一种用于三维重建的彩色Sift准稠密匹配算法

针对复杂光照条件下Sift算法对彩色图像匹配能力较差,基于Kubelka-Munk理论,提出了一种适用于未标定图像的准稠密立体匹配算法,有助于更精确地进行三维重建。该算法首先求出彩色图像各个像素的颜色不变量,提取彩色特征点并通过构造彩色Sift特征描述子进行初匹配,采用RANSAC鲁棒算法消除误匹配生成种子点;然后依据视差约束提出一种基于视差梯度均值自适应窗口方法,根据视差梯度均值调整搜索范围;最后采用最优先原则进行区域增长。实验证明,该算法能获得比较满意的匹配效果,是一种有效的用于三维重建的准稠密匹配算法。     

非标定图像的最优匹配方法

该文将特征匹配和极线几何(epipolargeometry)估计有机地结合起来,给出了一种基于组合优化的非标定图像鲁棒匹配方法。通过灰度互相关计算得到初始候选匹配,然后使用该文提出的全局极线约束和局部视差约束代价函数,利用确定性退火方法同时估计匹配关系和基础矩阵。实验结果表明,此算法具有良好的鲁棒性,能够得到接近全局最优的匹配结果。     

图像特征匹配中一种高效的鲁棒估计算法

在图像特征匹配过程中,误匹配不可避免。提出一种新的基于拓扑约束（顺序约束和仿射不变约束）的外点去除算法,用于快速地去除图像粗匹配结果中的误配点。该算法 对随机采样集进行拓扑过滤,只对满足拓扑约束的采样集进行计算。实验表明,该算法相比于传统的鲁棒估计算法RANSAC和改进的PROSAC算法,大大提高了计算效率并保持很高的 计算精度,有助于提升图像匹配性能及3维重建的精度和鲁棒性。     

基于极线几何约束的非标定图像的立体匹配

立体匹配是计算机视觉领域的一个关键问题，是计算机三维重建中的一个核心问题。基于极线几何约束是特征匹配中最强有力的约束，独立于场景结构，因此将特征匹配与极线几何有机结合起来，实现了一个鲁棒的匹配算法在非标定图像中的应用。其中，对基础矩阵估计及其引导匹配均采用点到极线距离最小约束准则。对真实图像的实验表明，该算法具有较好的实用性。     

基于几何约束投票的图像特征匹配

为了改进单纯依靠相似度的图像特征匹配效果,提出了一种特征匹配方法,采用投票的方法在特征匹配的过程中引入几何约束。首先根据特征的描述向量进行初步的快速匹配,得到候选特征对以后通过投票的手段在特征之间相似度矩阵中引入一种鲁棒的几何约束,并通过自适应阈值过滤的方法获得图像特征匹配。在实验中验证了该方法对图像特征匹配正确与否具有较强的区分能力,在与已有技术接近的计算时间内得到了更高的匹配准确度。基于几何约束投票的图像特征匹配比单纯依靠相似度具有更好的匹配效果。     

基于鲁棒迭代优化的图像拼接算法

针对保持直线边缘不畸变和改善拼接区域精度的需要,提出了一种基于鲁棒迭代优化的图像拼接算法。采用SIFT特征匹配算法提取不变特征,依据RANSAC鲁棒算法估计单应性矩阵获取精确内点匹配点对,参照内点匹配点对作为参数,利用最小二乘法重新估计单应性矩阵,最终通过鲁棒迭代优化重新计算更多内点直至内点收敛。实验结果表明,所提出的算法使得直线边缘维持直线化,同时拼接精度得到提高。     

一种新的基于特征点的立体匹配算法

目前,立体匹配是计算机视觉领域中最活跃的研究主题之一。为了快速并更精确的对特征点进行立体匹配,本文提出了一种新的基于特征点的立体匹配算法。该方法独立于特征点的检测算法,先以扫描线作为匹配单元,然后以鲁棒函数为匹配代价函数,最后用顺序约束对每一匹配单元的视差图进行检测与校正。实验证明,该方法的匹配精度高于传统的基于NCC(norm alized cross-correlation)的立体匹配算法,并且运行时间快,可以应用于纯软件的基于特征点的立体视觉系统中。     

基于归并优化的快速特征点匹配算法

在使用点特征进行图像匹配的过程中,初始提取的特征点的数量和质量决定了最终的匹配速度和匹配精度.针对这一特点,本文提出对初始提取的特征点集首先进行动态的分块归并优化,然后使用改进的分层投影匹配算法对图像进行粗匹配,最后通过极线约束得到鲁棒的匹配结果.实验表明,本方法在对纹理丰富、尺寸较大的图像进行匹配时,大大提高了运算的速度,同时又保持了匹配的精度.     

基于多重约束条件的线特征多级匹配方法

为解决直线断裂、遮挡以及图像对视差较大等造成的直线匹配困难,提出了一种基于多重约束条件的线特征多级匹配方法。该方法在已匹配的可靠种子点完成点-线匹配的基础上,基于单应性矩阵利用几何特征信息约束和核线约束完成同名直线搜索实现线-线匹配,最后提出一种自适应的直线相似性约束实现线-面匹配获得正确的同名直线。通过与现有直线匹配算法的对比实验表明,该方法提高了匹配精度,可以实现含有遮挡、直线断裂和视差较大的图像中的直线匹配。     

一种基于角点检测的图像密集匹配算法

提出了一种鲁棒的图像自动立体匹配算法.利用Sobel算子对图像中的像素点进行检测,若是边缘点,则使用最小同值分割吸收核方法判断该点是否为角点.在两幅待匹配的图像间计算角点的梯度大小、梯度方向及灰度等的相似度,去除无法对应的角点,建立起待匹配图像中角点的对应关系,并计算基础矩阵.对基础矩阵进行迭代,去除误配点,计算出较精确的基础矩阵.由对极几何约束,采用动态规划方法,寻找左右两幅图像在对应极线上的所有像素点之间的对应,从而建立起两幅图像间像素点的密集匹配对应关系.试验结果表明,算法效果满意.     

基于角点特征值和视差梯度约束的角点匹配

提出了一种基于角点特征值的角点匹配快速算法,并利用视差梯度约束去除误匹配的结果。首先把提取角点时得到的角点特征值作为匹配的一个约束,提高了基于灰度相关的角点粗匹配运算的速度,然后利用视差梯度约束对粗匹配的结果进行求精运算,去除误匹配的结果,实验结果证明了该算法的有效性。     

一种基于特征的约束匹配方法

提出了一种基于特征的双向视差域约束匹配方法。首先提取图像特征点约简候选匹配像素集,然后进行双向唯一性匹配并在匹配过程中根据双目图像的投影特性设计视差域约束,最后设计了一个滑动平均邻域视差来剔除视差值偏差太大的匹配对。实验结果表明,该方法简单快速,匹配成功率高,可处理复杂场景,具有良好的实用价值。     

基于特征约束及区域相关的体视匹配方法

立体匹配是计算机视觉领域的一个关键问题,同时也是难点问题。为了得到准确的高密度视差图,通过对基于区域和基于特征的体视方法的讨论,综合两种方法的优点,提出了基于边缘特征约束及区域相关的立体匹配算法。该方法首先利用基于特征技术来得到边缘特征点,对边缘特征点再做灰度等区域相关匹配处理,然后在匹配的边缘特征点约束下,对非边缘特征点采用区域相关算法进行匹配,得到整体高密度视差图。这样既缩小了匹配搜索空间,又保证了匹配的可靠性。实验结果表明,该算法具有良好的效果和实用价值。     

基于信任度传播的体视算法

针对信任度传播算法计算量大及误匹配率高的问题,提出一种高效的计算稠密视差图的全局优化算法。首先,根据像素匹配代价的特点、视差不连续亮度变化的特征,定义具有适应性的数据约束和平滑约束,并对平滑约束进行分层调节后执行消息的传输。其次,讨论消息传输迭代过程中的冗余计算问题,通过检测消息的收敛性减少运行时间。最后,分析信任度传播算法中的误匹配问题,通过匹配的对称性检测遮挡,并提出重建数据项后,利用贪婪迭代法优化所得视差图,将图像中可靠像素的视差向不可靠像素扩散。实验结果表明,该算法能以较快的速度计算出更理想的视差图。     

基于SIFT的三视图像特征匹配算法

提出一种基于SIFT的三视图像特征匹配算法。采用SIFT算法对三视图像进行特征匹配,引入计算机视觉中的三线性关系和基于三焦张量的像素转移误差计算方法,对SIFT算法的匹配结果进行筛选,剔除匹配过程中产生的误配点。真实图像数据实验表明,该算法有效剔除了SIFT算法产生的97％以上的误配点,提高了三视图像匹配的准确度。     

一种基于特征约束的立体匹配算法

立体匹配一直是计算机视觉领域的一个中心研究问题,为了得到适用于基于图象绘制技术的视图合成高密度视差图,提出了基于边缘特征约束的立体西欧算法,该方法首先利用基于特征技术来得到边缘特征点的准确视差图,然后在边缘特征点视差图的约束下,对非边缘特征点采用区域相关算法进行匹配,这样既缩小了匹配搜索空间,又保证了匹配的可靠性,边缘特征点和边缘特征点的匹配采用双向匹配技术又进一步保证了匹配的可靠性,实验结果表明,该算法效果良好,有实用价值。     

利用块几何约束及视差概率的立体匹配算法

为了解决倾斜表面或曲面的匹配问题,提出了一种基于图像分割块之间的几何约束和视差值的概率分布信息的视差估算方法。在一个全局能量函数中增加了图像分割块之间的几何约束项,通过计算匹配能量得到分割块的最优视差平面。为了确定可信像素和可信分割块,利用了视差的概率分布信息。同时,利用了分割块之间的几何约束和分割块内像素之间的约束来估计不可信像素点的视差值。用包含大视差范围、更多倾斜表面、曲面和弱纹理表面等典型图像对所建议的算法进行测试,实验结果表明,该方法对于存在倾斜表面和曲面的立体视差计算是有效的。