移动AR+VR支持下全景图像拼接均匀性校正方法

采用传统方法对全景拼接图像校正时,无法检测到全景图像中的重叠区域,导致全景图像结构相似度评分SSIM偏低、边缘差分谱评分DoEM低且校正误差较大.为解决上述问题,提出移动AR+ VR支持下全景图像拼接均匀性校正方法.采用相位相关算法在移动AR+ VR支持下检测全景图像重叠区域.确定全景图像的畸变中心坐标和畸变系数,将图像畸变区域投影到地图坐标中,通过亮度像素值校正镜头畸变和斜视变形,完成图像的均匀性校正.实验结果表明,所提方法的结构相似度评分SSIM均大于0.93,边缘差分谱评分DoEM最高可达0.9914,且扭曲度均低于10％,说明所提方法累计误差小,实验数据验证了所提方法具有明显应用优势.     

移动AR+VR支持下全景图像拼接均匀性校正方法

采用传统方法对全景拼接图像校正时,无法检测到全景图像中的重叠区域,导致全景图像结构相似度评分SSIM偏低、边缘差分谱评分DoEM低且校正误差较大.为解决上述问题,提出移动AR+ VR支持下全景图像拼接均匀性校正方法.采用相位相关算法在移动AR+ VR支持下检测全景图像重叠区域.确定全景图像的畸变中心坐标和畸变系数,将图像畸变区域投影到地图坐标中,通过亮度像素值校正镜头畸变和斜视变形,完成图像的均匀性校正.实验结果表明,所提方法的结构相似度评分SSIM均大于0.93,边缘差分谱评分DoEM最高可达0.9914,且扭曲度均低于10％,说明所提方法累计误差小,实验数据验证了所提方法具有明显应用优势.     

非对称图像特征位置误差参数求解校正方法

图像辐射强度值受到大气透过率的影响而发生改变，图像特征易发生几何失真，且特征的畸变于其几何位置具有复杂的非线性关系，导致特征位置误差校正难度较大。为此，提出基于深度学习的图像特征位置误差校正方法。将参数代入到图像灰度插值算法中，不断调整参数值，改善图像因非均匀、非对称造成的特征点模糊现象，提取得到图像的特征点位置。基于此，构建AlexNet学习结构，构建待校正误差图像模型和校正模型。利用牛顿迭代法对校正模型中的各项参数求解校正模型，实现对图像特征位置误差的校正。实验测试结果证明，研究方法的应用损失率在实验迭代次数达15次时降至5%以下，均方根误差始终低于0.8pixel,均方误差在实验迭代次数为50次时降至10^-4,说明研究方法可精准求出位置误差值和提高图像精度，校正前后图像间特征拟合程度高。     

针对鱼眼图像边缘校正缺失的快速校正算法

针对鱼眼图像校正中水平方向畸变以及边缘缺失的问题,通过引入可控参数控制边缘部分的校正范围,同时融合三角计算以及参数变换,获取校正关系,使映射面与鱼眼图像达到最佳匹配结果.获取校正关系后运用双线性插值算法对校正图像进行插值运算以填充图像.实验表明,算法对视图主要区域和边缘部分畸变的校正取得较好效果,边缘部分信息流失较少,主视图区域畸变角度明显减小,校正后图像与未畸变源图像相比结构相似性高,尽可能大的保留鱼眼图像信息,算法效率提高,算法运行时间缩短近50%.该鱼眼图像校正算法在校正效率以及校正效果上都有显著提高,具有可行性和有效性.     

基于误差预测的自适应UWB/PDR融合定位算法

为了解决在室内非视距(NLOS)定位场景中超宽带(UWB)技术性能不佳、航位推算(PDR)算法累积误差过大的问题，以及由环境因素引起的UWB性能下降的问题，提出了一种基于UWB误差预测而自适应系数调节的UWB/PDR融合定位算法。该算法创新地提出了利用支持向量机(SVM)回归模型对复杂环境中UWB定位误差进行预测，并以此为基础，为常规的扩展卡尔曼滤波(EKF)算法添加了自适应调节系数，以提高UWB/PDR的融合定位效果。实验结果表明，所提算法在复杂UWB环境中可以有效预测当前UWB定位误差水平，并通过自适应调整融合系数提高精度，使得较常规EKF算法在一般区域的定位误差降低了18.2%，在UWB精度较差的区域中的定位误差降低了48.7%，从而减小了环境对UWB性能的影响；在包含UWB的视距内(LOS)及NLOS的复杂场景中，通过融合定位算法，将定位每百米误差由米级降低至分米级，解决了NLOS场景中PDR 误差过大的问题。     

基于改进Hough变换的艺术体操图像视觉误差校正方法

为了提高艺术体操动作图像质量，提出基于改进Hough变换的艺术体操动作图像视觉误差校正方法。通过预先设定全局阈值与容忍度，改进Hough变换算法，利用图像灰度分布密度函数，完成动作图像空域变换，根据元素灰度值序列，滤波处理动作图像像素点，依据获取的最优分割阈值，划分图像前景与背景，采用改进的Hough变换算法，提取全部图像特征点，基于图像畸变度与镜头、轴线距离关系，结合动作图像分形码，得到分形区域偏差的最佳估算值，实现视觉误差校正。仿真实验结果表明方法校正优势显著，具有一定的有效性与可行性。     

遥操作机器人全局摄像机图像畸变校正

遥操作中采用全局摄像机对机器人进行定位时存在图像畸变带来的误差,针对这一问题提出了一种图像畸变校正方法.该方法采用径向基神经网络(RBFNN)进行畸变校正.从而获得机器人在实际空间中的坐标位置.实验表明,该方法简单有效,适用于广角镜头带来的图像畸变校正.可以满足利用定位坐标进行路径规划的要求.     

基于深度学习算法的图像传感器误差自动校正研究

图像传感器受到环境、镜头畸变等因素影响，采集数据存在一定误差，为了改善图像传感器采集效果，提出了基于深度学习算法的图像传感器误差自动校正方法。首先分析图像传感器误差校正的研究进展，分析图像传感器误差的影响因素，然后利用支持向量机对图像传感器偏移角度进行补偿，并采用深度学习算法根据影响因素建立误差自动校正模型，最后通过粗标定机制对传感器的响应参数进行拟合，实现图像传感器误差自动校正。实验结果表明深度学习算法可以提高图像传感器数据精度，校正后误差较小，校正速度较快，具有一定的实际应用价值。     

基于线性特征的鱼眼图像校正方法

针对鱼眼镜头采集的畸变图像,在棋盘格标定模板的基础上,提出一种有效的校正方法。该方法采用标准畸变模型,首先基于畸变图像的线性特征提出目标函数;然后利用SUSAN改进算法精确定位棋盘格角点坐标;对已得到的有限角点坐标进行畸变曲线拟合,在畸变曲线上提取所需数量的点;最后用渐近寻优算法计算最优畸变系数,使得目标函数最小。实验结果表明,该方法角点定位精确、算法时间复杂度低,能够有效校正鱼眼镜头造成的图像畸变。     

基于建立校正量场的鱼眼图像快速校正算法

针对鱼眼图像校正中在纵向方向校正效果不佳,中心关键区域不突出以及鱼眼有效区域提取效率低的问题,通过遍历横竖两个方向的中垂线以获得有效区域图像.在畸变点周围建立校正量场,在校正量场中建立畸变点与校正点之间的几何关系,遍历每个畸变点,并根据校正关系获得校正量,获得校正图像后,为获得光滑图像,结合hermite插值算法对校正图像进行插值运算.首先实验表明,新的提取算法效率大幅提高,并获得较准确有效区域,提取有效区域后校正算法对视图主要区域的校正和纵向方向的畸变取得较好效果.上述提取算法和校正算法提高校正速度,提高校正效果,具有较强的可行性和有效性.     

多媒体视觉VR重构算法的改进与仿真

传统图像重构噪声偏大,图像离群点较多,导致重构效果与实际图像偏差大,研究提出多媒体视觉VR重构算法。利用双目偏移定位重新校正VR图像,对重构后的VR图像进行去噪处理,完成基于高通滤波矩阵加强的重构图像纹路细节特征,采用三维重构相关性检索方法,获得合群点与离群点,确定其最大最小深度范围,对错误识别和峰值进行重新定位,完成算法设计。为验证研究的有效性,进行实验验证。通过实验结果数据分析可证明,研究算法大大提升了重构图像的真实度,图像角点检测准确,重构后图像噪声更小。     

基于贝叶斯网络的楼层定位算法

针对在室内定位导航过程中单独依赖行人高度位移推测楼层位置误差较大的问题，提出一种基于贝叶斯网络的楼层定位算法。该算法先是利用扩展卡尔曼滤波（EKF）对惯性传感器数据和气压计数据进行融合，计算出行人垂直位移；然后利用误差补偿后的加速度积分特征对行人在楼梯中的转角进行检测；最后，利用贝叶斯网络融合行人行走高度和转角信息推测行人在某一层的概率，从而将行人定位在建筑物中最可能出现的楼层上。实验结果表明，与基于高度的楼层定位算法相比，所提算法的楼层定位准确率提升6.81%；与平台检测算法相比，该算法的楼层定位准确率提升14.51%；所提算法在总共1247次楼层变换实验中，楼层定位准确率达到99.36%。     

鱼眼畸变棋盘格图像校正

畸变棋盘格图像能够更精确地描述鱼眼镜头的畸变特征,畸变棋盘格图像校正算法的研究对实现畸变图像准确快捷的校正具有重要意义。在研究Carroll等人提出的校正方法的基础上,针对畸变的棋盘格图像提出了一种简单、快捷的校正方法。以棋盘格的角点坐标替代直线特征信息作为校正模型的输入,对建模后的目标函数进行线性优化求解。该方法实现了畸变校正的自动化,提高了系统的效率。实验表明,该方法方便可行,校正结果良好。     

一种基于神经网络的畸变图像校正方法

由于摄像机获取的图像存在几何畸变，因此在对图像进行定量分析前，必须校正畸变。针对传统的畸变图像校正方法，其所建立的畸变数学模型，不仅求解畸变参数复杂、计算量大，且存在很大的数值计算误差的问题．提出了一种基于神经网络的畸变图像校正方法。该方法首先运用图像处理技术从一标准模板的畸变图像中提取样本，然后以样本像素坐标作为网络输入来对神经网络进行训练。由于该训练好的神经网络能够实现畸变图像与非畸变图像之间的映射关系，因此能达到校正图像畸变的目的。最后对该校正方法进行了实验，给出并分析了校正实验结果，校正效果令人满意，并已成功地用于焊接机器人视觉系统。     

基于匹配策略融合的低误差快速图像拼接算法

针对目前多数拼接算法正确匹配率低、耗时及误差大的问题,提出了基于匹配策略融合的改进图像拼接算法。该算法首先仅在图像的重合区域提取SIFT特征点,并计算SURF特征描述符;其次,融合改进的最近邻比次近邻、双向交叉检查及匹配差值的阈值化3种匹配策略,结合坐标约束及RANSAC算法完成特征匹配;最后,提出利用配准参数计算任意图像到参考图像坐标空间的投影变换模型的方法,并利用多线程技术将所有图像投影至参考坐标系,经过亮度校正、加权融合后合成全景图。实验结果表明,提出的拼接算法正确匹配率提高了10~20%,拼接总耗时约为传统逐帧扩大式拼接算法的1/3,且累计误差大大降低,拼接图像畸变小。     

基于光栅投影序列图像融合的倾斜校正算法

针对现有校正算法因抖动等因素存在的校正误差问题,提出了一种基于光栅投影的倾斜校正算法。通过分析连续频率变化的条纹图像序列,构建像素点位置与像素斜率的转换模型;然后利用光栅图像倾斜角度与像素斜率变化关系,使用三角法计算出倾斜角;最后实现倾斜校正。实验结果表明,该算法可有效检测出［-90°,90°］范围内的倾斜角度,准确率为99%。与现有的Hough变换等倾斜校正算法相比,所提算法检测精确度、准确率明显提高。     

基于基本矩阵的相机畸变差校正方法研究

在计算机视觉的应用领域中,为了提高图像量测和三维重建的精度,必须对相机的畸变误差进行修正.本文提出了一种基于基本矩阵的相机径向畸变的自动校正方法,该方法不需要预先获得场景的结构信息和相机的内部参数,仅利用两张影像同名点集之间的内在几何关系,即可求取相机的径向畸变系数,进而可对这两幅图像的畸变误差进行自动校正.实验结果表明,该方法是一种有效的畸变图像校正算法,能够获得到满意的校正结果.     

基于局部流形重构的半监督多视图图像分类

为了在半监督情境下利用多视图特征中的信息提升分类性能,通过最小化输入特征向量的局部重构误差为以输入特征向量为顶点构建的图学习合适的边权重,将其用于半监督学习。通过将最小化输入特征向量的局部重构误差捕获到的输入数据的流形结构应用于半监督学习,有利于提升半监督学习中标签预测的准确性。对于训练样本图像的多视图特征的使用问题,借助于改进的典型相关分析技术学习更具鉴别性的多视图特征,将其有效融合并用于图像分类任务。实验结果表明,该方法能够在半监督情境下充分地挖掘训练样本的多视图特征表示的鉴别信息,有效地完成鉴别任务。     

结合双路网络和多标签分类的弱监督行人搜索

有监督的行人搜索方法依赖于行人框和行人身份的精细标记，而大规模数据集下行人框的标注较易实现，但跨图像的行人身份标记却非常困难。为了摆脱对行人身份标签的依赖，只借助行人框标注，设计了结合双路网络和多标签分类的弱监督行人搜索方法，同时对行人定位和再识别任务进行联合优化。为减少行人定位误差引起的背景信息干扰，融合全景图像分支和裁剪图像分支进行双路特征学习，通过最小化两分支中同行人实例的特征差异来增强网络对行人区域语义信息的表征能力。同时，为解决无身份标签监督下行人可辨识特征的学习问题，设计了在线多标签预测，通过相似度阈值和互近邻原则来提升标签的可靠性。最后利用基于特征存储的非参数化分类器进行多标签分类学习，鼓励相似度高的特征聚合，相似度低的特征分离。实验评估在CUHK-SYSU数据集的mAP和top-1分别达到84.2%和86.0%，在PRW数据集的mAP和top-1分别达到38.8%和85.1%，与最新的方法相比性能表现突出。     

融合双注意力与深度神经网络的遥感图像配准北大核心

在多视角遥感图像配准中,部分方法在复杂场景下存在配准精度不高或实时性低等问题,针对以上不足,提出融合双注意力机制的网络中网络作为特征提取器的端到端图像配准算法。算法分为特征提取、特征匹配和参数预测三部分,首先使用网络中网络改进模型对于复杂特征的提取能力,同时引入双注意力机制提升对特征的分辨和定位效果;然后在特征匹配层使用双向的相关运算改善特征匹配精度,匹配层输出的匹配图输入参数预测网络,预测从待配准图像到参考图像的变换参数。实验表明,与传统算法对比,配准精度平均提升10%以上,速度至少提升20%,所提方法有效提升了多视角遥感图像配准的效果。