晰的图像边缘信息,明显减少了噪声,所得图像的优质系数较高,两幅图像的优质系数分别是0.885 2、0.874 9,均高于本文中所提到的另外4种算法的结果。可见,采用本文算法可以更好地去除PCB光电图像中的模糊与噪声,并精确地提取出PCB光电图像的边缘信息。     

一种SAR图像的自动匹配算法及实现

合成孔径雷达(SAR)图像的匹配处理是SAR图像后处理及应用的重要环节。该文提出了一种基于图像特征的快速匹配实现方法。针对两幅SAR图像,该方法进行边缘检测和区域轮廓提取以及区域特征描述,最后实现图像的自动匹配。利用真实SAR图像进行了试验,获得很好的试验结果。     

利用模糊形状上下文关系的红外与可见光图像匹配方法

对于同一场景可见光和红外图像提取的灰度特征存在差异导致匹配性能下降的问题,利用了该两个谱段图像仅在形状上模糊相似的特点,提出采用形状上下文思想实现红外与可见光图像之间的匹配方法.具体方法是在提取图像边缘的基础上,用采样模板获取点特征图像,然后利用提出的不等分坐标空间提取局部形状统计信息的直方图,再以形状上下文特征开支与全局特征匹配开支的加权和作为相似性测度实现匹配.与已有的形状上下文算法相比,此方法减少了25%的特征维数,鲁棒性更好.针对多个红外和可见光图像序列的匹配实验结果显示,此方法与归一化灰度互相关、Hausdorff距离、文献中的形状上下文和SIFT算子等匹配算法相比,其匹配正确率分别平均提高了34.7%、21.2%、7.7%、88.9%,证明了该方法的有效性.     

基于边缘图像和SURF特征的可见光与红外图像的匹配算法

利用灰度信息对可见光与红外图像进行匹配时,其效果受两类图像间灰度分布差异的影响。结合这两类图像的特征,提出了一种基于边缘图像和SURF(Speed-Up Robust Feature)特征的图像匹配方法。首先采用改进的三次B样条分别对两幅源图像进行边缘提取;然后利用SURF算法在边缘图像上进行特征点检测;再通过最近邻次近邻比值法对特征点进行粗匹配,最后利用对极几何约束的RANSAC算法剔除误匹配点对,从而实现图像的匹配。实验结果表明,在正确匹配率方面本文算法明显优于Canny边缘提取和SURF的匹配方法,具有一定的有效性。     

SAR图像匹配算法及实现

合成孔径雷达(SAP)图像的匹配处理是SAR图像后处理及应用的重要环节。本文提出了一种基于图像特征的匹配实现方法。针对两幅SAR图像,该方法先进行边缘检测和区域轮廓提取以及区域特征描述,然后基于图像区域不变矩来实现图像的自动匹配。利用真实SAR图像进行了试验,获得很好的试验结果。     

基于视觉检测的红外与可见光图像区域匹配研究

为了增强归一化区域形状特征提取的稳定性,提升图像匹配效果。研究基于视觉检测的红外与可见光图像区域匹配方法。利用视觉显著性检测方法,获取红外与可见光图像的视觉显著图;通过直方图均衡化与优化配比灰度级动态范围方法,增强视觉显著图;采用仿射归一化方法,提取增强视觉显著图的归一化区域形状特征,匹配区域形状特征,完成红外与可见光图像区域匹配。实验证明:该方法可有效提升图像亮度和匹配红外与可见光图像,获取清晰度更佳的图像;在图像模糊与亮度等变化情况下,该方法边缘保持度与香农熵等分析指标值均与最高值较为接近,即图像匹配效果较优;在不同视角变化角度时,该方法归一化区域形状特征提取的稳定性较佳。     

基于遗传算法的图像边缘信息链表匹配技术

提出了一种基于遗传算法的图像边缘信息链表匹配方法。首先,采用CANNY算子的方法提取图像边缘;然后,将图像边缘信息链表化;最后,基于链表化结果利用遗传算法进行链表匹配。该方法能够减少匹配过程中的计算量,且能实现高效匹配。通过仿真实验,验证了该方法的性能。     

基于微振镜结构光投射器的机器人抓取

提出了一种基于微振镜结构光的三维重建方法。使用微振镜结构光快速获取图像数据,基于多频外差的方法对物体进行三维重建,使用基于点对特征三维特征匹配的方式对获取的三维数据与基准模型进行匹配和定位操作,获取了任意放置的物体在机器人坐标系中的三维坐标和法线信息。实验结果表明,基于微振镜结构光的方式可以获得0.1 mm左右的重建精度,处理时间约为0.4 s,可以满足大多数工业机器人物体定位抓取的要求。