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。     

输送带跑偏检测方法研究

基于机器视觉的输送带跑偏检测方法检测的输送带边缘特征中包含伪边缘,现有研究难以识别伪边缘,且多场景适应性差。针对该问题,对输送带监控图像提取感兴趣区域（ROI）并进行归一化,采用较大阈值区间的Canny算法提取边缘特征点,以提高算法的场景适应性,并采用形态学滤波方法处理部分杂质及伪边缘;对于Canny算法无法检测到有效边缘的图像,对提取的ROI进行伽马变换和45,135°方向的梯度滤波,以增强边缘特征,之后进行基于Canny算法的特征点提取和形态学滤波。以边缘点像素值关系、邻域特征、紧密性特征,以及边缘线长度、相对位置、斜率等作为约束条件,采用基于分治搜索思想的直线筛选排序算法对提取的边缘特征点进行筛选及拟合,得到输送带实时边缘。将实时边缘的像素值与未发生跑偏时边缘像素值做差,得到当前跑偏的像素值。试验结果表明,针对多种场景下的输送带监控图像,基于Canny算法和直线筛选排序的输送带跑偏检测方法检测误差小于3个像素值,百张图像检测时间为6.945 1 s,边缘计算机处理4路视频图像的CPU占有率为132%,满足现场输送带边缘检测的准确性、实时性要求。     

基于局部曲面特征直方图的点云识别

针对三维点云的快速识别问题,文中提出基于局部曲面特征直方图的点云识别算法.首先,采用循环体素滤波算法,将不同分辨率的点云滤波至指定分辨率.再基于邻域曲率均值最大的关键点查找算法选取点云局部特征较明显的点作为关键点,根据关键点邻域内点云重心与邻域曲面内各点的法线和距离的关系计算关键点的特征描述符.然后,根据临近关键点间的空间关系和特征描述符欧氏距离进行特征匹配.最后,采用多线程识别框架,加快在线识别速度.实验表明文中算法识别速度较快.     

基于形状识别的X型棋盘格角点检测

棋盘格角点检测是相机标定的一个重要环节,其准确率直接影响相机标定的精度,常规角点检测存在对棋盘格图像质量要求较高、检测准确率不高的问题.对此,依据棋盘格图像灰度分布的对称性,利用双层增强滤波器将其角点区域增强为X形状,待检测角点即为X形状中两个分支的交点,将角点检测问题转换为X形状的识别.进行X形状识别时,首先提取待识别区域像素的极坐标作为形状识别的初始特征集合,经特征选择后依据角度特征进行X形状识别.最后在识别出的角点区域内通过直线拟合确定亚像素级角点.实验结果表明,所提出方法进行棋盘格角点检测的准确率较高,且抗干扰能力较强.     

基于自适应邻域的固有形状特征算法

针对三维点云特征点检测算法中固定尺度的确定需要经验知识的参与,自适应尺度的计算需消耗较多时间成本的问题,提出一种自适应邻域的固有形状特征（ANISS）改进算法。首先利用局部特征计算每一点的自适应邻域k值;然后将k值作为ANISS算法中的邻域大小,通过比较连续特征值的比率与阈值的大小来得到近似特征点;最后以近似特征点的k值作为非极大值抑制（NMS）的邻域大小,执行NMS算法,得到最终的特征点。旋转平移不变性实验和噪声敏感性实验的结果表明,ANISS算法检测出的特征点的可重复性均高于固有形状特征（ISS）算法,它不仅降低了ISS算法中邻域参数输入造成的不准确性,还具有较高的计算效率。     

基于奇异点邻域结构的三维人脸识别方法

提出一种新的基于奇异点邻域结构的三维人脸识别方法.首先,在人脸纹理图像上分割目标区域,划分特征子区域,提取二维奇异点和奇异点邻域结构;然后,在人脸空间几何信息上标记三维奇异点及其邻域结构,并以奇异点和奇异点邻域结构的三维信息表征人脸特征;最后,采用奇异点邻域结构最近点方法识别人脸身份信息.实验结果表明,所提出方法在三维人脸识别方面具有较高的识别准确率和较好的鲁棒性能.     

基于特征点的路面图像检测

随着高速公路建设的日新月异,路面维护问题也日益突出。针对路面破损监测对实时性要求高的特点,提出一种快速实时的基于SUSAN(Small univalue segment assimilation nucleus)算法的公路破损图像的检测方法。新方法首先利用SUSAN算法对特征点进行准确提取,然后引入模糊聚类理论,对特征点进行分类,接着利用分类结果及特征点的邻域像素梯度方向分布特性差别来进行特征点的匹配,最后使用RANSAC(Random sample consensus)算法进行特征点错配的消除。经实验证明,这种方法匹配准确,运行速度快,可达到很好的效果,这对完善公路图像自动检测系统,有很好的参考价值。     

基于地统计学的空间离群点检测算法的研究

针对传统空间离群点检测算法构建邻域时参数选择困难,处理高维数据的时间复杂度较高等问题,提出了一种基于地统计学的空间离群点检测算法。该算法将空间自相关理论引入空间离群检测中,首先利用3σ规则识别全局离群点,然后利用Delaunay三角网构建空间邻域,将邻域节点均值代替全局离群点,最后使用局部Moran’ I作为空间异常的度量方法。仿真结果表明,该方法不需要选择参数,鲁棒性较强,检测率较高、误警率较低。     

改进FAST-SURF算法在卷烟包件识别定位中的应用

在智能卷烟包件码垛系统中抓取目标物体前需要快速而准确地对其进行识别与定位。而传统的SURF方法在进行特征点检测时时间较长。因此,提出一种基于改进的FAST-SURF算法的双目目标匹配定位方法。将FAST算法检测特征点的检测像素个数由16个降为12个,利用FLANN算法搜索待匹配特征点,缩短搜索匹配时间,然后用改进RANSAC算法剔除误匹配对,根据图像匹配的结果与标定得到的内外参以及匹配特征点近似均匀分布的规律,将所有特征点的三维坐标进行平均运算,得到近似形心坐标。实验中,确定了合适的阈值,证明了该方法在卷烟包件识别定位的速度和正确率上都有一定提高且具有更好的鲁棒性。     

一种成像制导系统的设计

根据跑道这一特定目标设计了一种成像制导系统，对其中的关键技术－跑道的检测和判识作了介绍，并给出了其数学模型和提取算法，该算法是基于直线特征提出来的，具有较高的实用价值。文章的最后给出了实验结果，结果表明该算法可以有效地对跑道加以识别。     

角点检测技术综述

角点是图像很重要的特征,对图像图形的理解和分析有很重要的作用。对灰度图像、二值图像、边缘轮廓曲线的角点检测算法进行综述,分析了相关的算法,并对各种检测算法给出了评价。     

一种基于局部最大熵的特征匹配算法

传统的基于灰度的匹配算法抗噪声能力和抗局部几何变形能力较差，通过图像熵变换，提出了一种新颖的基于局部最大熵的特征匹配算法；通过局部特征点所在区域的相关匹配，获得具有最大可信度的匹配结果。由于匹配只是在特征点之间进行，且在匹配过程中引入外极线和一致性约束条件，从而大大降低了计算消耗和误匹配率，获得了比较理想的表面离散深度图。     

一种基于视觉特征的形状渐变算法

基于建立两个平面形状特征点之间的对应关系的问题上,提出一种新的解决方法。这种方法是把特征点从源形状和目标形状中抽取出来,根据此方法来衡量两个特征点之间相似度,采用有效的动态编程的方法找出特征点之间的最优化的对应关系来解决问题。该算法简洁、快速,并有效地保留原始形体上的特征属性。     

基于自然分界法的点状注记自动标注算法

Marks和Shieber的研究表明,点状注记的自动标注是一个NP难度问题[1,2]。因而通过对地图分块降低算法的复杂度是一种常用的方法。而目前的大多数分块算法都会使标注空间有不同程度的减小。论文提出了一种自然分界法的分块策略,实验证明,它基本不会损失点状注记的标注空间。     

Point cloud simplification for the boundary preservation based on extracted four features

This paper proposes a simplification algorithm based on four feature parameters, aiming at solving the problem that the edge features cannot be retained due to the incompletely extracted sharp features during point cloud simplification. Firstly, K neighborhood searching is carried out for point cloud, and K neighborhood points are quickly found by a dynamic grid method. Then, four features including: the curvature of the point, the average of the normal angle of a point from a neighborhood point, the average distance between the point and the neighborhood point and the distance between the point and the center of gravity of the neighborhood point, are calculated according to the K neighborhood of the data point. The four parameters are used to define the feature discrimination parameters and feature thresholds, to compare the size and extract the feature points; finally, the non-feature points are reduced twice by the method of the bounding box, and the reduced point cloud and feature points are spliced to achieve the purpose of simplification. The experimental results show that the distance between the point and the center of gravity of the neighborhood has a great influence on the simplified model boundary, which effectively guarantees the accuracy of the simplified model.     

面向点云的三维物体识别方法综述

随着三维扫描技术的快速发展,获取各类场景的点云数据已经非常简单快捷;加之点云数据具备不受光照、阴影、纹理的影响等优势,基于点云的三维物体识别已成为计算机视觉领域的研究热点。首先,对近年来面向点云数据的三维物体识别方法进行归纳和总结;然后,对已有方法的优势及缺点进行分析;最后,指出点云物体识别中所面临的挑战及进一步的研究方向。     

Automatic seal identification by using point matching and fake detection

An automatic seal identification algorithm is proposed. The algorithm uses the point matching technique to register the seals quickly and accurately. To increase the identification rate, the fake detection algorithm is proposed to remove the over-ink areas and detect fake areas in the registered images. Experiments provide the identification ability for the proposed approach. The processing speed for identification is less than 2 seconds on Sun-4 workstation.     

Water Regions Extraction from LiDAR Data in Coast

Water regions extraction is of great significance to monitoring,research,planning and development of coastal zones.The conventional method of water regions extraction based on remote sensing image often has poor accuracy in coast because there are large differences among spectral character of different water regions which often change over time as well.To solve this problem,the elevation,intensity and point-density information from the highly accurate 3D mass points of airborne LiDAR was exploited to extract water regions.Firstly,a part of water points were extracted by the characteristics of low density,and then were constrained by the elevation and intensity threshold which came from Statistical table.Secondly,A triangulation network surface model was established based on the water points got from the previous step to describe the elevation trend of water surface.Lastly,all the points which near or behind the surface model was extracted as water points.The result of the accuracy evaluation indicates that the recogniton accuracy of water points is more than 91%.