基于Harris角点匹配的工具识别方法

图像匹配对于工具识别过程具有重要意义,传统的图像匹配算法匹配过程复杂导致匹配速度慢,在实际应用中有局限。为了提高工具识别的效率,通过分析工具图像特征,设计出一种基于Harris角点特征的图像匹配方法进行工具识别。首先用Harris算法提取工具模板图像与搜索图像角点特征,然后使用归一化互相关匹配算法计算工具模板图像与搜索图像角点特征的相关值,进而确定匹配点对,最后采用RANSAC去除错误匹配点对。通过实际数据验证,基于Harris角点特征的图像匹配方法与传统方法相比,不仅识别速度快,鲁棒性好,而且在实际工程应用中更具适用性。     

基于改进ORB和网格运动统计的图像匹配算法

针对当前图像匹配方法中存在特征点匹配耗时长、匹配率不足等问题,提出一种基于改进ORB和网格运动统计的图像匹配检测方法。使用SURF算法提取图像特征点,构建4层图像金字塔为特征点赋予尺度不变性特征,并使用灰度质心法添加方向信息。由于运动的平滑性导致了正确匹配的特征点邻域有较多匹配的点,完成粗匹配后,使用基于网格运动统计的特征配准算法完成特征点误匹配的筛选与剔除。实验结果表明:所研究算法在图像发生旋转、尺度变化、模糊和亮度变化时配准精度均大于94%,具有较好的匹配识别率和鲁棒性。     

图像识别中的兴趣点匹配方法研究

针对图像检索识别的需求,提出了一种基于兴趣点的匹配算法,利用小波变换对图像进行降维和去噪,提取其SIFT点特征,同时进行PCA降维,最后采用基于K-d树的最近邻法进行快速匹配。通过对各种图像大量的实验,结果表明,该方法具有很强的匹配性和鲁棒性,是一种较好的图像匹配算法,可以广泛应用于图像的检索和识别中。     

基于自适应支持加权准则的建筑物图像匹配扩散研究

室外建筑物图像由于建筑本身纹理单一且重复、图像间的基线较宽等特点,应用传统的匹配算法在进行图像匹配时会出现正确的匹配特征点少,匹配扩散后得到的准稠密和稠密匹配特征点的匹配多义性问题,同时,误匹配也影响了建筑物的三维重建效果。针对上述问题,研究并改进了适用于建筑物图像的匹配扩散算法。应用自适应支持加权匹配度量准则减少误匹配,同时扩散过程中应用仿射传递来获取新匹配的最佳邻域窗口。实验表明,改进的算法对于建筑物图像能获得数量较多、较正确的准稠密匹配扩散结果。     

基于井下移动图像采集的目标识别与精确定位方法

针对现有井下定位方法定位精度波动较大、难以进一步提高的问题,提出一种基于井下移动图像采集的目标识别与精确定位方法。利用定位目标携带的摄像机采集环境图像,通过自适应直方图均衡化方法对采集到的原始图像进行预处理,采用深度学习技术SSD算法、数据增强SSD算法识别井下标志目标,并采用基于小孔成像原理的单目测距方法进行测距和定位。实验结果表明:与灰度图像匹配算法和特征图像匹配算法2种传统算法相比,SSD算法对距离和角度变化的适应能力更好,距离为4.5m时有效检测率仍达89.2%;数据增强SSD算法提高了鲁棒性,检测精确率比SSD算法高1.7%,可以更好地适应复杂环境。井下应用结果表明,基于井下移动图像采集的目标识别与精确定位方法在2～10m范围内可得到较理想的效果,随着距离增加,测量精度有所下降。     

基于CenSurE-star和LDB的被测目标图像匹配算法

针对传统点特征匹配方法计算量大、匹配速度慢的问题,给出了一种基于CenSurE-star和LDB的图像匹配算法,以用于在视觉检测中对被测目标图像进行快速匹配;该算法首先通过调整滤波器尺寸从而快速检测被测目标图像中不同尺度的CenSurE-star特征点,然后采用LDB方法对特征点结合其邻域进行描述,以描述符汉明距离为标准衡量图像特征点间的相似度并进行对应筛选,最终结合RANSAC剔除剩余的误匹配点对,实现了图像间准确匹配;实验研究表明,在关于光照、噪声和模糊变化的三组被测目标图像匹配中相较SIFT、SURF等常见算法,该算法不仅显著提升匹配速度,而且保证了较高的匹配准确率。     

基于LBP的鲁棒特征提取与匹配方法研究

针对现有的Harris角点提取算法在图像匹配法中,存在精度低、抗干扰和抗光照变化能力弱的缺陷,提出一种基于局部二进制模式（Local Binary Patterns,LBP）和图变换匹配算法（Graph Transformation Matching,GTM）相结合的鲁棒精确匹配算法。采用改进的Harris边缘特征检测提取特征点并选取图像块作为特征区域;采用改进的中心对称局部二进制模式（Center Symmetric Local Binary Patterns,CSLBP）对高维特征进行降维生成24维特征描述子,并依据欧氏距离实现图像粗匹配;采用图变化匹配法剔除误差匹配来改善匹配的精度和鲁棒性。测试结果表明,所建议算法是有效的,它不仅具有良好的抗尺度和旋转变化特性,而且具有较强的噪声抑制能力和抗光照变化能力。提出的鲁棒性算法不仅充分考虑到传统特征匹配算法优缺点,使检测与匹配结果更加准确,而且较Harris算法以及LBP算法稳定性和准确度有了明显的提高。     

基于改进KAZE的无人机航拍图像拼接算法

为了更好地解决航拍图像易受光照、旋转变化、尺度变化等影响,KAZE算法实时性较差以及基于K近邻的特征匹配算法耗时较长等问题,该文提出了一种基于改进KAZE的无人机航拍图像拼接算法.该方法首先利用加速的KAZE算法提取图像的特征点,采用二进制特征描述子FREAK（Fast retina keypoint）进行特征点描述,然后使用Grid-KNN算法进行特征点粗匹配,利用随机一致性算法对匹配的特征点进一步提纯并计算几何变换模型,最后采用加权平均算法对图像进行融合.实验结果表明,该文所提算法使图像在光照变化、旋转变化及尺度变化下具有较好的性能,且处理速度较KAZE算法与K近邻特征匹配算法有较大提升,是一种稳定、精确度高、拼接效果良好的无人机航拍图像拼接方法.     

基于SIFT的图像匹配算法

直接用SIFT算法对较模糊图像进行关键点提取时,提取的关键点个数较少且进行下一步匹配时错误匹配较多。提出一种基于SIFT特征的匹配算法,首先利用拉普拉斯算子对图像进行锐化处理,使其边缘得到突出,然后利用SIFT算法进行关键点提取,最后利用双向匹配算法进行图像匹配。实验结果表明,利用本文算法进行匹配比直接用SIFT算法进行匹配时的匹配点数更多,匹配效果更好。     

一种基于群智能算法的图像匹配算法

图像匹配是图像处理技术中的重要研究领域,也是图像融合的基础。现有的图像匹配方法存在匹配速度慢、匹配精度低等问题。为了提高匹配效率,笔者采用群智能算法作为搜索策略搜索最优参数,提出了一种基于群智能算法的图像匹配算法。基于此,介绍了图像匹配的三个基本要素、分类以及性能评价指标,阐述了布谷鸟算法,并利用布谷鸟算法改进了原有的匹配算法。实验结果证明,基于群智能算法的图像匹配算法合理有效。     

基于建筑特征及二维地图的复杂城市场景中移动机器人视觉定位算法

针对城市环境中全球定位系统(GPS)信号易受到高层建筑遮挡而无法提供准确位置信息的问题,提出了一种基于建筑物竖直侧平面特征及建筑物二维轮廓地图的移动机器人定位方法。该方法利用车载视觉,首先对两视图间的竖直直线特征进行匹配;然后基于匹配的竖直线特征对建筑物的竖直侧平面进行重建;最后,利用建筑物竖直侧平面特征及建筑物二维俯视轮廓地图,设计了一种基于随机采样一致性(RANSAC)的移动机器人视觉定位算法,从而解决了在建筑物方向任意的复杂城市环境中的机器人定位问题。实验结果表明,算法的平均定位误差约为3.6m,可以有效地提高移动机器人在复杂城市环境中自主定位的精度及鲁棒性。     

高分辨率SAR影像形态学层级分析的建筑物检测

目的 现有基于结构分析的高分辨率SAR影像建筑物检测方法,只考虑了直线和L形结构建筑物,并且依赖建筑物高亮线条处阴影区作为建筑物识别的主要特征;当处于复杂场景时,阴影区受制于背景较暗或建筑物密集而无法准确得到,导致建筑物检测误差大、检测率低。针对上述问题,提出一种基于形态学层级分析的高分辨率SAR影像无监督建筑物检测算法。方法 该方法基于单幅单极化高分辨率SAR影像,首先利用改进的形态学交替滤波算子有效抑制其固有的斑点噪声,大大剔除了同质区背景噪声的干扰;然后利用层级分析形态学差分属性断面算法来实现对SAR影像建筑物的几何结构特征的提取;最后结合特征融合和属性阈值分割等后处理步骤得到复杂场景下建筑物提取信息。结果 将上述方法在建筑物密集的城区SAR影像中实验,通过与其他方法对比分析,具有检测率高、误差小的特点,准确率和召回率分别为95.38%、86.31%,并对降低虚警率方面有明显的优势。结论 将形态学交替滤波与形态学属性滤波的改进与结合,在对不同走向、尺寸和形状的高密度建筑物检测中具有较好的适应性。     

结合图像识别的移动增强现实系统设计与应用

目的 在移动互联网时代下,移动增强现实应用得到越来越快的发展。然而户外场景中存在许多相似结构的建筑,且手机的存储和计算能力有限,因此应用多集中于室内小范围环境,对于室外大规模复杂场景的适应性较弱。对此,建立一套基于云端图像识别的移动增强现实系统。方法 为解决相似特征的误匹配问题,算法中将重力信息加入到SURF和BRISK特征描述中去,构建Gravity-SURF和Gravity-BRISK特征描述。云端系统对增强信息进行有效管理,采用基于Gravity-SURF特征的VLAD方法对大规模图像进行识别;在智能终端上的应用中呈现识别图像的增强信息,并利用识别图像的Gravity-BRISK特征和光流结合的方法对相机进行跟踪,采用Unity3D渲染引擎实时绘制3维模型。结果 在包含重力信息的4 000幅户外图像的数据库中进行实验。采用结合重力信息的特征描述算法,能够增强具有相似特征的描述符的区分性,并提高匹配正确率。图像识别算法的识别率能达到88%以上,识别时间在420 ms左右;光流跟踪的RMS误差小于1.2像素,帧率能达到23 帧/s。结论 本文针对室外大规模复杂场景建立的基于图像识别的移动增强现实系统,能方便对不同应用的增强现实数据进行管理。系统被应用到谷歌眼镜和新闻领域上,不局限于单一的应用领域。结果表明,识别算法和跟踪注册算法能够满足系统的精度和实时性要求。     

Local search: A new hidden line elimination algorithm to display spherical coordinate equations

Local Search, a new hidden line elimination algorithm, is presented. Local Search is a variant of the Scan-Line algorithm. Its performance is compared to that of two other Scan-Line algorithms for elimination of hidden lines from displays defined by spherical coordinate equations. In this paper, metrics are developed to evaluate the theoretical worst-case performance of each algorithm as a function of the display's complexity. Our performance evaluation is restricted to algorithms which can be implemented on personal computers. Data on the run-time performance of each algorithm were then collected to validate the worst case metrics. These data substantiate the hypothesis that, for complex displays, the Local Search algorithm performs hidden line elimination more efficiently than other Scan-Line algorithms.     

最优阈值变换和轮廓跟踪在轮廓检测中的应用

文章在一套基于计算机图像处理和识别的水平尺标定系统的基础上,比较了几种不同的轮廓提取算法,重点阐述了采用最优阈值变换并结合轮廓跟踪的方法对水平尺气泡轮廓的精确检测。试验结果表明,该方法有效地降低了图像的噪声,改进了检测结果,达到了高精度标定的目的。     

基于Bandlet和KW技术的移动应用面部情感识别

由于情感感知移动应用的智能性和用户易接受性,使情感感知移动应用不断增加。由于移动设备的处理能力有限,因此移动设备上的情感识别方法的算法实现应该实时和高效。提出了一个移动应用上的高精度和低计算复杂度的情感识别方法。在该方法中,人脸视频由智能手机的摄像头捕获,从视频中提取一些有代表性的帧,并且用一个人脸检测模块从这些帧中提取人脸区域。脸部区域被Bandlet变换处理,结果子波被划分为互不重叠的子块。计算每个块的局部二进制值模式的直方图,将所有块的直方图关联起来作为描述面部图像的特征集。用Kruskal-Wallis检验从面部图像特征集中选择最具优势的特征,将这些特征送入高斯混合模型分类器中进行情感识别。实验结果表明,该方法在一个合理的时间内实现了高识别精度。     

Rapid Door Number Recognition by a Humanoid Mobile Robot

A static door number recognition system for mobile robots in office buildings is presented. The motivation behind the development of such a system is to update the localization results of dead reckoning or improve other distance-sensor based localization. Emphasis is placed on how to reduce the processing time of a template-matching based recognition method to enable real-time image-base localization for a mobile robot. A gap-based heuristic idea is put forward to increase the recognition accuracy. The experimental results show that door numbers can be rapidly and correctly identified under different environmental conditions and postures of the camera.     

基于扫描激光测距数据的建筑物三维重建

建筑物的三维信息是重要的基础地理信息,可以应用于城市的规划、管理等方面,而机载激光扫描测距系统在城市建筑物的三维重建方面具有重要的应用价值。针对我国自行研制的机载激光扫描测距数据提出了一套利用稀疏激光测距数据自动提取建筑物三维信息的方法。首先根据测量的激光距离和相应的姿态、位置信息计算出激光采样点的三维位置,进而可以生成城市的数字表面模型(DSM)和城市的数字地面模型(DTM),依据它们能准确地提取出建筑物的轮廓信息,最后根据建筑物具有规则的形状这个特点来对建筑物的轮廓线进行规则化处理而最终恢复建筑物的三维信息。通过对北京城市北部地区的实际处理,说明了该方法的可行性。     

基于MobileNet的移动端城管案件目标识别算法

针对目前大量安装的固定监控摄像头存在监控死角，以及移动设备硬件性能较低等问题，提出一种可在较低性能的IOS移动设备上运行的城市管理案件目标识别算法。首先，在MobileNet中增加新的超参数，优化输入输出图像的通道数与每个通道所产生的特征图数量；随后，将改进后的MobileNet与SSD目标识别框架相结合构成一种新的识别算法，并移植到IOS移动端设备上；最后，该算法利用移动端设备自带的摄像头拍摄案发现场视频，实现对8种特定城管案件目标的准确检测。该算法检测结果的平均精度均值（mAP）与原型YOLO和原型SSD相比，分别提升了15.5个百分点和10.4个百分点。实验结果表明，所提算法可以在低性能IOS移动设备上流畅运行，减少了监控死角，为城管队员加速案件分类与处理提供了技术支撑。     

复杂场景下的人体轮廓提取及尺寸测量

自然拍摄的人体照片由于背景图案较为复杂,采用传统基于图片色彩空间或能量 梯度的图像处理方法难以准确地识别人体的轮廓。采用神经网络的方法,可以提高识别的精度。 但是,一般的神经网络方法由于计算量与参数规模较大,难以在移动终端部署。因此,提出了 一种轻量级的神经网络策略以提取人体轮廓。该网络采用 MobileNet V2 与 U-Net 框架,通过构 建特定姿态的人体数据集进行训练,识别相应的人体轮廓形状。人体轮廓经过提取关键点、拟 合回归分析等后续处理,可估算人体的尺寸。该方法可应用在移动终端上,通过拍摄的人体照 片的方法测量人体的尺寸。实验表明,该方法能准确地提取复杂背景照片中的人体轮廓并测量 尺寸,在速度与存储占用方面较一般神经网络有一定优势。