三维曲面图像无缝拼接方法的研究与仿真

研究三维曲面图像的无缝拼接问题。针对三维曲面图像拼接过程中,多个曲面图像之间的重叠区域由于像素的灰度和梯度等特征存在较大差异,像素不匹配,拼接后的重叠区域图像由于这种像素差异的存在,会存在明显图像裂缝的问题。为了解决这个问题,提出了一种基于交叉匹配的曲面图像拼接算法,该算法以互信息作为相似性测度,对待配准曲面图像的空间变换参数进行优化,运用空间曲面图像插值技术完成最后的三维曲面图像的融合,实现三维曲面图像的无缝拼接。实验表明,本文的方法能实现差异较大曲面图像的无缝拼接,取得了不错的效果。     

三维体模型构建中的空间对象的快速匹配

在三维对象体模型中,大量基本拓扑对象点、线、面、体元在构建时,需要进行匹配,确认其在存储列表中唯一存在,以维系拓扑系统的有效性。本文在对顶点按照一定的规则进行排序的基础上,采用平衡二叉树进行存储,结合三维空间对象之间的拓扑关系,有效地实现了对象的快速匹配查询,大大提高了拓扑对象在确保唯一性基础上的生成速度,为体模型中大规模三维拓扑数据的快速构建奠定了基础。并在对地层的四面体剖分中得到正确验证。     

立体视觉与体视匹配

本文简要地介绍了立体视觉和体视匹配的研究内容和研究方法。回顾了立体视觉的发展过程。重点讨论了基于区域的和基于特征的二种体视匹配方法。总结和分析了立体视觉所面临的技术难点及其发展动向。     

基于灰度塔评分的匹配模型构建在无人机网络视频拼接中的应用

对于复杂非配合情况下，视频拼接中特征匹配对的数目和特征匹配准确率无法同时达到后续稳像和拼接的要求这一问题，提出一种基于灰度塔对特征点进行评分后构建匹配模型来进行精准特征匹配的方法。首先，利用灰度级压缩后相近灰度级合并这一现象，建立灰度塔来实现对特征点的评分；而后，选取评分高的特征点建立基于位置信息的匹配模型；最后，依据匹配模型的定位进行区域分块匹配来避免全局特征点的干扰和大误差噪点匹配，选择误差最小的特征匹配对作为最终结果匹配对。另外，在运动的视频流中，可通过前后帧信息建立掩模进行区域特征提取，匹配模型也可选择性遗传给后帧以节约算法时间。实验结果表明，在运用了基于灰度塔评分的匹配模型后，特征匹配对准确率在95%左右。相同帧特征匹配对的数目相较于随机采样一致性有近10倍的提升，在兼顾匹配数目和匹配准确率的同时且无大误差匹配结果，对于环境和光照有较好的鲁棒性。     

基于线匹配的图像拼接

提出一种图像拼接算法,通过确定两幅图像的最佳拼接线,不需要手工指定特征点,可对图像进行快速、自动无缝拼接。实验结果证明了该算法的有效性。     

累进三维模型相似匹配算法

提出了一种构造三维模型特征二叉树的算法,并根据特征二叉树匹配来获得三维模型的相似程度,特征二叉树与二维模型坐标系统系旋转和平移无关,且适合于三维模型累进牵引匹配,实验结果表明,文中算法能较好地匹配三维模型的相似性。     

基于引力模型的三维运动点集的非精确匹配

本文提出了一种基于引力模型(attractive model)的非精确匹配算法,应用于三维空间运动点集的对应点匹配问题.根据引力模型,我们将匹配和运动估计问题转化为一个代价函数的全局优化问题,实现了无对应点的运动估计和总体匹配.这种算法是一个鲁棒(robust)估计和匹配方法,可以处理包含非匹配点对的三维运动点集.大量计算机模拟实验结果充分证明了算法的鲁棒性和有效性.     

基于轮廓线匹配的2-D碎片拼接研究

分析了数量较多时不规则形状的2D碎片拼接的困难性,提出2D碎片的拼接策略,先通过轮廓线匹配进行局部形状匹配;然后通过全局搜索拼接重构物体形状,由于匹配的特征集选择了带有几何结构属性的连接点,优点是不仅局部匹配的速度提高而且全局拼接重构的有效性提高.试验对比表明提出的算法更有效.     

弹性音节拼接与特征空间轨迹匹配的关键词检测

不同的汉语语音关键阋识别系统,以关键词为单位建立模板工作量大而且可重用性较差,而以音节为单位可以很好地提高重用性。将弹性音节拼接与具有较高性能的基于特征空间轨迹匹配的关键词检测相结合构建识别系统,实验结果表明该系统具有相当高的识别率。     

两个三维点集的非精确匹配方法

本文提出了两种高效率的用于匹配两个三维点集的方法,第一种方法是对文献[1]所提出的方法的改进,但第一种方法需要知道三个匹配点,为了放宽条件,我们提出了第二种方法,第二种方法具有更好的适用性,它可以解决任意两个三维点集的匹配问题,这两种方法都是基于先分别对两个点集中的全部点进行排序,然后进行小范围的局部匹配的思想;假定两个点集中都有几个点,它们的计算复杂性是O(n log n),而其它的方法都是O(n~2)。在点集较大的情况下(大于20个点),这两种方法将获得快速而有效的结果,并且容易逼近总体上的最佳匹配。     

基于SIFT特征匹配的图像无缝拼接算法

基于尺度不变(SIFT)的特征匹配思想和像素加权平滑的图像融合思想,提出了1种鲁棒、精确的图像拼接算法,从而解决尺度、视角及光照变化较大情况下图像拼接问题。SIFT特征匹配算法利用128维向量对特征点进行描述,利用最近邻法完成2幅图像特征点的匹配。对于粗匹配产生的误匹配对,应用随机抽样一致性算法(RANSAC)进行筛选,同时估计模型参数,并借鉴加权平滑算法消除拼接图像之间的缝隙,进一步提升拼接效果。实验结果表明,该算法在继承了SIFT算法鲁棒性的同时,进一步提升了拼接精度,降低了图像亮度等差异的影响,使拼接图像自然逼真。     

数字地图图幅接边的虚拼接算法

为了改善数字地图图幅自动接边算法在处理大区域甚至全球范围的大数据量图幅接边时效率低的问题,提出了基于矢量 ID 映射的"虚拼接"算法.该算法提取图幅的边界信息集进行拼接判断而生成拼接链,根据拼接链生成 ID 映射对,对映射对排序以实现快速搜索各图幅中需要映射的矢量 ID 并实施映射,合并拼接矢量的属性,最终实现拼接效果."虚拼接"没有对被拼接矢量的坐标数据进行重组,避免了对内存的巨大需求,减少了自动接边中的人工干预.     

分数阶三维块匹配去噪算法

提出了一种分数阶三维块匹配去噪算法,以克服分数阶积分去噪中低频轮廓保留不精确的缺点和三维块匹配算法中高频纹理细节成分保留较差的缺点。描述了分数阶积分去噪方法应用在数字图像处理中的数学理论原理;构造了分数阶积分去噪模板,并具体分析了分数阶阶次选择对去噪结果的影响;从主观视觉评价和客观峰值信噪比(PSNR)度量两个标准对提出的去噪算法性能进行了分析。从去噪实验的结果来看,提出的分数阶三维块匹配算法在去噪图像高频细节纹理的保留上与诸如小波去噪、非局部均值等算法相比取得了更佳的结果。通过对本算法的数值实现,以及与多数流行去噪算法结果进行数值分析,证明了分数阶积分三维块匹配理论的正确性和合理性,得出了本算法效果更佳的结论。     

基于ASIFT的低重叠度图像拼接研究

为了解决在图像重叠度过低时,采用常用的SIFT图像匹配算法,造成图像拼接困难的问题,提出了一种基于ASIFT的低重叠度图像拼接方法.ASIFT图像匹配算法相较于SIFT图像匹配算法,在低重叠度条件下,能够检测出更丰富的匹配点,且具有更高的匹配精度.根据这一特性,该方法采用ASIFT图像匹配算法进行特征点检测与匹配,然后利用其结果进行图像拼接.实验结果表明,这种方法在图像重叠度很低的情况下,也能够取得良好的拼接结果.     

Spatial and spectral morphological template matching

Template matching is a very topical issue in a wide range of imaging applications. Mathematical morphology offers the hit-or-miss transform, an operator which has been successfully applied for template matching in binary images. More recently, it has been extended to grayscale images and even to multivariate images. Nevertheless, these extensions, despite being relevant from a theoretical point-of-view, might lack practical interest due to the inherent difficulty to set up correctly the transform and its parameters (e.g. the structuring functions). In this paper, we propose a new and more intuitive operator which allows for morphological template matching in multivariate images from both a spatial and spectral point of view. We illustrate the potential of this operator in the context of remote sensing.     

Object recognition by three-dimensional curve matching

Experimental results for the recognition of general curves in three-space using registered range and intensity images are presented. the matching algorithm uses fast Fourier transforms to determine the least-squares difference between sequences of points sampled at equal intervals along two piecewise linear approximations of curves in three-space and returns the rotation and translation required to bring one of the curves into closest juxtaposition with the other. Performance of the algorithm is demonstrated by matching curves in three-space which are the boundaries of regions of contrasting reflectivity on curved surfaces. the experiments use a recently developed range sensor which is able to generate a 512 × 460 × 12 bit range image (with registered intensity image) in 40 s.     

Conformal geometry and its applications on 3D shape matching, recognition, and stitching

Three-dimensional shape matching is a fundamental issue in computer vision with many applications such as shape registration, 3D object recognition, and classification. However, shape matching with noise, occlusion, and clutter is a challenging problem. In this paper, we analyze a family of quasi-conformal maps including harmonic maps, conformal maps, and least-squares conformal maps with regards to 3D shape matching. As a result, we propose a novel and computationally efficient shape matching framework by using least-squares conformal maps. According to conformal geometry theory, each 3D surface with disk topology can be mapped to a 2D domain through a global optimization and the resulting map is a diffeomorphism, i.e., one-to-one and onto. This allows us to simplify the 3D shape-matching problem to a 2D image-matching problem, by comparing the resulting 2D parametric maps, which are stable, insensitive to resolution changes and robust to occlusion, and noise. Therefore, highly accurate and efficient 3D shape matching algorithms can be achieved by using the above three parametric maps. Finally, the robustness of least-squares conformal maps is evaluated and analyzed comprehensively in 3D shape matching with occlusion, noise, and resolution variation. In order to further demonstrate the performance of our proposed method, we also conduct a series of experiments on two computer vision applications, i.e., 3D face recognition and 3D nonrigid surface alignment and stitching.     

Graphical models and point pattern matching

This paper describes a novel solution to the rigid point pattern matching problem in Euclidean spaces of any dimension. Although we assume rigid motion, jitter is allowed. We present a noniterative, polynomial time algorithm that is guaranteed to find an optimal solution for the noiseless case. First, we model point pattern matching as a weighted graph matching problem, where weights correspond to Euclidean distances between nodes. We then formulate graph matching as a problem of finding a maximum probability configuration in a graphical model. By using graph rigidity arguments, we prove that a sparse graphical model yields equivalent results to the fully connected model in the noiseless case. This allows us to obtain an algorithm that runs in polynomial time and is provably optimal for exact matching between noiseless point sets. For inexact matching, we can still apply the same algorithm to find approximately optimal solutions. Experimental results obtained by our approach show improvements in accuracy over current methods, particularly when matching patterns of different sizes.     

正则化最近点优化图像集匹配的三维人脸识别

针对传统的三维人脸识别算法受光照、表情、姿态及遮掩等变化而影响识别性能的问题,提出了一种基于正则化最近点优化图像集匹配算法。将图库图像集和探针图像集建模成正则化仿射包,利用迭代器自动确定两个图像集间的正则化最近点;利用最近子空间分类器最小化正则化最近点;根据正则化最近点之间的欧氏距离及结构计算RNP集之间的距离,利用最近邻分类器完成人脸的识别。在Honda/UCSD、BU4DFE两大视频人脸数据库上的实验验证了该算法的有效性及可靠性,实验结果表明,相比其他几种较为先进的三维人脸识别算法,该算法取得了更好的识别效果,同时,大大减少了训练及测试总完成时间。