结合景深估计的高斯衰减与自适应补偿去雾

为了解决暗通道先验算法中对大片天空区域或大片白色区域失效的问题,提出一种结合景深估计的高斯衰减与自适应补偿去雾算法。首先通过RGB通道散射强度的算术平均与雾浓度近似正相关的关系估计场景深度;然后,结合景深的边缘信息,利用相邻像素之间的差异构造高斯滤波器对最小值通道进行滤波处理得到高斯暗通道;其次,利用高斯暗通道与其高斯函数之间的关系,通过调节因子与雾浓度呈负相关的关系,提出结合景深与高斯环绕函数卷积的策略获取自适应调节因子,从而对透射率进行自适应补偿估计;最后,结合大气散射模型复原无雾图像。实验结果表明,该算法在确保运行效率的基础上,可以准确的估计透射率,与经典算法相比较,在客观评价中可见边数平均提高了0.02,饱和像素点数平均下降了0.002。所提算法可以复原出自然清晰的无雾图像,尤其是在景深远处和天空区域取得了良好的效果。     

利用平面约束的月球车立体匹配

为了满足月球车视觉系统检测障碍物的时效性和可靠性需求,提出了一种基于平面约束和自适应惩罚参数的半全局立体匹配算法。首先,对极线校正后的两幅图像进行SIFT特征点提取与匹配,同时提取边缘特征;然后,利用匹配的SIFT特征点拟合空间平面,并根据平面估计左右图像所有像素点的视差搜索范围;最后,基于传统的半全局匹配算法,采用自适应惩罚参数对左右图像进行立体匹配。实验结果表明:所提出的算法有效地降低了计算复杂度,其计算复杂度只有传统方法的19.9%,对于视差不连续区域以及遮挡区域都能够获得正确的匹配结果。较传统半全局匹配方法无论在速度还是匹配精度上都得到明显提高,为立体匹配的实际应用奠定了基础。     

激光雷达目标三维姿态估计

针对现有激光雷达目标姿态估计算法对遮挡较为敏感的问题,提出了一种新的三维姿态估计算法.分析了现有算法的内在本质和地面装甲目标固有的表面结构特性,提出了投影点云密度熵(PDE)特征,研究了PDE特征与目标姿态的内在关系,给出了对目标点云迭代地进行旋转投影并寻找PDE最小值以实现三维姿态估计的方法.采用25类地面装甲目标的激光雷达点云数据进行仿真实验,分析了自遮挡、遮挡以及噪声下的估计性能,讨论了参数选择对估算结果的影响.实验结果表明,本文方法在自遮挡下的估计误差小于3°,在遮挡率达到80％时的估计误差小于10°.实验显示,本文方法对遮挡和噪声具有很强的稳健性,且收敛迅速,能很好地实现激光雷达目标三维姿态估计.     

无人机航拍图像的三维重建方法研究

在无人机为载体的基础上进行对目标场景的三维重建,就是结合无人机和计算机视觉技术,利用无人机操作灵活性,视角可控制性等优点.为实现更加完整的三维模型的重建,提出一种基于多图像拼接三维重建算法.基本思路是在无人机为载体的基础上,从不同方向获取目标物体的图像,通过自标定方法获取相机内参数,采用图像拼接融合技术对多幅图像分析、合成,从而最大限度地对建筑物场景的各种特征信息的描述.进一步对拼接融合后的图像进行特征点提取和点云匹配,从而获取全景图空间特征点三维点云,获得一个较为真实的重构对象的三维模型.实验结果表明,改进后的重构方法的精度较高,适合在许多场景三维重建的应用.     

利用平面约束的月球车立体匹配方法

为了满足月球车视觉系统对检测障碍物检测的时效性和可靠性的需求,提出了一种基于平面约束和自适应惩罚参数的半全局立体匹配算法。首先,对极线校正后的两幅图像进行SIFT特征点提取与匹配,同时提取边缘特征;然后,利用匹配的SIFT特征点拟合空间平面,并根据平面估计左右图像所有像素点的视差搜索范围;最后,基于传统的半全局匹配算法,采用自适应惩罚参数的策略对左右图像进行立体匹配。实验结果表明：所提出的算法有效地降低了计算复杂度,其计算复杂度只有传统方法的19.9%,对于视差不连续区域以及遮挡区域都能够获得正确的匹配结果。较传统半全局匹配方法无论在速度还是匹配精度上都得到明显提高,为对立体匹配的实际应用奠定了基础。     

基于光场相机的深度面光场计算重构

光场相机与传统相机不同,通过在主镜组和传感器间特定位置设置微透镜阵列,实现在采集物方光强的同时记录光线方向。为了重构物方光场,研究了基于光场相机的深度面计算重构算法,对该算法所采用的焦点堆栈、投影切片定理进行研究。首先,对四维光场定义及光场相机工作原理进行分析;建立了相机内部深度面重构模型,分析了投影切片定理在深度面获取的应用,并推导出不同深度面图像表达式;根据得到不同深度位置图像,研究了计算重构算法,搭建了含有微透镜阵列的微型单相机光场采集系统,采集原始光场,利用本文方法实现了物方光场的逆向重构。实验结果表明:利用本文重构算法,光场相机采集的物方光场可通过滤波计算方法逆向重构,通过重构光场数据可获得物方场景深度信息。本文深度面获取算法较其他算法节省30%以上的时间,各深度面图像峰值信噪比在25~30dB之间,实现了高精度、稳定可靠的计算光场重构。     

金字塔光流三维运动估计与深度重建直接方法

针对基于图像序列光流的三维运动估计与深度重建问题,提出一种基于图像金字塔光流的三维运动估计与深度重建直接方法。首先根据光流计算亮度守恒假设和像素点光流与三维空间点运动的对应关系推导出基于图像亮度的三维运动守恒假设;然后借鉴变分原理,通过设计基于L1模型的鲁棒数据项以及图像与运动联合控制的平滑项构造基于变分光流的三维运动估计能量函数;为了应对图像序列中包含的大位移运动及运动遮挡问题,采用图像金字塔分层策略设计三维运动估计模型;最后根据图像三维运动估计结果重建图像中运动物体或场景的深度信息。实验表明,该方法能够较好地应对图像序列中光照变化、多目标大位移运动以及运动遮挡等情况,具有较高的三维运动估计与深度重建精度和较好的鲁棒性。     

一种大场景下的棋盘靶标自动定位算法

在大场景且背景影响较大的测量环境下,目前常见的用于相机标定的角点提取算法无法准确获取棋盘靶标的角点,因此针对棋盘靶标图案,提出一种大场景下的棋盘靶标自动定位算法。该算法根据棋盘靶标的结构特征,首先由加权亮度矩和灰度梯度投影算法自动定位图像中可能的棋盘靶标区域,其次在棋盘子图像中利用Houtgh变换验证该棋盘靶标所在区域的有效性。实验结果表明,该算法能够在大场景中自动准确地定位出棋盘靶标区域,为后续进一步高精度角点定位奠定良好的基础。     

融合二维图像和三维点云的相机位姿估计

为了准确地在特定三维真实环境中,通过单目相机获取的RGB图像来估计相机的六自由度位姿,本文结合已知的二维图像及三维点云信息,提出了基于稠密场景回归的多阶段相机位姿估计方法。首先,将深度图像信息与传统运动结构恢复（Structure From Motion,SFM）算法相结合,构建单目相机位姿估计数据集;其次,本文首次将深度图像检索引入2D-3D匹配点的构建当中,通过所提的位姿优化函数对位姿解算加以优化,提出多阶段相机位姿估计方法;最后为提升位姿估计的性能,将ResNet网络结构用于图像的稠密场景坐标回归,使得所提方法的位姿估计精度大幅度提升。实验结果表明：对于给定的位姿误差阈值5 cm/5°,在公开数据集7scenes下的位姿估计准确率均值为82.7%,在自建数据集下的准确率为94.8%。与现有的其他相机位姿估计算法相比,本文所提方法不论在自建数据集还是公开数据集下的位姿估计精度均有提升。     

改进的高光边缘颜色恒常性算法研究

图像的高光区域包含丰富的光源信息,对颜色恒常性研究具有重要价值。然而,由于自然场景的动态范围往往会超过常用数码相机中传感器所能捕获的范围,高光区域易产生过曝光。针对过曝光现象,提出了一种过曝光区域恢复的高光边缘颜色恒常算法。该算法对高光边缘权重进行了2次优化。第1次优化在过曝光区域校正部分,利用过曝光区域自动校正算法恢复出高光区域的边缘信息,得到高动态范围图像;然后通过迭代算法将图像梯度投影到估计出的光源方向上,得到高光边缘权重的第2次优化;最后将优化后的高光边缘方向作为光源方向的估计。实验表明,对于自然场景图像,特别是其中过曝光明显的图像,该算法有效地解决了权重灰边颜色恒常算法中高光边缘不准确的问题,大大提高了光源估计的准确性。     

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%～27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。     

基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

基于改进ECT的隔热材料胶层无损检测研究

电容层析成像(ECT)技术是能显示被测物场的二维或三维介质分布图像的实时检测技术,基于平面阵列传感器的ECT系统为陶瓷多孔隔热材料缺陷检测提供一种新的技术途径。本文针对陶瓷多孔隔热材料粘结胶层的缺陷无损检测问题,提出了一种基于改进的电容层析成像方法。首先在分析平面阵列传感器ECT检测系统模型及成像原理的基础上,提出了一种改进初值的Landwebe迭代图像重建算法;进一步将该算法应用到基材表层与隔热材料之间的粘结胶层的缺陷检测领域,并通过实验验证了采用基于改进ECT的无损检测方法在陶瓷多孔隔热材料粘结胶层缺陷检测中应用的有效性;同时与采用传统ECT成像算法的检测实验进行比较。结果表明本文提出的改进ECT算法对胶层缺陷图像重建质量具有较大幅度的提高。     

基于二维Delaunay近邻的空间散乱数据曲面重建算法

给出了一种新的散乱数据曲面重建算法。算法基于曲面的局平特性，通过二维Delaunay三角剖分到三维空间的映射，快速查找空间任意点的Delaunay近邻，然后根据散乱数据重建三角网格中顶点互为Delaunay近邻的原理，进行曲面拓扑重建。应用新的求解κ-近邻和二维Delaunay近邻的算法，提高了曲面重建的算法效率。实验表明，该算法高效、稳定，对不均匀数据有较好的适用性。     

基于单目视觉的视网膜三维重建技术研究

为了在视网膜疾病诊断中获得精度高、可视化好的视网膜,提出一种基于单目视觉的视网膜三维重建算法。该算法通过对两幅预处理图像的特征点提取确定匹配点对之间的对应关系,采用RANSAC算法去除误匹配点对,准确率高,用链匹配的方法使得多幅图像间的特征点匹配从而得到整体最优化结果。根据不同图像间特征点的对应关系,使用4通光束平差法确定空间中摄像机相对位置关系,使用PMVS算法实现视网膜的三维重建。实验结果表明,该算法具有很好的鲁棒性和稳定性,能较好地实现视网膜的三维重建。     

大气光幂雾图像的清晰度复原

针对现有图像去雾方法处理效率低,天空部分处理效果欠佳以及去雾图像视觉效果不理想等问题,提出了一种快速大气光幂去雾算法。提出的算法是对全球环境光值和大气光幂值求取方法的改进。首先,采用高斯低通滤波求取雾气图像低频区,应用循环四分图算法在低频区得到全球环境光值A;其次,采用暗原色优先算法获取初始大气光幂值,结合自适应各向异性高斯滤波处理大气光幂;最后,采用色调调整增强图像细节,使图像逼近于无雾场景。实验结果表明,本文算法能消减图像景深突变处的晕轮效应,亮度、对比度和细节信息处理效果较好,不仅较完整地保留了边缘细节,而且显著提升了处理效率,同时具有较高的鲁棒性和实时性。     

基于光场成像的三维测量方法的研究

光场有别于传统图像,不仅具有位置信息而且包含方向信息,为空间场景重建提供了可能。首先对光场成像技术进行光场变换建模,建立了像素光场模型,并提出光场变换准则,为光场重聚焦奠定基础。然后借鉴传统的对焦测距思想,建立了光场三维测量的方法,选择合适光场数据的清晰度评价函数评价成像质量,提出三角质心插值方法优化光场重建质量。最后,对光场三维测量系统进行了标定,建立像面误差补偿算法。实验表明,测量范围10~120 cm时,测距误差小于5%。