改进Noble算子匹配的电子稳像法

考虑全局运动估计算法对电子稳像系统准确性和实时性的影响,提出了改进Noble算子匹配的电子稳像算法。该算法通过区域预选、特征匹配、参数求解和运动补偿四步操作稳定抖动视频。首先,根据全局运动一致性的特点,采用子块间的绝对差值提前剔除部分不可靠区域,并改进传统Noble算子的全局阈值部分,根据区域梯度均值自适应调整阈值,检测各保留区域的角点,以保证图像特征的空间均匀性分布;其次,根据特征点的邻域信息构造梯度方向描述子进行粗匹配运算,并利用最近邻次近邻比率和均值距离准则两步操作优化匹配集合;然后,结合运动模型求解全局参数;最后,选择卡尔曼滤波过程完成抖动图像的补偿处理。Matlab仿真结果证明:该算法能平均提高峰值信噪比2dB以上,当旋转角度小于5°时性能更为优异,能准确、快速地稳定视频图像。     

改进的视角鲁棒KAZE特征匹配算法

针对KAZE特征匹配算法对视角变化敏感,在大视角场景下不能实现正确匹配的问题,提出了一种视角鲁棒的PKAZE(Perspective-KAZE)算法。该算法在原KAZE描述符的基础上,计算特征点邻域内的二阶梯度均值,形成新的扩展的80维描述符;然后利用透视变换模型对待匹配影像进行多视角模拟,在模拟影像上提取改进的KAZE描述符,再进行特征匹配。最后,选取5对含有最多正确匹配数量的影像上的匹配对作为初始结果,利用随机抽样一致算法对初始结果提纯。对多组图像进行了匹配实验,结果表明:与KAZE、尺度不变特征变换(SIFT)和加速鲁棒特征(SURF)算法相比,所提算法对视角变化具有更强的鲁棒性;与透视尺度不变特征(PSIFT)和仿射尺度不变特征(ASIFT)算法相比,本算法匹配正确率更高,分别为PSIFT的2~10倍,ASIFT的2~7倍。提出的算法对视角变化具有很好的鲁棒性,不仅对模拟影像的视角变化很稳健,而且适用于真实三维复杂场景拍摄的大视角影像,具有一定的实用价值。     

基于分区灰度投影的稳像算法在卫星装配中的应用

针对传统电子稳像算法无法快速有效地消除视频图像随机抖动的问题,采用一种基于分区灰度投影的稳像算法,以确保机器人系统能够输出稳定连贯的卫星装配画面。对前后两帧视频图像进行划分并删除对比度低的子区域,利用间隔投影和互相关运算获取局部运动分量,通过基于平均误差门限的迭代步骤筛选后剩余的局部运动分量求解全局运动矢量;若判定存在低频扫描分量,还需对多帧图像的全局运动矢量作均值滤波处理。实验结果表明：基于分区灰度投影的稳像算法相比传统灰度投影法,在低对比度的自然场景图像和模拟装配图像中的稳像精确度分别提升119.1%和55.8%;同时执行时间只有块匹配算法的0.5%。能够有效消除随机抖动,快速输出稳定连贯的视频画面,保证机器人系统顺利完成卫星的地面装配工作。     

改进的基于ORB特征的视频实时拼接技术

为了保证在拼接效果的基础上提高视频拼接技术的实时性,选择基于ORB算法实现特征检测,并在此基础上采用了一系列的策略。首先引入了ROI,将待检测的图像序列划分为感兴趣区域和非感兴趣区域;然后采用ORB特征算法和使用二进制串的汉明距离进行图像特征的检测、描述与匹配;再通过参数估计算法PROSAC对特征匹配点对提纯并鲁棒地计算出变换矩阵H,最后采用位置加权平滑算法进行图像融合。实验结果表明,使用的算法速度快,鲁棒性能好,适用于视频实时拼接。     

大运动前景和旋转抖动视频的快速数字稳定

针对存在大的旋转抖动和大的运动前景的视频,提出了一种快速电子稳像方法。由于现有圆周投影法在估计图像大角度旋转运动时鲁棒性较差,故对算法进行了改进以提高投影相关匹配时的准确性。考虑常用的稳像算法难以处理含较大或较多运动前景的抖动视频,提出一种基于图像位平面金字塔的自适应取块平移运动估计方案;该方案可根据块匹配结果的统计特性决策最优取块模式,最大程度地避免运动前景对运动参数估计的干扰。最后,引入一种自适应分组的限幅加均值复合滤波方式,一方面通过限幅滤波修正帧间错误运动估计,另一方面自适应分组确定滤波窗口以达到较佳运动平滑效果。实验结果表明:改进的圆周投影法旋转估计的准确性和稳健性均有提高;自适应取块的平移运动估计方案能够准确估计较大运动前景抖动视频的运动参数,同时也适用于灰度特征不丰富的抖动视频;稳像的信噪比峰值可达31.08dB。     

面向大规模SFM的快速鲁棒特征跟踪算法

运动恢复结构(SFM)是指通过分析二维图像序列恢复三维结构信息的过程,在计算机视觉的多种应用中起着重要的作用。特征跟踪是大规模SFM的核心组成部分,但现有的多视图特征跟踪算法在鲁棒性和效率上还存在不足,为解决这一问题,提出了一种快速和鲁棒的特征跟踪(FRFT)算法。首先,采用AGAST进行特征点检测,并使用图像矩为AGAST特征定义主方向,为构造旋转不变的描述子奠定基础;其次,在差分高斯金字塔空间内,根据中心点与邻域像素之间的差值构造特征描述子,避免光照和尺度变化对特征匹配的影响;再次,为了提高特征匹配效率,对特征集合进行聚类,采用KD-Tree加速特征匹配,提高算法的时间效率;最后,采用4种方式对FRFT算法进行验证,并与现有经典算法进行比较。实验结果表明,FRFT算法在鲁棒性和时间效率方面均优于现有经典算法。     

高精度实时全帧频SURF电子稳像方法

针对视频抖动和电子稳像的实时性,提出了基于SURF的电子稳像算法.首先,采用SURF算法检测图像的兴趣点,建立了当前帧与参考帧的对应关系,得出高精度的运动估计矢量.然后,通过判定参考帧更新策略,获得平滑的帧间全局运动矢量,进而对原始视频序列进行运动补偿.最后,将参考帧对应区域像素填充到稳像帧丢失像素区域进行全帧频补偿,...     

舰船图像序列电子稳定算法的研究

分析了船载摄像系统获取的图像序列的特点,提出了稳定舰船图像序列的特征点电子稳像算法.详细地阐述了实现此算法的关键步骤:获取图像特征点,确定图像运动矢量和校正图像序列等.通过分析实际工作中舰船摄像系统的运动状态,进一步简化算法,提高了算法的精度.将此算法应用于舰船图像序列稳定实验,分别采用图像差值和图像序列的逼真度对稳定的结果进行了评定.试验和评定的结果表明,这种特征点稳像算法能够实现实时准确地稳定舰船图像序列.     

视觉SLAM中图像特征点提取与匹配算法研究

在视觉SLAM(visual Simultaneous Localization And Mapping,v SLAM)中,利用提取到的图像特征点进行相机位姿估测是一种非常重要的位姿估算方法,为了实现相机的定位,图像特征点必须具备鲁棒性、尺度性和高效率等特点。介绍了图像特征点提取与匹配在视觉SLAM中的作用和场景中图像特征点需要具备的特性;对几种主流的图像特征点提取算法,即尺度不变特征变换(Scale Invariant Feature Transform,SIFT)算法、加速稳健特征(Speeded-Up Robust Features,SURF)算法、快速特征点提取与描述(Oriented FAST and Rotated BRIEF,ORB)算法分别进行了简要说明;并通过设计实验,在室内环境中,对几种图像特征点提取算法的运行效率和图像特征点匹配正确率进行了对比测试。实验表明,ORB算法在运行效率和匹配正确率上占据优势,能够较好地满足视觉SLAM中实时性和鲁棒性的要求。     

面向目标检测的空间观测图像精确配准

针对空间目标检测对图像配准精度的要求,本文组合Fourier-Mellin变换和加速鲁棒特征变换(SURF)算法来实现对空间观测图像的精确配准,并研究了该配准算法所涉及的变换模型、特征提取、特征匹配和配准精度等问题。该算法首先利用Fourier-Mellin变换计算图像旋转角度的整数值,根据整数角度将待配准图像反向旋转;然后利用SURF算法检测两幅图像的匹配特征点;最后利用最小二乘方法计算旋转角度的浮点值和平移量,而整数角度与浮点角度之和就是待配准图像的实际旋转角度。文中分析了SURF特征点检测与图像尺寸、DoH响应阈值以及尺度空间层数之间的关系。实验结果表明:提出的算法对图像旋转角度估计值的均方误差为0.0077°,50组实拍图像中星点质心均方误差的平均值为0.1353pixel,能够满足空间目标检测对图像配准的精度要求。     

基于SURF的快速图像匹配改进算法

针对传统SURF算法在图像匹配中使用固定阈值提取的特征点不均匀、匹配正确率低以及时间复杂度高的问题,提出一种基于SURF算法的快速图像匹配改进算法。首先,通过对Hessian矩阵行列式值分布的统计分析,提出一种阈值自适应方法来提取更有效的特征点;然后采用四叉树方法对所提特征点进行均匀化以降低误匹配率,并提出一种划分深度自适应的方法对四叉树算法进行改进,防止四叉树过度划分;最后,本文首次将BEBLID二进制描述子与改进SURF算法相结合,利用基于机器学习的采样模式对特征点构建具有强描述性的二进制描述子,在提升匹配正确率的同时加快匹配速度。实验结果证明,本文所提算法在Mikolajcyzk图片数据集测试中的匹配正确率比传统SURF算法高9.7%～27.0%,算法速度比SURF提高了50%以上。对比SIFT、SURF、BRISK、ORB算法,本文所提改进算法具有更优的鲁棒性和实时性。     

采用显著性分析与改进边缘方向直方图特征的红外与可见光图像配准

为了实现红外图像与可见光图像的信息融合,弥补单一模态图像的不足,提出了一种基于显著性分析与改进的边缘方向直方图EOH(Edge Orientation Histogram)特征的红外与可见光图像配准算法。该算法首先利用显著性分析技术找到可见光图像中的重要信息,得到显著性图;将其与可见光图像融合,实现可见光图像中重要信息的划分。然后,利用自适应FAST(Features from Accelerated Segment Test)算法,探测可见光与红外图像上的特征点;利用改进的EOH,描述特征点。最后,根据描述计算特征点的相似性,在可见光与红外图像上找出对应的特征点,实现红外与可见光图像的匹配。在3种不同情况下对红外与可见光图像数据进行了配准实验。结果表明:在红外图像与可见光图像采集条件相似情况下,特征点正确匹配率为96.55%,而在图像采集条件差异较大的情况下,特征点正确匹配率可达74.21%。该算法可实现红外与可见光图像的精确快速匹配,即使红外图像与可见光图像采集的角度与位置均存在较大差异的情况下,仍可以满足红外与可见光图像匹配对精度和稳定性的要求。     

基于单目视觉的视网膜三维重建技术研究

为了在视网膜疾病诊断中获得精度高、可视化好的视网膜,提出一种基于单目视觉的视网膜三维重建算法。该算法通过对两幅预处理图像的特征点提取确定匹配点对之间的对应关系,采用RANSAC算法去除误匹配点对,准确率高,用链匹配的方法使得多幅图像间的特征点匹配从而得到整体最优化结果。根据不同图像间特征点的对应关系,使用4通光束平差法确定空间中摄像机相对位置关系,使用PMVS算法实现视网膜的三维重建。实验结果表明,该算法具有很好的鲁棒性和稳定性,能较好地实现视网膜的三维重建。     

基于混合特征的移动机器人图像匹配算法

针对移动机器人定位过程中视觉图像处理速度慢以及特征点提取与匹配实时性、准确性差的问题,提出了基于颜色矩的改进SIFT分级图像匹配算法。首先改进SIFT算法,扩大极值点检测范围;采用Sobel算子计算特征点的梯度方向和幅值;以向量夹角为准则度量SIFT特征相似性,提高SIFT特征提取与匹配的速度和精度。图像匹配时先采用颜色矩对环境图像序列进行相似性排序,改进SIFT特征,再与排序后图像依次进行精确匹配,分级匹配提高了移动机器人的定位速度和精度。实验结果表明：与原SIFT相比,改进SIFT提高了特征向量的显著性,误匹配率降低约9.2%,特征点数量减少约20%;分级匹配提高了图像匹配速度和精度,SIFT特征计算量减小60%,总体耗时缩短40%。达到移动机器人定位实时性和鲁棒性的目的。     

三维运动分析中的运动-立体双匹配约束

为保证在基于点特征的三维运动分析中运动物体不同时刻任意物方特征点的对应,对该过程中存在的图像运动-立体匹配问题进行了研究。提出了运动-立体匹配相结合,分阶段的运动-立体双匹配约束的方法。即采用松弛法点特征匹配算法完成图像间的基本匹配,通过运动-立体双匹配约束完成运动物体特征点的对应。给出了一组真实的实验数据,结果表明:该算法总的正确率达76.5%,基本达到了三维运动物体定位跟踪中特征点对应的要求。     

适应移动智能设备的目标跟踪器

针对增强现实技术在移动智能设备上应用需求,设计了一种适应移动智能设备嵌入式系统的目标跟踪器。在特征描绘阶段采用亮度信息进行二值特征的快速分割并建立强显著性的二值特征描绘器;在特征选择阶段提出一种稀疏跟踪搜索模板进一步提高跟踪算法的执行效率。然后,在跟踪器中建立了存储目标初始信息的静态库与不断更新目标外观或运动变化信息的动态库,通过对比静、动态库与搜索模板区域中的信息确立跟踪目标位置。对跟踪器执行时间进行了对比,结果表明:在保证较高的跟踪精度条件下,采用稀疏搜索模板能明显改善算法的执行时间,将搜索半径设为10可在绝大多数情况下满足跟踪器的实时要求。对跟踪器的有效能力亦进行了对比,结果显示:在3组不同搜索半径下,提出的DBRISK描绘方法的平均跟踪误差相对于BRISK(Binary Robust Invariant Scalable Keypoints)方法分别下降了16%、28%和29%。实验表明:提出的方法能够明显改善跟踪器的信息提取准确度,适用于计算能力有限的移动智能设备。     

动态特征块匹配的背景更新在运动检测的应用

为解决传统监控设备视场小、非智能等缺陷,结合全景成像技术和计算机视觉技术,建立无人环境下外来入侵自动检测系统,从而实现了全景监控视场下运动目标快速准确的检测及跟踪。该技术关键在于如何在复杂的动态背景下有效地提取运动目标,为此提出一种基于动态特征块匹配的自适应背景更新算法。在采用帧间差分与背景差分融合算法检测到目标的基础上,利用目标的矩信息进行跟踪,避免了全景视觉下颜色及轮廓特征缺失的弊端。根据目标的轮廓及位置提取特征块,将视频序列的每一帧图像与初始背景图像进行特征块区域的局部匹配,首先通过分析特征块图像的颜色特征,构建基于区间统计的RGB颜色直方图,提取颜色特征序列。然后通过计算序列相关性来判断该区域是否需要背景更新,从而降低对单个像素更新的冗余计算。实验表明,该更新算法具有较强的鲁棒性和可行性,能够有效提高监控系统的稳定性。     

基于背景差分的巡检机器人视觉识别方法

针对巡检机器人检测异物范围受限,只能检测经过训练的异常物体问题,提出了一种基于视频对齐的背景差分技术。巡检机器人由于运行速度不稳定、摄像头角度存在偏差,会导致视频无法对齐,识别准确率低,因此采用一种改进的联合优化算法对视频进行处理。首先使用改进的DTW算法逐帧查找与目标视频对应的帧,将视频对应帧提取出来;再采用SURF算法提取对应帧的特征点,进行筛选后使用DeepFlow算法得到对应帧图像的变形场矩阵,进而将图像角度修正,并进行像素级的匹配。实验结果表明,DTW-SURF-DeepFlow联合算法可以将图像进行完全的对齐,经过对齐的图像通过背景差分即可以检测出任意的异常物体,提高了异物检测的准确性。     

稳定运动物体视频的特征方法

将背景特征块配对和直方图聚类运动矢量滤波相结合,提出了一种稳定运动物体视频的方法。用得到的全局运动参量补偿摄像机的帧间运动,运用帧差法分割出前景块和背景块,把参考帧背景上的特征块与当前帧上的特征块配对估计下一轮的帧间运动。用一块对多块的匹配策略,把参考块和以参考块为中心的搜索窗内的当前帧上的最佳匹配块配对,建立稀疏运动矢量场。然后,运用直方图聚类方法滤除矢量场中未分离出的前景块矢量和误匹配矢量。最后,用多个包含运动物体的实际视频序列对提出方法进行测试,并与其它先进稳像算法和技术仿真比较。结果表明:提出方法的全局平均帧间变换保真度可达31.05dB,接近或优于上述先进算法和技术。提出的方法对包含运动物体的视频具有较强的鲁棒性,可以去除帧间高频抖动并有效改善视频质量。