多视点距离图像的对准算法

提出一种多视点距离图像的对准算法.该算法将有拒绝的随机抽样和迭代最近点(ICP: Iterative Closest Point)算法结合起来,采用粗、精对准时不同的评价函数,利用最小二乘进行多视点之间运动参数的估计.为了快速进行3D点到物体表面的最近距离和最近点的计算,采用了物体表面的八叉树样条表示.实验结果表明,该对准算法收敛速度较快,抗噪声能力较强,并且有较高的对准精度.     

Gradient-based approach for fine registration of panorama images

This paper studies the application of gradient-based motion detection techniques (i.e., optical flow methods) for registration of adjacent images taken using a hand-held camera for the purposes of building a panorama. A general 8-parameter model or a more compact 3-parameter model is commonly used for transformation estimation. However, both models are approximations to the real situation when viewpoint position is not absolutely fixed but includes a small translation, and thus distortion and blurring are sometimes present in the final registration results. This paper proposes a new 5-parameter model that shows better result and has less strict requirement on good choice of unknown initial parameters. An analysis of disparity recovery range and its enlargement using Gaussian filter is also given.     

基于改进运动历史图像的多运动目标实时跟踪

提出了一种利用视频图像对运动目标进行实时检测与跟踪的新方法.该方法利用基于改进的时间片的运动历史图像(tMHI)的灰度阶梯轮廓方法对多个运动目标进行检测,通过卡尔曼滤波器对多目标进行跟踪,并得到了各个运动目标的轨迹曲线,进而实现了对视频图像中多目标的跟踪.同时,该方法对多个目标的遮挡问题获得了明显的改善效果.实验结果表明,该方法能够对复杂场景下的多个目标进行有效的识别和准确的跟踪,系统的实时性强,识别率高,而且该方法对于复杂视频监视系统场景中的光照变化、雨雾等干扰具有较强的稳健性.     

并行混合遗传算法在深度像配准中的应用研究

实现了基于并行混合遗传算法的深度像精确配准,并比较了四种不同测度下算法的收敛速度和配准精度。根据进程数将种群划分为相应数量的子种群,每一个进程维护一个子种群的交叉、变异和选择,并通过采用环状的最优个体迁移策略和退火选择算子,实现了基于粗粒度并行混合遗传算法的深度像精确配准。此外,还比较了点对均值、中值、点面距离以及表面间平均体积四种测度下算法的性能和优劣。实验结果表明,并行计算技术的应用能够有效加速遗传算法的收敛,减少算法的运行时间。     

一种基于H.264/AVC的多参考帧快速选择算法

最新的视频编码标准H.264/AVC采用了多参考帧运动估计来提高编码效率,增加的计算量与参考帧数目成正比。为避免搜索多余的参考帧,提出了一种低复杂度参考帧确定算法来快速确定当前宏块所需的参考帧。实验结果表明,本算法在保持率失真性能的前提下有效减少多参考帧预测的计算复杂度并节省了时间。     

自适应搜索长度的UMHexagonS算法研究

提出了基于自适应搜索长度的UMHexagonS算法。UMHexagonS算法是H.264标准视频编码中的运动估计算法之一。经过理论和数据的分析后,发现其搜索长度的选择可以改进,于是提出了利用前若干搜索点的信息来选择合适搜索长度的自适应算法,使搜索算法避开了一部分多余的搜索点。实验结果表明,在保证PSNR和码率变化不大的前提下,可以有效地降低大约15%的运动估计时间。     

基于多视图像的摄像机自标定方法

摄像机标定是三维重建时的必要步骤。传统的标定方法对设备要求高、操作繁琐,而自标定方法虽然简便,但精度不高,会严重影响三维重建的效果。因此,越来越需要一种操作简便并且精度高的自标定方法。采用SIFT特征点匹配算法,根据多视序列图像中对应点间的相互关系,利用光束法平差,提出了一种基于局部-全局混合优化的迭代优化方法。针对图像匹配量大的问题,提出了一种邻域内图像互匹配方法来降低时间代价。实验表明,本文提出的多摄像机自标定方法是一种有效的高精度方法,采用的邻域内图像互匹配技术能很好地降低图像匹配的时间消耗。根据多视图像的对应点间相互关系,充分利用局部-全局优化的思想,通过混合优化的方法得到相机参数,对比现有自标定算法,本文给出的方法有较高的精度和鲁棒性。     

基于度量矩阵特征值的图像空间关系描述

构造了在平移缩放旋转下保持不变的基于度量矩阵特征值的图像空间关系描述子。理论计算和仿真实验表明这种描述与人的主观视觉心理相一致,在平移缩放旋转下以及小噪声下具有较强的鲁棒性,具有较好的类别可分离性。与传统的空间关系描述方法如几何法和图匹配法相比,可以更好地描述图像空间关系,同时计算量有所减小。用于图像识别、图像检索、图像配准取得了较好效果。     

基于遗传算法的深度图像配准方法研究

深度图像配准主要应用于物体三维建模、历史建筑修复重建、虚拟博物馆、利用虚拟现实界面教学,以及复杂结构分析等广泛领域.遗传算法多用于深度图像粗配准,但通过加强其局部搜索能力,也能实现细配准.系统论述了遗传算法在深度图像图像配准的应用,并通过实验加以具体说明.     

基于机器学习的肺部CT图像非刚性配准误差预测方法

配准误差评估通常由人工完成,耗时费力;常用的Dice测度只关注组织边缘的配准误差,难以评估组织内部配准结果。针对以上问题,提出一种基于机器学习的肺部CT图像非刚性配准误差预测方法(PREML)。该方法首先构建形变场统计特征、形变场物理保真度特征和图像相似性特征三类特征,然后通过池化方法扩充特征数量,最后使用随机森林回归方法预测非刚性配准误差,并且使用自适应随机扰动方法模拟肺部配准误差空间分布,进一步提升形变场统计特征的配准误差表征能力。在三个肺部CT图像数据集上进行训练与测试,其配准误差预测结果与金标准之间的平均绝对差异为1.245±2.500 mm,预测性能优于基线方法。结果表明,PREML方法具有预测精度高、鲁棒性强的特点,可提升配准算法在临床应用的有效性和安全性。     

基于混合遗传算法和点面距离测度的深度像配准*

提出一种利用改进的遗传算法和点面距离作为误差测度的深度像精确配准算法。与现有ICP框架下的迭代算法不同,将深度像配准视为高维空间的一个优化问题,通过在遗传算法中加入退火选择、爬山法以及参数空间的动态退化来加速寻找最优的位置转换关系。同时,采用一种新的基于点面距离的适应函数来计算配准误差,使得算法具有更强的鲁棒性。实验结果表明,该算法不需要初始的运动参数估计,具有较高的配准精度,收敛速度快且抗噪声能力强。     

多重约束下的近景影像线特征匹配方法

目的 针对影像匹配时提取特征线断裂而影响匹配结果及可靠性的问题,提出多重约束条件下的近景影像线特征匹配方法。方法 首先,采用SIFT算法获取同名点,并使用RANSAC算法进行优化,通过同名点计算仿射变换矩阵;建立格网点,利用仿射变换、Harris兴趣值及最小二乘法提高密集匹配结果的精度;其次,采取Freeman链码优先级算法提取直线,根据搜索区域内密集匹配点与直线位置关系完成特征线的初始匹配;最后通过线段重合度对初始匹配结果进行优化,并利用核线约束确定同名直线端点。结果 选取存在旋转、尺度、遮挡的近景影像进行线特征匹配实验,结果表明,与其他直线匹配方法相比,本文方法不仅在直线匹配成功数目上约为经典算法的1.07~4.1倍,而且直线匹配正确率也提升0.6%~53.3%,具有较好的准确性和鲁棒性。结论 通过多重约束有效地减小了立体影像中线特征匹配时的搜索范围,提高了直线匹配速率,且该方法适用于不同类型几何变化下的近景影像数据,并能较好地改善直线断裂及遮挡问题。     

基于距离预测的快速自适应运动估计算法

已有的快速搜索算法中,绝大多数都不检查搜索区中所有候选项,所以,当视频序列中有快速或随机运动时,这些算法常导致搜索陷入局部最优。为了解决这一问题,提出了一种估算当前搜索点和最佳点之间的距离的度量方法,在此基础上提出了一种新的自适应的阈值方案,并结合层次搜索技术,既有效提高了具有快速或随机运动的视频的运动估计的搜索速度,也保证了算法较好的PSNR性能。     

基于双侧滤波的多幅灰色图像修复

首先比较L2泛数、L1泛数和ρ函数的各自优势,然后利用多幅降质图像,提出一个新的基于双侧滤波盲去卷积模型。并采用最速下降法给出了演化方程组,最后利用计算机模拟实现。针对运动模糊情况,对新模型与全变差(TV)模型修复效果作了比较。针对高斯模糊情况,利用单幅图像与两幅图像修复效果进行比较。实验结果表明,新模型更适用于运动模糊情况,其多幅图像修复比单幅图像修复效果更好。     

基于改进的Harris和SIFT算法的眼底图像拼合

传统的眼底图像拼合主要采用SIFT算法实现,算法计算量大,效率低,准确率也不高.Harris提取的是图像的角点信息,能较好准确地反应图像的特征信息.作者采用Harris和SIFT算法相结合的方式,采用Harris算法提取的角点信息,并用这些角点提取SIFT特征描述符,且在图像拼合的过程中对算法做出相应的改进,克服了多模式图像中局部梯度信息不一致带来的误差,计算效率高,且拼合效果较好.     

多幅图像的自动拼接算法研究

提出一种基于特征点的多幅图像自动拼接算法。根据SIFT或SURF算法在图像的尺度空间中提取特征点,对特征点进行亚像素定位,并赋予主方向。根据特征点邻域信息分布计算得到特征向量后,基于k-d树进行最近邻和次最近邻搜索,利用最近邻特征点距离与次近邻特征点距离之比得到初始匹配点对。使用RANSAC（Random Sample Consensus）算法剔除错误匹配特征点对,同时对图像之间的变换参数进行鲁棒估计,使用多频带融合算法消除拼接痕迹。实验验证了该算法能够完成多幅图像的自动无缝拼接。     

基于序列图像的视觉定位与运动估计

研究了移动机器人的视觉定位和目标的运动估计。采用单目视觉系统,借助人工标识物,由小孔成像模型及空间几何关系,推导出视觉测距模型,并实现了移动机器人的自定位和目标的定位。通过序列图像,应用基于特征的运动分析方法估计球体的运动参数,推导出移动机器人对运动目标的跟踪模型。球体定位实验结果表明:该方法的定位精度较高。     

基于距离测度学习的AP聚类图像标注

针对有效利用图像底层视觉特征和图像语义特征进行图像标注,提出一种改进的AP（Affinity Propagation）聚类标注模型。首先采用半监督距离测度学习算法,融合图像语义信息,训练得到新的距离测度。然后使用新的距离测度对每一类图像进行AP聚类,生成各类图像的聚类中心,计算待标注图像到各类图像聚类中心的平均距离,确定待标注图像类别。最后计算待标注图像到类内各个聚类中心的距离,确定待标注图像类内类别,统计该类别下图像的标注词,作为待标注图像的标注词。在Corel5K和NUS-WIDE数据集上进行了实验,经验证,该方法有效提高了标注精度。