基于特征匹配和卡尔曼滤波的机器人视觉稳像

针对机器人视觉稳像问题,建立六参数仿射图像运动模型,给出其递推关系。设计基于梯度的KLT特征提取算法,根据最优绝对误差和进行特征点的匹配,利用超定的运动参数求解方程推导,得到有意运动参数的观测模型,并使用最小二乘法进行求解,对卡尔曼滤波后的运动参数和图像运动模型进行反向求解,实现含抖动视频的稳像补偿。在自主移动机器人平台上的实验结果表明,利用KLT算法得到的特征点分布更合理,速度更快,经相对参数滤波后的图像相比绝对参数滤波更平滑。     

基于卡尔曼滤波算法的最小二乘拟合及应用

图像处理或在工业控制中经常要用到最小二乘直线拟合,对于有奇异点的直线拟合,传统的最小二乘法拟合误差较大,难以满足较高精度的要求。卡尔曼滤波算法具有最小无偏方差性,能够去除测量系统中的随机误差,将卡尔曼滤波算法与传统最小二乘法结合,建立了一种基于卡尔曼滤波预处理的最小二乘估计的新方法,获得了比传统最小二乘法效果更好的估计结果。试验证明了该方法的有效性和高精度性。     

基于移动最小二乘法的视差图像拼接

对于视差图像拼接,现有的工作大都采用单应性变换,这不足以得到好的拼接结果。提出一个新的视差图像拼接算法。首先检测图像的特征点并匹配,随后用随机采样一致算法RANSAC(Random Sample Consensus)和距离相似性筛选出正确的匹配点集;其次,以这些特征点结合移动最小二乘法构造一个全局仿射变换对准图像;最后,在图像的重叠区域以像素为顶点构建一个网络流,用最大流最小割算法寻找最优拼接曲线,并融合图像。由于提高了特征点匹配的正确性,对准模型的准确性明显好于以前的工作,图像拼接结果平滑真实,无扭曲、鬼影等现象。     

电子稳像技术综述

利用电子稳像技术实现抖动视频序列稳定是现代稳像技术的发展方向之一。首先简要介绍了电子稳像的基本原理和系统结构;然后从各模块功能出发,对电子稳像的运动估计、运动校正和图像补偿等关键技术的研究进展进行了综述,并给出了稳像性能评估的常用方法;最后总结和分析了电子稳像技术的应用现状以及未来的发展趋势。研究结果显示,电子稳像技术的研究已经逐渐进入工程应用的新阶段,具有良好的应用前景和市场需求。     

电子稳像中基于运动分类的全局运动估计算法

提出一种基于运动分类的全局运动估计算法.首先,分区提取图像中的鲁棒Harris特征点,并采用特征窗匹配思路,提高匹配速度;其次,对运动矢量在平移、旋转和缩放模式下的统计特性进行分析,提出运动类型快速判定方法,并验证特征点的有效性;再次,将有效点对代入运动方程,求取全局运动参数;最后,结合Kalman滤波来补偿当前帧实现视频稳像.实验结果表明,该算法能够处理含摄像机扫描和抖动的复杂场景,检测误差小于0.5像素,且达到实时处理.     

带约束不条件的特征与最小二乘影像匹配

讨论了一种新的边缘检测方法和用链码描述的线矩数学模型，给出基于不变线矩匹配的约束条件，并采用基于特征与最小二乘结合实现了精确的子像素匹配。     

一种基于LMA的电子稳像技术

提出一种基于LMA的电子稳像技术,将LMA运用到仿射变换模型的参数估计中,从而获得参考帧与当前帧之间的运动矢量。该电子稳像方法具有速度快和精度高的特点。实验表明,这种稳像算法在进行视频稳像时具有很好的效果。     

最优加权与递推最小二乘法相结合的多传感器信息融合

为改善多个同类传感器检测目标参数的性能,提出了根据各传感器量测数据品质对量测数据加权处理,并将加权后的数据作为递推最小二乘法的实时量测值的最优加权与递推最小二乘法相结合的多传感器信息融合方法.仿真结果表明,该方法在数据处理的精确性和稳健性方面都优于普通的处理方法.     

用于信号处理的自适应加权最小二乘法

本文结合数理统计方法，提出自适应加权最小二乘法。新方法具有抑制噪声，提取弱异常或局部异常信号的特性。对模拟信号试验结果表明，新方法是有效的。     

鲁棒卡尔曼滤波下的图像雅可比矩阵带时延补偿的估计

传统的图像雅可比矩阵估计的方法没有考虑时延因素,因此具有较大的估计误差.为补偿时延带来的影响,提出一种鲁棒卡尔曼滤波的方法,实现时延情况下当前时刻特征点在图像空间中位置和速度的估计,进而得到时延情况下较为准确的图像雅可比矩阵的估值.具体说,特征点在图像空间中当前时刻位置和速度是首先用卡尔曼滤波的方法估计的,但观测噪声的描述却采用了马尔科夫链模型,由此产生了过程噪声和观测噪声的互相关,传统卡尔曼滤波受限.为此,我们引入滤波修正向量并重新定义过程方程及观测方程,结合卡尔曼滤波中噪声的数学特性,得到滤波修正向量消除互相关性,从而构建出鲁棒卡尔曼滤波模型;其次,针对鲁棒卡尔曼滤波模型中存在的无法获得时延期间的观测向量的问题,提出利用多项式拟合出这部分观测向量,该多项式的选取综合考虑了特征点的位置、速度、加速度、加速度的变化率对于特征点轨迹的影响,与实际情况相符;最后,由预测出的当前时刻特征点在图像空间中的位置和速度,实现时延情况下图像雅可比矩阵较为准确的估计.仿真和实验结果验证了本文方法的可行性和优越性.     

基于Kalman滤波的ECT图像重建算法

由于测量环境等因素的影响,实测数据往往带有噪声。为此,应用Kalman滤波算法进行电容层析成像（ ECT）系统图像重建,在归一化电容值中加入不同程度的噪声信号,利用噪声的统计特性进行测量值滤波,最终得到图像灰度值。在三种流型下与Landweber迭代算法进行了仿真比较,并在ECT实验装置上进行了静态实验。仿真与实验结果表明：Kalman滤波去噪效果优于Landweber迭代算法。     

高速水面艇视觉系统电子稳像算法

针对高速水面艇视觉系统在采集视频过程中, 由于高速运行、水流运动和风力影响等因素造成的视频图像抖动问题, 根据高速水面艇视频图像运动特点, 例如同时含有平移、旋转和变焦运动等, 采用尺度不变特征变换算法提取视频图像中的特征点, 利用仿射模型求解运动参数, 运用Kalman滤波对视频图像中的正常扫描进行滤波, 最后用相邻帧补偿法对每帧图像进行补偿, 实现高速水面艇的视频图像稳像处理。算法用于高速水面遥控艇采集到的视频上进行对比验证分析, 结果表明算法对高速水面艇视觉系统下的视频图像稳像处理快速、有效。     

基于模糊聚类和卡尔曼滤波的运动目标检测

提出了一种基于模糊聚类和卡尔曼滤波的多运动目标检测的技术,并将其应用于车辆的检测与跟踪。文中采用了改进的模糊C均值聚类算法,对隶属度矩阵进行了修正,加快了聚类的收敛速度;然后,运用了卡尔曼滤波对运动目标进行运动轨迹跟踪,根据视频序列的实际情况构造了相应的状态方程以及增益矩阵,对多个运动目标同时进行独立跟踪,减少了目标搜索的盲目性,提高了跟踪的可靠性和效率。     

基于滤波与曲线拟合的电子稳像算法

针对目前电子稳像算法无法同时去除高频噪声与低频噪声的问题,提出了可同时去除高频噪声和低频噪声的滤波与曲线拟合相结合的方法。该方法首先用位平面匹配算法快速估计出帧间的偏移量;其次对帧间偏移量进行累加,计算出当前帧相对于参考帧的全局运动量,并对全局运动量进行卡尔曼滤波,以去除高频噪声;最后,对卡尔曼滤波的结果进行曲线拟合以去除低频噪声;最终,得到稳定的主运动轨迹。实验证明,该方法可以有效地去除高频和低频噪声,视频稳定效果良好。     

基于改进的尺度不变特征变换特征点匹配的电子稳像算法

针对传统尺度不变特征变换（SIFT）算法运算量大的问题,提出了一种改进的SIFT特征点匹配算法。首先介绍了SIFT特征向量的提取过程,并对算法进行了改进,在单尺度空间内提取目标的关键点,并形成34维特征向量,来代替传统SIFT算法生成的128维特征向量,使算法的实时性得到较大的提高,同时又保持了配准精度,最后将提出的改进SIFT特征应用于电子稳像中的全局运动估计中,并通过实验验证了算法的性能。     

一种特征匹配的高精度电子稳像方法*

针对车载侦察系统视频稳像精度要求较高的情况,提出一种基于边缘图像配准的高精度电子稳像方法。该方法采用相位一致性作为不变度量来同时检测图像的角点和边缘特征;利用匹配点对引导边缘匹配,并筛选适量分布均匀的匹配点对求取初始全局进行运动估计;改进粒子滤波以对边缘图像进行配准来获得精确全局运动参数,进一步提高了稳像精度。实验结果表明,所提出方法的平移配准误差(Δx=+0.210,Δy=-0.013)远小于一个像素,满足了车载侦察系统对电子稳像技术的实时性及高精度要求。     

基于特征匹配与运动补偿的视频稳像算法

针对在复杂背景下航拍视频的抖动情况,为了实时输出稳定的视频,提出了一种改进的特征匹配算法与全局运动补偿相结合的视频稳像算法。首先,利用尺度不变的SURF算法提取特征点并计算描述符,再结合快速近似最邻近匹配算法得到匹配点对,并通过双向匹配以及K近邻算法筛选优秀匹配点,从而提高匹配正确率;其次,提出了一种局部区域匹配法,提高了算法处理速度,并避免场景内运动目标对稳像效果的影响。通过建立仿射变换模型,求解相邻帧图像的变换参数,进而对图像进行全局运动补偿。结果表明,该算法速度快、匹配精度高,有良好的视频稳像效果。