结合Kalman 滤波器的SIFT目标跟踪算法

针对目标图像跟踪过程中提取待匹配图像较大的特征向量时,很难满足准确性和快速性要求,提出了结合卡尔曼滤波的SIFT目标跟踪算法。算法利用Kalman滤波器对动态目标在下一帧图像中可能出现的位置,在自适应窗口中识别动态目标。实验证明,该算法可以缩短了待匹配图像的SIFT特征点提取时间,提高了目标跟踪的效率。     

基于固定式相机对动态目标跟踪的三维重建

通过图像的三维建模方法往往通过移动拍摄设备拍摄静止物体来达到三维重建的目的,却不适用于对移动中的物体进行三维重建。三维重建中常用提取SIFT特征作为图像特征匹配,然而SIFT特征在某些无纹理或者纹理少的情形表现效果不佳,而且错误匹配较多。采用动态目标提取和目标跟踪技术应用到动态目标的三维重建。并用网格运动统计（GMS）的特征点匹配算法来作为图像匹配,用来实现固定相机对动态目标物体的三维重建。     

基于加速鲁棒特征的非特定目标跟踪算法研究

提出了将加速鲁棒特征SURF与混合匹配法相结合实现对非特定目标的跟踪,跟踪目标既可以是特定目标,亦可在跟踪过程中进行目标切换。首先提取目标图像和待匹配视频的SURF特征点并生成特征向量,然后采用欧氏距离和Hessian矩阵迹相结合确定特征点匹配对,实现目标的定位与跟踪。选用VS 2008平台进行仿真实验,结果表明,该算法既保持了跟踪目标的尺度不变性,又实现了跟踪过程的可控性。     

复杂环境下基于机器人视觉的目标识别

为了从复杂的环境中对目标物体进行识别,选取颜色特征和几何形状特征作为识别目标物体的依据,将两者结合成有意义的图像特征,采用膨胀腐蚀、中值滤波、圆形识别、质心标定等方法,实现了目标物体的识别,它是下一步机器人手眼系统进行目标跟踪的基础.     

基于SIFT特征和图割算法的图像分割方法研究

图割算法是图像分割方法中的一种高效的最优化计算方法,针对图像中目标物体的旋转尺度光照变化导致的分割不准确问题,提出了一种基于SIFT(Scale-Invariant Feature Transform)特征的图割(Graph Cuts)算法;该方法将SIFT特征的尺度旋转不变性和图割算法的准确快速性结合在一起,通过提取图像中物体SIFT特征点做为图割算法的种子点,求解最小能量函数快速从而获得该图像的最优分割;实验结果表明,该方法鲁棒性较好,能准确地分割出目标物体在图像中的轮廓。     

核相关滤波与孪生网络相结合的目标跟踪算法

针对核相关滤波目标跟踪算法中对局部上下文区域图像提取的HOG特征图在复杂环境下不能保证目标跟踪的精度问题,提出了一种核相关滤波与孪生网络相结合的目标跟踪算法.首先在首帧输入图像中提取HOG特征图并建立相关滤波器模板,同时提取经过孪生网络的目标区域图像特征图;然后若后续帧输入图像帧数不为5的倍数则提取仿射变换HOG特征图,否则提取经过孪生网络的搜索区域图像特征图;最后根据遮挡处理的结果自适应获取目标位置并更新模型和最终相关滤波器模板.仿真实验结果表明本文算法在保证目标跟踪精度的前提下具有满足实时跟踪要求的跟踪速率.     

基于特征跟踪的人机交互多点手势识别仿真

传统人机交互多点手势识别方法无法获取可信度高的特征跟踪点,滤波效果也不理想,导致手势识别误差较大.为此,提出基于特征跟踪的人机交互多点手势识别方法.通过图像曲面拟合提取多点手势特征,以手势图像某一帧内可信度最高的特征点为跟踪点,通过手势图像仿射变换矩阵完成手势目标定位.以定位结果为基础,引入卡尔曼滤波器,实现人机交互多...     

基于面结构光几何关系的三维数字化研究*

为降低颜色串扰对提取结构光图像特征的影响,通常将多像素条纹细化为单像素线条,但降低了重建图像空间分辨率。针对这一问题,设计一个基于面结构光几何关系的三维数字化系统,并提出一种以面结构光投影仪像素为单位的特征提取与匹配新方法。首先,投影仪向被测物体投射设计好的面结构光,为被测物体增加有效特征,双目摄像机捕获被测物体两张图像,设置阈值滤除图像背景、去除噪声,提高图像质量;然后,基于单位投影像素提取特征点,充分利用投影图像的全像素空间,使得特征点采样密度提高,根据特征点间的几何关系进行匹配,提高计算效率;最后,根据三角测量原理将特征点图像坐标转换成世界坐标,形成高密度点云;在Geomagic Studio 2013平台上对被测物体进行三维重建,获得高质量的三维重建模型,实验结果达到了预期效果。     

基于KCF跟踪算法的目标轨迹记录系统

为了确保跟踪算法能够实时跟踪上高速移动的目标并且记录目标的三维坐标.本系统使用了一种基于KCF（Kernelized Correlation Filters）的高速跟踪算法来保证系统能够跟踪到移动速度较快的目标.首先,使用KCF跟踪算法来跟踪目标;然后,利用ORB特征点检测来计算目标特征点从而找到多摄像机中对应的点,找到对应点之后利用多摄像机的三维重建原理计算出每一帧中目标物体的三维坐标点;最后,用多项式对每一帧运动轨迹的离散点进行拟合得到最终的运行轨迹.实验结果证明该算法能够有效跟踪目标,整个系统能够满足实际的需求.     

融合图像显著性与特征点匹配的形变目标跟踪

目的 针对目标在跟踪过程中出现剧烈形变,特别是剧烈尺度变化的而导致跟踪失败情况,提出融合图像显著性与特征点匹配的目标跟踪算法。方法 首先利用改进的BRISK（binary robust invariant scalable keypoints）特征点检测算法,对视频序列中的初始帧提取特征点,确定跟踪算法中的目标模板和目标模板特征点集合;接着对当前帧进行特征点检测,并与目标模板特征点集合利用FLANN（fast approximate nearest neighbor search library）方法进行匹配得到匹配特征点子集;然后融合匹配特征点和光流特征点确定可靠特征点集;再后基于可靠特征点集和目标模板特征点集计算单应性变换矩阵粗确定目标跟踪框,继而基于LC（local contrast）图像显著性精确定目标跟踪框;最后融合图像显著性和可靠特征点自适应确定目标跟踪框。当连续三帧目标发生剧烈形变时,更新目标模板和目标模板特征点集。结果 为了验证算法性能,在OTB2013数据集中挑选出具有形变特性的8个视频序列,共2214帧图像作为实验数据集。在重合度实验中,本文算法能够达到0.567 1的平均重合度,优于当前先进的跟踪算法;在重合度成功率实验中,本文算法也比当前先进的跟踪算法具有更好的跟踪效果。最后利用Vega Prime仿真了无人机快速抵近飞行下目标出现剧烈形变的航拍视频序列,序列中目标的最大形变量超过14,帧间最大形变量达到1.72,实验表明本文算法在该视频序列上具有更好的跟踪效果。本文算法具有较好的实时性,平均帧率48.6帧/s。结论 本文算法能够实时准确的跟踪剧烈形变的目标,特别是剧烈尺度变化的目标。     

基于局部特征聚类匹配的多谱图像配准方法

针对基于局部特征匹配的图像配准和识别算法对于多谱段图像配准性能较差的缺点,提出一种基于局部特征聚类匹配的图像配准方法,该方法针对多谱图像的特点构建优化的局部特征提取算子,根据特征点对的相对主方向统计信息对初始匹配点集重新聚类,求出正确匹配的点对子集以实现配准。实验结果表明,该算法较大地提高了多谱图像配准的正确率和精度。     

乒乓球的三维运动轨迹重建

主要基于图像序列对乒乓球的运动轨迹进行三维重建,并对乒乓球运动形态进行分析.首先对采集的图像进行立体校正,利用颜色识别和改进的霍夫圆检测算法提取出序列图像中乒乓球的圆心坐标;然后根据前后帧图像的特征点坐标差值在时间序列上匹配特征点;最后,利用三角测量法对匹配的特征点进行三维重建,并计算出乒乓球不同时刻的速度和加速度,实现了动态物体的三维运动重建.实验结果表明该三维运动重建方法提高了特征提取的准确性,有效地实现了时间序列上的匹配,获得了物体的三维运动数据.     

一种新的无监督前景目标检测方法

针对基于无监督特征提取的目标检测方法效率不高的问题,提出一种在无标记数据集中准确检测前景目标的方法.其基本出发点是:正确的特征聚类结果可以指导目标特征提取,同时准确提取的目标特征可以提高特征聚类的精度.该方法首先对无标记样本图像进行局部特征提取,然后根据最小化特征距离进行无监督特征聚类.将同一个聚类内的图像两两匹配,将特征匹配的重现程度作为特征权重,最后根据更新后的特征权重指导下一次迭代的特征聚类.多次迭代后同时得到聚类结果和前景目标.实验结果表明,该方法有效地提高Caltech-256数据集和Google车辆图像的检测精度.此外,针对目前绝大部分无监督目标检测方法不具备增量学习能力这一缺点,提出了增量学习方法实现,实验结果表明,增量学习方法有效地提高了计算速度.     

基于仿射迭代模型的特征点匹配算法

图像序列中的特征点匹配是计算机视觉中的一个基本问题,也是目标识别、图像检索以及3维重建等问题的基础。为了提高图像匹配的精度,提出了一种针对两幅图像的高精度特征点自动匹配算法。该算法首先分析并提出两幅图像中相应特征点的邻域窗口之间的单应映射可以用仿射变换模型来近似;然后通过快速的基于仿射变换模型的迭代优化方法,不仅估计并矫正了相应邻域窗口之间的透视畸变,同时还补偿了在特征点检测阶段对相应特征点的定位误差,从而使匹配结果达到子像素级精度;最后通过真实图像的实验以及与现有算法的比较结果表明,该算法不仅得到了更多的匹配关系,还提高了特征点匹配的精度。     

一种基于尺度不变特征点的运动目标检测算法

针对PTZ（Pan/Tilt/Zoom）摄像机的运动目标检测,提出了一种基于尺度不变（Scale Invariant Feature Transform, SIFT）特征点的运动补偿解决方案．首先,采用相邻两幅图像特征点匹配的方法获得运动补偿,从 而解决了PTZ 摄像机的自主运动带来的问题;然后利用时间差分法得到运动目标的区域;最后利用形态学中 的腐蚀和膨胀方法去除噪声．测试结果验证了算法的实用性和有效性．     

偏置场下光栅图像的目标轮廓特征点检测方法

文章目标是解决有偏场环境下带有光栅图像的目标轮廓特征点检测问题。针对目标轮廓特征检测中存在的有偏光照环境和光栅模式,提出了一个两步解决方案。首先采用一种新的基于有偏场估计的图像模糊聚类迭代算法,对原灰度图像进行分割;接着,利用Harris特征检测器提取分割后目标图像的候选特征点,并在Harris特征检测算法中提出了基于特征响应函数直方图的罚值选择方法。实验结果表明,在光栅纹理和偏置场并存情况下,该文提出的方法优于传统Harris角检测器,解决了传统Harris角检测在该特定环境下所面临的精度下降问题。文章提出的算法可用于偏置场环境下光栅图像目标形状分析。     

利用信息融合方法的三维特征提取

本文提出了一种基于信息融合的物体三维特征的提取方法，该方法利用两幅互相配准的三维测距图像和灰度图像，来提取多面体的三维特征。首先，通过分析灰度图像中的灰度变化及测距图像中的测距值变化，分别求取各自图像中物体的特征点及特征边；然后，利用两配准图像之间的对应关系，求得所有特征点、面与多边形在三维测距图像中的三维表示；接着，通过分析三维测距图像中所测得的各候选平面上特定点与边处的曲率及法向，验证候选平面     

Global image feature correspondence under a multi-image network

This paper discusses a global image feature correspondence strategy under a multi-image network. The term multi-image network is used to describe such geometries, where every object point ‘node’ has more than two corresponding imaging rays associated with it. The term global image feature correspondence refers to all those image features that are matched simultaneously. The global image feature correspondence requires a global matching strategy without employing any one image as a fixed reference image. The primary characteristics of the work includes application of epipolar curve constraints, use of multi-ray triangulation residuals in object space, adoption of least-squares network optimisation and application of global quality control measures. The matching speed for object point determination in the reported multi-image network reconstruction implementation, in the case of four images, reaches 120 points per second using a Pentium-200 processor. A three-dimensional triangulation accuracy of close to 0.1 pixel is achieved.     

基于SURF特征点的自主空中加油定位研究

针对硬式空中加油技术中加油插座的定位问题,提出了一种结合SURF(Speeded-up Robust Features)特征点的双目立体视觉定位方法,确定了加油插座的空间位置,实现伸缩管和加油插座的精确对准。基于SURF匹配算法,对双目视觉系统采集的左右图像进行目标检测,并获取匹配目标的SURF特征点,通过空间误匹配点对的剔除和目标点坐标的计算,确定左右图像中具有空间位置一致性的目标点(即加油插座),从而恢复目标点的三维信息。实验结果表明,结合SURF方法能够有效地对加油插座的空间位置进行定位,具有一定的实用价值。     

高分辨率遥感影像空间结构特征建模方法综述

高分辨率遥感影像能够提供详细的地面信息,具有复杂的空间结构特征。有效地描述和建模这种结构特征对实现影像解译、目标识别与提取以及场景理解等具有重要的作用。首先介绍了高分影像结构特征的概念和内涵,将结构特征划分为像元结构、目标结构和场景结构3个层次;然后对高分影像结构特征描述与建模方法进行了系统的综述,介绍了这些方法的基本思想、分析了其研究现状,并指出了存在的一些问题;最后给出了总结和展望。