基于超分辨率角点检测算法的双目相机高精度标定方法

双目相机标定是研究立体视觉的基础工作，标定的精度是视觉测量精度的关键。图像角点提取是相机标定的基础，但在现实应用场景中，外界影响使获取的图像不清晰，导致检测到的角点精度低，从而影响标定的精度。因此，提出一种基于超分辨率亚像素角点检测的端到端算法，从特征级解决低质量角点检测问题。首先，应用盲超分部分估计低分辨率图像模糊核，融合低分辨率图像特征重建出高分辨率图；然后，在此基础上得到角点亚像素位置；最后对双目相机进行高精度标定，并用测距实验对其进行检验。实验结果表明，所提基于超分辨的亚像素角点检测方法在真实场景下具有优越性。     

基于互信息的亚像素级立体视觉点匹配方法研究

在立体视觉测量中,为获得更高精度,往往需要将视差计算精确到亚像素级。将互信息理论引入双目图像配准并结合多分辨率技术实现亚像素级点匹配。采用Bouguet立体校正算法对左右图像进行极线校正,利用Harris角点探测器检测目标并将获取角点作为待匹配点,采用最大互相关法进行搜索确定像素级匹配点。然后对以左右匹配点为中心的20×20邻域图像进行插值并分别放大10倍和100倍,采用互信息方法先对低分辨率图像进行配准,再在高分辨率图像上进一步细化求精,结合像素级匹配的整数视差可得最终亚像素级视差。实验结果表明,该方法能将视差精度提高到0.01像素。     

基于跨尺度低秩约束的单幅图像盲超分辨率算法

单幅图像盲超分辨率方法是在模糊核未知的情况下仅利用单幅低分辨率图像重建高分辨率图像,这是一个严重的欠定逆问题.超分辨率正则化方法通过正则化约束项引入附加信息,为低分辨率图像恢复或重建合理的高频成分.本文将跨尺度自相似性与低秩先验相结合,提出了一种基于跨尺度低秩约束的单幅图像盲超分辨率方法,采用联合建模的方法同时估计模糊核与高分辨率图像.利用高分辨率图像、低分辨率图像及其降采样图像之间的跨尺度自相似性,对于低分辨率图像中的图像块在降采样图像中搜索相似块,将该图像块在高分辨率重建图像中对应的父块与其相似块在低分辨率图像中对应的父块合并,构造跨尺度相似图像块组矩阵.由于低分辨率图像中的跨尺度相似图像块能够为重建图像块提供潜在的细节信息,因此对相似图像块组矩阵进行低秩约束,在迭代求解过程中迫使重建图像恢复高频成分,进而促使模糊核的估计更加准确.此外,低秩约束能够表示数据的全局结构,对噪声具有鲁棒性.在真实和模拟图像上的实验表明,本文的算法能够准确地估计模糊核,重建高分辨率图像的边缘和细节,优于现有的自监督盲超分辨率算法.     

一种多分辨率特征提取红外图像语义分割算法

针对现有图像语义分割算法在对低分辨率红外图像进行分割时存在准确率不高的问题,提出了一种多分辨率特征提取算法。该算法以DeepLabv3+为基准网络,添加了一组对偶分辨率模块,该模块包含低分辨率分支和高分辨率分支,以进一步聚合红外图像特征。低分辨率分支采用GPU友好的注意力模块捕获高层全局上下文信息,同时引入一个多轴门控感知机模块并行提取红外图像局部信息和全局信息;高分辨率分支采用跨分辨率注意力模块将低分辨率分支上学习到的全局特征传播扩散到高分辨率分支上以获取更强的语义信息。实验结果表明,该算法在数据集DNDS和MSRS上的分割精度优于现有语义分割算法,证明了提出算法的有效性。     

基于改进IBP算法的图像超分辨率重建

针对传统IBP算法存在对图像细节获取能力差,重建图像清晰度不高的问题,提出一种改进方法.该方法利用小波包图像融合技术,获取所有低分辨率图像高频绝对值最大的值,与均值低频进行小波包重建,得到重建低分辨率图像.以该图像为参考图像,进行迭代反投影,获得高分辨率图像.改进后的算法增加了迭代反投影方法对高频信息的获取能力,提高了...     

基于标定信息的高低分辨率图像配准方法

针对激光三维成像系统分辨率较低,特征点不易提取,同时与可见光成像系统图像配准实时性不高的问题,提出了一种基于标定信息的低分辨率距离图像与高分辨率强度图像配准方法。首先,通过对激光三维成像系统与可见光成像系统进行标定,得到了二者的内参数、外参数以及畸变系数;其次,利用二者的标定信息,通过构造像素匹配模型,确定了低分辨率距离图像像素点所对应的高分辨率强度图像像素点。最后,通过遍历低分辨率距离图像每一个像素点,实现低分辨率距离图像与高分辨率强度图像的像素配准。实验结果表明:该方法在保持准配精度基本不变的情况下,配准时间从2.111 s减为0.856 s,降低了算法的时间消耗,具有一定的可行性。     

基于角点特征的几何同步数字水印算法

对图像的角点检测与水印同步进行分析和讨论,在此基础上提出了一种基于角点特征的几何同步数字水印算法.为抵抗几何攻击,在归一化的图像中提取出较好的角点信息,重点分析了Harris与MIC角点检测的优缺点,将2种方法合并应用到角点检测,摒弃了单纯的像素信息修改,利用圆环的几何形状来统计表示水印信息.实验结果表明,所提出的水印算法较其他算法不仅能抵抗一般的图像攻击,而且在抵抗旋转、放缩等几何攻击方面的稳健性也有较好的提高.     

一种快速的亚像素图像配准算法

图像超分辨率重建是在现有红外探测器基础上提升空间分辨率的一种有效方法。超分辨率图像重建是利用一组相互之间存在亚像素位移的低分辨率图像构造出一幅高分辨率的图像,快速、高精度估计图像间的位移是其关键技术之一。提出了一种用于超分辨率重建的亚像素配准算法,算法由特征检测、像素级配准和亚像素级配准三个处理过程组成。在特征检测过程,首先采用梯度算子对图像进行边缘检测,然后对边缘点进行角点预检测,排除非角点像素点,之后再进行Harris角点检测,大大减少了计算量;在像素级配准过程,用NCC算法进行像素级配准,用统计方法去除误匹配点对;在亚像素级配准过程,先对像素级匹配点的邻域进行插值放大,再进行亚像素匹配,误匹配点剔除,相对偏移量计算。对提出的算法进行了仿真实验,结果显示本算法的速度较类似算法速度有较大的提高。     

基于小波融合的图像残差金字塔超分辨率研究

提出了基于小波融合的残差金字塔超分辨率方法.算法包括2部分:1) 通过残差金字塔分别估计多幅低分辨率图像的高频信息;2) 对获得的多幅高分辨率图像进行小波融合.图像的低频部分采用能量加权法融合,高频部分采用最大值规则融合,融合后经过小波反变换得到最终的高分辨率图像.研究结果表明,该算法避免了大量的迭代运算,降低了计算复杂度,使大尺寸图像的超分辨率成为可能.     

基于序列图像的超分辨率重建

提出一种从序列低分辨率欠采样图像中重建出一幅高分辨率图像的重建方法.该方法基于MAP算法,通过利用梯度投影的方法对重建结果不断进行迭代优化得到最终的理想高分辨率影像.实验结果证明,该方法有效,它不仅能够非常容易的引入各种先验条件进行约束从而提高解的收敛速度,并且能够得到质量较好的高分辨率重建图像.在取得相同质量图像的前提下,该算法所需时间明显降低.