采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

基于零件轮廓形心与最小外接矩形的图像配准方法

针对机械零件大批量测量时图像精确配准的难题,本文提出了一种基于机械零件图像边缘轮廓形心与最小外接矩形的图像配准方法.该方法通过确定图像边缘轮廓的形心位置以及最小外接矩形特殊边与坐标轴的夹角,得到图像的仿射变换参数,从而完成机械零件图像的配准工作.实验表明,该方法用于机械零件图像配准可达到像素级精度要求,并具有速度快的特点.     

改进结构相似度的红外两波段图像目标配准

针对红外两波段图像目标配准问题,研究了目标整体结构特征,在高斯尺度空间对结构相似度、多尺度结构相似度和边缘结构相似度进行改进,提出基于改进的多尺度边缘结构相似度算法的红外两波段图像目标配准算法。利用高斯尺度空间中不同尺度的图像及其边缘图像计算多尺度结构相似度,结合了红外图像中保留的目标完整的边缘结构信息,提高了目标配准效果。实验结果表明基于改进的多尺度边缘结构相似度算法的红外两波段图像目标配准算法的目标配准正确率和目标配准精度都优于其他算法,目标相似度值高于0.98。     

基于ICT切片图像三维重建的边界配准技术研究

研究了基于ICT切片图形三维重构的轮廓边界配准技术。提出了基于边界象素链的轮廓边界的配准方法,首先进行轮廓层次编码,然后对图像进行有向距离变换,并计算配准度构造配准关系表,最后由配准关系表获取相配准的轮廓边界。实验表明,该方法具有很高的准确性和有效性。     

基于边缘特征和CNN联合的多视航拍图像配准方法

针对传统卷积神经网络对多视航拍图像进行配准训练时,未能充分利用多视图像间边缘特征之间的联系,为了提取多层图像边缘结构之间的特征信息,提出了一种基于边缘特征和卷积神经网络联合的多视航拍图像配准方法,通过窗口灰度加权算法提取图像的边缘特征图,并将边缘特征图作为卷积神经网络的输入端进行训练,在测试阶段,给出一对新的多视航拍图像,训练后的模型可以预测图像间的空间对应关系。实验结果表明,该算法实现了图像对齐变换,提高了图像配准的精度,优于现有的图像配准方法。     

基于轮廓特征的PCB图像拼接方法

本文首先分析了PCB图像的特点,提出了利用PCB图像的轮廓特征来进行匹配和拼接,并规定了特征的选取范围和搜索范围。在此基础上给出了基于轮廓特征的PCB图像拼接的具体方法,利用形态学法来提取轮廓,基于轮廓的曲率提取了轮廓上的角点,然后利用Hausdorff距离对点集进行配准。     

基于似然函数EM迭代的红外与可见光图像配准

为了实现红外与可见光图像的自动配准,提出了基于似然函数EM迭代的图像配准算法。该算法以图像边缘作为配准点特征,将异源图像配准转化为边缘点集配准。通过点集的高斯混合建模建立了点集配准似然函数,以该函数作为目标函数,仿射变换参数作为优化变量,利用EM迭代优化方法进行最优变换参数求解。迭代过程中,引入基于概率密度自适应阈值分割的外点剔除机制,解决了外点对目标函数的干扰问题,实现了边缘点集的精确配准。利用实测的可见光和红外图像进行了算法验证,证明了该算法的有效性。     

基于双重配准的机器人双目视觉三维拼接方法研究

针对机器人图像视觉视野不够开阔,不能获得全面障碍物信息的问题,提出了一种基于轮廓识别的三维重建与可变视觉三维拼接方法。对双目立体视觉系统拍摄的两幅图像中提取出的边缘点进行了边界跟踪,然后基于窗口灰度匹配法,对两幅图像上的像素点进行了匹配,来寻找双目立体视觉系统左右两幅图像中对应的像素点,重建出了障碍物的三维轮廓,并根据目标物体轮廓的连续性对三维轮廓进行了优化;在此基础上提出了基于双重配准算法的可变视角三维拼接方法,采用改进ICP算法对转换到同一坐标系下的两片三维点云进行了精确配准,并对拼接处进行了融合处理,从而得到了大视野的障碍物信息。研究结果表明:通过可变视角三维拼接方法重建的三维模型具有较高空间坐标精度,并且能够通过改变双目立体视角范围获取大视野图像,最大限度地满足机器人障碍物检测和路径规划的要求。     

基于改进的SIFT算法的工件轮廓配准方法

工件轮廓的配准是机器人视觉引导系统中对工件位姿感知的重要组成部分,通过工件轮廓与模板轮廓的配准可以获得工件的位姿信息,从而引导机器人进行抓取和安装。文中针对图像配准算法中特征提取的SIFT算法计算复杂、特征提取效率慢的缺点,在工件轮廓特征提取过程中,直接在原图像上计算高斯尺度空间图像,不进行上下采样,最后在高斯差分图像上寻找极值点作为轮廓特征点,最后通过与模板提取的特征点进行逐个匹配,按照重合度进行排序,选择重合度最高的特征点计算仿射变换的参数。实验表明,改进的SIFT算法能够完成工件轮廓图像与模板轮廓图像的配准,并将特征提取速度提高了近10倍。     

基于深度卷积网络的图像边缘检测方法

边缘检测对于目标物体检测准确率非常重要,精确地分割图像目标是边缘检测的目的。为了有效地提取目标,提出一种基于深度卷积网络的图像边缘检测方法。该方法建立三层卷积网络,通过对大规模数据集Image Net图像进行深度学习,使卷积网络学习自然图像的边缘结构特征,从而能较好地区别目标轮廓和场景边缘。与传统的边缘检测算法相比,所提方法更加适合提取目标物体轮廓,有效抑制非目标物体的边缘,有助于后续的目标检测和分析。