一种基于改进ORB算法的双目视觉测距方法

针对传统基于特征点图像匹配算法误匹配率高和 双目视觉系统测量精度低问题,提 出一种基于改进ORB 算法的双目视觉测距方法。首先采用引导滤波对图像进行预处理,然 后将FAST 检测得到的特征点作为中心,得到围绕该特征点的区域,将该区域进行分割, 分别求出左右区域的质心坐标,根据两质心坐标进行主方向的确定;再采用Sobel 算子计 算出像素点水平和垂直梯度,比较每个像素点对之间水平与垂直梯度中的较大值,把比较 结果串成一个二值位字符串的形式,从而形成描述符,采用汉明距离进行匹配;最后在测 量阶段用二维二次函数拟合的方法获得特征点的亚像素坐标,通过三角测量原理获得对应 特征点的空间三维坐标,从而得到被测物体的尺寸。实验结果表明,本文改进算法的匹配精度较 传统ORB算法提高35.25%,同时测量的最低相对误差达到0.428%,满足测量要求。     

一种基于卷积神经网络的人脸识别改进算法

针对目前图像特征点人脸识别算法匹配精度低等缺点,提出了一种基于卷积神经网络的人脸识别算法。该算法采用传统算法算子融合卷积神经网络进行识别,首先采用局部感受野的思想,将整体图像进行分割,得到局部图像集合,并将该集合中每个局部图像像素存储在像素矩阵Ai中。然后对各个局部图像进行卷积运算,得到局部图像之间的内在特征联系,存储于Bi矩阵中,并池化进行特征映射。最后,训练出网络加权系数并求出识别结果。实验结果表明,相比其他算法,所提算法改善了原有算法图像特征点匹配精度低的问题,验证了所提算法的有效性。     

一种快速区域立体匹配算法设计及实现

为了精确建立两幅图像像素间的对应关系,克服区域立体匹配算法计算量大的缺点,提出了一种改进的区域立体匹配算法。改进的区域匹配算法运用双向立体匹配策略来提高两幅图像像素间的匹配精度,并结合mean-shift图像分割技术,在同一区域具有相同视差的假设前提下获得图像的稠密视差;为了克服区域立体匹配计算量大的缺点,该算法引入伪极线约束将真正匹配点的位置限定在一个非常小的范围内,从而大大减少了匹配点的搜索范围,有效地降低了匹配算法的计算量。实验结果表明,改进的双向匹配算法可以有效地缩小匹配搜索范围,并实现图像间的精确稠密匹配。     

一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief, ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform, SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。     

融合特征光流与角点特征的图像特征匹配算法研究

图像特征匹配是视觉里程计的重要环节,针对视觉图像序列特征点匹配中存在的匹配精度低问题,提出一种融合金字塔特征光流与角点特征的精确快速图像特征匹配算法。算法首先利用ORB(二进制定向简单描述符)算法快速提取图像特征点,然后融合金字塔Lucas-Kanade特征光流的追踪特性,使用局部特征窗口计算图像特征点位移矢量。接着针对图像特征的匹配对齐问题以及特征丢失问题,算法采用K最近邻半径搜索作为特征滤波器移除混淆的匹配,最后使用RANSAC(Random Sample Consensus)算法剔除冗余误匹配点对,提高匹配率。通过多组实验数据对比,该算法的图像特征匹配率可达到98%。对比传统的ORB特征匹配算法,该算法在实时性和图像特征匹配精度上均有显著提高。     

基于改进ORB的图像特征匹配算法研究

针对ORB算法特征匹配精度低的缺陷,结合金字塔光流特性,提出一种优化ORB特征匹配的方法.首先,采用区域分块法对待匹配图像进行处理,挑选出最佳匹配子块,缩小无效匹配区域;接着,对子块提取ORB关键字并计算匹配描述子得到粗匹配点对,采用金字塔光流法追踪ORB特征点,求解特征点的运动位移矢量,以此剔除粗匹配部分错误的匹配对...     

针对间断纹理环境中的图像特征追踪和匹配算法研究

针对同时定位与地图构建(SLAM)中的特征匹配关键环节,提出一种融合特征点和特征区域的图像追踪与匹配算法,以解决交替出现纹理丰富和纹理缺失的间断纹理环境中图像特征易丢失、误匹配率较高的问题。首先,利用ORB算法和半稠密直接法分别对图像提取特征点和特征区域。其次,使用渐进一致采样法(PROSAC)剔除ORB算法的误匹配特征点,并计算特征点的正确匹配率。最后,针对纹理缺失环境中特征点丢失严重的问题,以特征点的正确匹配率作为判断依据,对低匹配率图像,则基于特征区域使用半稠密直接法实现图像的追踪,同时对追踪结果进行非线性优化,提高了特征区域追踪的准确性和稳定性。实验结果表明,该算法适用于间断纹理环境,在纹理丰富和纹理缺失条件下均可提高图像匹配的准确率。     

基于改进ORB-FLANN算法的工件图像识别方法

针对传统图像识别算法匹配正确率低、运行时间较长等问题,文中提出了基于改进ORB-FLANN(Oriented FAST and Rotated BRIEF-Fast Library for Approximate Nearest Neighbors)的工件图像识别方法。对ORB算法特征描述、图像特征匹配算法进行修改,解决传统图像识别算法在图像存在尺度和旋转变换情况下存在的弊端并降低误匹配率。该方法对ORB算法检测到的特征点采用SURF(Speeded Up Robust Features)算法添加方向信息并完成特征描述,得到旋转尺度不变性的特征点,结合FLANN算法并引入双向匹配策略进行特征点粗匹配,最后利用渐进采样一致算法进一步剔除误匹配点对完成精匹配。实验结果表明,与其他方法相比,改进算法在处理尺度、旋转等变换图像时,匹配正确率分别提高了2.6%～18.8%和29.5%～43.9%,运行时长均在4 s以内,提高了对工件图像的识别效率和精准性。     

改进U-Net网络的接地网图像超像素分割北大核心CSCD

研究基于改进U-Net网络的接地网图像超像素分割方法,提升红外图像超像素分割效果。通过主成分分析法降维处理接地网腐蚀红外图像;利用Turbopixel超像素分割法分割降维后的红外图像,获取数个超像素区域;在全卷积U-Net网络内添加可变形卷积与重构上采样卷积,并利用反向传播算法,优化网络参数,建立改进的全卷积U-Net网络结构;在改进的全卷积U-Net网络内分割获取的数个超像素区域,输出红外图像超像素自动分割结果。实验证明:该方法可有效降维处理接地网腐蚀红外图像,实现红外图像超像素分割,分割后的红外图像边界清晰;在不同分辨率时,该方法的Dice相似性系数较高、Hausdorff距离较低,具备较高的红外图像超像素分割精度。     

一种优化的特征点匹配算法

为提高三维重建的性能,提出一种优化特征点匹配算法.首先,通过组合算法对特征点进行初匹配;其次,通过随机抽样一致算法剔除误匹配获得目标的精确匹配点,并将精确匹配点通过区域生长算法,经多次迭代实现稠密匹配;最后,经过二次剔除误匹配点得到精确稠密匹配结果.同时,搜索窗的大小通过局部二值模式来自适应调整,提高区域生长后新增种子点的精度,从而更有利于三维重建.实验证明该方法能提高匹配效率和精度.     

一种用于图像拼接的改进ORB算法

针对Oriented FAST and Rotated BRIEF(ORB)算法缺少尺度不变特性,误匹配率高,易造成图像拼接质量差等问题,本文提出一种用于图像拼接的改进ORB算法。首先使用一种基于尺度不变的特征检测算法对图像进行特征点检测,然后用ORB描述算法对特征点进行特征描述,用ORB匹配算法进行粗匹配,再用双向匹配和Random Sampling Coherence(RANSAC)算法对匹配点进行精匹配和提纯,进一步提高其正确率,最后使用渐入渐出加权融合完成图像拼接。实验结果表明,本文方法在图像的缩放和旋转、模糊、光照强度、拍摄视角等情况下都具有优秀的鲁棒性和稳定性,是一种实时性强、准确度高、拼接质量优秀的图像拼接方法。     

基于改进MASK R-CNN的舰船目标三维识别

针对二维图像无法表征舰船深度信息、舰船紧密排列识别出现误检等问题,改进了MASK R-CNN的模型方法。首先在目标区域方框和类别预测的基础上,合理重建出三维模型;其次在原始的RPN网络中选取级联的方法增加滑动窗口数量,改善感受野获取信息有限问题;同时增加掩膜分支,在描述舰船目标特征的同时,增加对其轮廓边缘的限制;最后结合非极大值抑制的方法对冗余框进行过滤去除,实现对三维舰船实景目标的识别。进行了仿真实验,对舰船目标识别任务上的性能进行了全面分析,实验结果表明改进后的MASK R-CNN算法相比原始方法,在目标识别准确率上提高了14.8%,证明该方法对三维实景模型目标识别的优越性与准确性。     

基于非线性扩散与高维M-SURF描述符的双目视觉测量方法

针对传统图像匹配算法存在误匹配率高和双目视觉测量精度低的问题,本文提出一种基于非线性扩散与高维改进加速鲁棒特征(modified-speeded up robust features, M-SURF)描述符的双目视觉测量方法。首先改进非线性扩散模型中的PM(Perona-Malik)模型,使图像中边缘区域得以平滑而维持内部平坦区域不变,再将扩散后图像与原始图像进行差分运算,利用KAZE算法检测特征点;然后采用环形邻域构建描述符,在对Harr小波响应值进行叠加时,根据与其垂直方向响应值的正负号进行多区间划分,生成高维M-SURF描述符;最后采用Hamming距离匹配,利用随机采样一致性(random sample consensus, RANSAC)算法剔除误匹配并筛选出测量所需的匹配点对,根据平行双目视觉测量原理获取匹配点对的三维坐标即可完成测量。实验结果表明,本文提出算法的匹配正确率较传统KAZE算法提高24.09%,测量最小相对误差达到0.375 6%,满足测量精度的要求。     

基于亚像素边缘检测的LED芯片定位算法研究

LED芯片的定位精度直接决定了LED制造装备的生产质量和效率,为了提高LED芯片的定位精度,提出了一种基于亚像素边缘检测的芯片定位算法.该算法首先采用Gamma变换方法增强图像的对比度,并利用Blob算法获取芯片有效区域;接着采用Canny算法进行芯片亚像素边缘轮廓的提取;最后,通过拟合芯片边缘轮廓,获取芯片位置中心,完成芯片位置的精确识别.该算法不需要人工训练模板进行匹配,提高了边缘提取的定位精度,实验表明,该算法能在平均4 ms内完成一颗芯片的识别,且重复精度达到0.1 pixel,满足LED芯片高速高精度定位需求.     

自适应尺度抗模糊核相关滤波跟踪法

针对图像模糊和目标尺度变化而导致跟踪失败的问题 ,提出一种自适应尺度抗模糊核相关滤波跟踪法。首先,构建一个抗模糊特征检测与匹配模 型,该模型将待匹配图像进行掩膜处理,提取目标感兴趣区 域,并利用加速稳健特征(SURF)和二进制尺度旋转不变鲁棒特征(BRISK)描述子对目标区域 进行特征点检测 与描述,通过特征点二次匹配,获取模糊图像中目标的位置。其次,判断当前图像清晰度, 若图像清晰度 高于一定水平,则利用传统的核相关滤波(KCF)算法预测目标位置,并通过比较不同尺度下 的目标响应峰值, 得出目标的最佳尺度;否则,利用抗模糊特征检测与匹配模型获取目标位置。最后,在OTB -2015数据集 中测试算法性能,本文所提算法的精确度为85.2%,比传统的KCF算法 提高17.4%;成功率为77.8%,比 传统的KCF算法提高23%。实验结果表明,所提算法在跟踪过程中可自 适应地改变跟踪框的大小,并且可对模糊图像中的目标进行有效跟踪。