一种基于遗传算法的立体匹配方法

根据遗传算法容易获得全局最优解的特点，文章首先利用沈俊边缘检测算子获得图像的边缘特征，然后改进了遗传算法，设计了染色体表示方法、适应度函数以及相应的遗传操作。使之适合于立体匹配的要求。实验结果表明该方法效果良好，具有实用价值。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘俭测效果。     

一种基于方差的图像边缘检测算法

鉴于传统微分边缘检测算法不适用于识别图像中与背景灰度区别较小的弱边缘,提出了基于方差的图像边缘检测算法,并介绍了其原理和算法实现过程。实验表明,该算法能较好检测出背景灰度区别较小的物体边缘,并有一定的抗噪能力,提高了图像边缘检测效果。     

基于直线特征的图像配准算法

为实现高效率、高精度的图像配准,提出了一种利用图像边缘直线特征的图像配准算法。首先利用LoG算子提取参考图像和待配准图像的边缘信息,利用Hough变换提取图像边缘信息中的主要直线;然后以直线特征定义了参考图像和待配准图像的相似性度量,以此度量估计旋转角度,找出直线组的对应关系;最后在这些直线组中选取配准控制直线,计算配准参数,对图像配准。经过实验,验证了该算法的有效性。     

一种新的图像边缘检测算法

提出了一种新图像边缘检测算法。与其他方法不同，该文从图像边缘的特性入手来解决边缘检测问题，为此定义了一系列边缘点约束条件作为算法基础，并用集合论的方法解决了这些约束问题，进而建立了整个边缘检测算法。     

基于颜色与边缘融合的非局部立体匹配算法

针对基于最小生成树的非局部算法在无纹理以及边缘区域出现误匹配的问题,提出了一种改进代价计算和颜色与边缘融合的非局部立体匹配算法。首先重新构造了基于颜色-梯度的代价计算函数,以提高无纹理区域像素对代价聚合的贡献率;其次利用颜色与边缘信息进行融合来构造自适应边权函数,并利用该权重构建树结构进行代价聚合;最后通过视差计算和非局部视差优化得到最终的视差图。在Middlebury数据集上进行了测试,实验结果表明,提出的算法在无纹理及边缘区域都取得了良好的匹配效果,有效地改善了视差。     

基于图像分割的立体匹配算法

针对在立体匹配中弱纹理及纯色区域匹配不准确和图像分割算法耗时较多的问题,提出一种融合图像分割的立体匹配算法。首先,将初始图像进行高斯滤波和Sobel平滑的处理,获取图像的边缘特征图;然后,将原图的红、绿、蓝三个通道值采用最大类间方差法进行二分类,再融合得到分割模板图;最后,将所得到的灰度图、边缘特征图和分割模板图用于视差计算和视差优化的过程,计算得到视差图。相比绝对差值和(SAD)算法,所提算法在精度上平均提升了14.23个百分点,时间开销上平均每万个像素点只多消耗了7.16 ms。实验结果表明,该算法在纯色及弱纹理区域和视差不连续区域取得了更加平滑的匹配结果,在图像分割上能够自动计算阈值且能够较快地对图像进行分割。     

一种高效检测图像中是否有三角形的算法

在停车场的停车位检测系统中,要识别停车位是否空闲,就必须对检测系统获取的图像中的任何可能停靠在停车场中的汽车进行识别,但由于汽车种类、形状、大小等千变万化,因此通过识别图像中是否有汽车来判断停车位是否空闲是不现实的。由于可以先在每个停车位上画上一个实心黑三角形,然后通过识别图像中是否包含有三角形来判断停车位是否空闲,如果图像中没有实心黑三角形,则表明该停车位已经被汽车所占据;否则表明停车位空闲,因此,对空闲停车位的检测就转换为检测图像中是否有三角形,这要比识别所有的汽车容易得多。而传统的Hough变换则不能有效地检测图像中是否包含有三角形,为了准确检测三角形,提出了一种有效的检测图像中是否有三角形的算法。该算法首先利用Sobel算子检测出图像的边缘信息;然后抽取一条连通的边缘,并对当前抽取出来的连通边缘所围成的区域进行填充;接着利用三角形面积与它的3条边的关系来判断当前被填充的区域是否是三角形。当分析完该条边缘后,再继续抽取图像中的下一条边缘进行分析,如此反复,直到图像中的所有边缘被抽取完,则停止循环;最后输出结果,如果图像中有三角形,则输出三角形的个数;如果图像中没有三角形,则输出0。实践表明,该算法具有运算量小、运算速度快、所需内存少的优点。     

一种用于立体图像匹配的改进稀疏匹配算法

立体匹配有着广泛的应用前景,是计算机视觉领域的研究热点。立体匹配是立体视觉中最为关键和困难的一步,它的目标是计算标识匹配像素位置的视差图。文中提出的立体匹配算法基于置信传播（Belief Propagation,BP）。左图像首先经过非均匀采样,得到一个内容自适应的网格近似表示。算法的关键是使用基于置信传播的立体匹配算法,匹配稀疏的左图像和右图像得到稀疏视差图。通过左图像得到网格,稀疏视差图可以经过简单的插值得到稠密视差图。实验结果表明,该方法与现有稀疏立体匹配技术相比在视差图质量上平均有40％的提高。     

一种基于图像方向信息测度算法的自适应表格图像增强算法

图像增强是图像处理的重要任务.为了有效地增强对比度极低的表格图像,提出了基于图像方向信息测度算法的自适应图像增强算法.该方法首先在像素级利用图像方向信息侧度将图像像素分为平滑点和阶跃边缘点;然后针对表格图像特点,再对平滑点细分为平滑点和屋脊边缘点,同时,对不同类型的点设计不同的滤波方法,以便通过算法自适应来初步增强图像;最后,利用模糊增强算法来对图像进行对比度增强,以达到更好的增强效果.实验表明,该算法能有效地增强对比度极低的表格图像,并使得结果图像有很好的视觉效果.     

基于分割树的移动机器人立体匹配研究

针对移动机器人在作业时低纹理、重复纹理、反光的环境,提出了一种基于分割树的移动机器人立体匹配方法,提高深度恢复的计算速度和精度。首先针对移动机器人作业环境对图像进行预处理,减小因光线变化的影响;然后采用最小生成树对图像像素进行加权聚合,通过分割树进行优化同时分割图像;再对图像进行遮挡处理和视差精化,恢复遮挡区域和未提供视差的图像边缘区域的深度,提高深度恢复的精度。最后进行对比实验,在室内场景下新方法计算速度比ST-2方法提高了187.140%,能够为移动机器人提供语义信息;在Middlebury数据集上,新方法比ST-2方法计算速度提高了157.500%,匹配精度提高了66.547%。     

采用高斯混合模型及树结构的立体匹配算法

针对传统立体匹配算法无法同时为图像边缘和低纹理区域提供一个合适大小的聚合窗口而导致匹配精度较低的难题,提出一种结合高斯混合模型及最小生成树结构的立体匹配算法。通过图像初始视差、像素颜色及距离信息将图像分为初始若干区域及待分割候选像素;基于高斯混合模型并行迭代更新各区域参数,得到最终的分割;在各分割上建立最小生成树计算聚合值求取视差;通过邻域内的有效视差修正误匹配点,获取精度较高的稠密视差图。与其他算法相比,该算法能有效降低误匹配率,尤其在深度不连续区域的匹配效果显著改善。     

一种融合特征点与轮廓信息的匹配算法

为了解决传统区域增长算法处理低纹理图像时,因种子点个数不够导致匹配无法进行增长的问题,提出一种融合轮廓信息的匹配算法来增加种子点个数.首先提取图像特征点与轮廓信息,然后利用方向性约束确定候选匹配点集,最后根据边缘相关性原则从候选匹配点集中计算得到最佳匹配点,即新增种子点.理论分析与实验表明,其较传统区域增长算法能够得到更多种子点,匹配范围更广,匹配精度更高.     

基于直线段特征的分级立体匹配方法

提出了一种基于直线段特征的分级立体图像匹配算法。根据直线段构造了长方形区域作为立体匹配的基元,计算区域的灰度均值及区域的转动惯量等属性值,构造相似性度量函数得到初级匹配结果;根据直线段间的几何关系建立二级匹配算法,求解基础矩阵。在基础矩阵的指导下,完成三级立体匹配,实验结果表明了该算法的有效性和可行性。     

基于多决策树算法的网络入侵检测

将一个大数据集分割成若干个子数据集，在每个子数据集上使用决策树算法进行挖掘，用投票的方式将多棵决策树的结果结合起来，形成全局的判断。将这种方法应用于网络入侵检测，试验表明，该方法不仅提高了数据挖掘算法对海量数据的处理能力，而且降低了误判率。     

一种基于角点检测的图像密集匹配算法

提出了一种鲁棒的图像自动立体匹配算法.利用Sobel算子对图像中的像素点进行检测,若是边缘点,则使用最小同值分割吸收核方法判断该点是否为角点.在两幅待匹配的图像间计算角点的梯度大小、梯度方向及灰度等的相似度,去除无法对应的角点,建立起待匹配图像中角点的对应关系,并计算基础矩阵.对基础矩阵进行迭代,去除误配点,计算出较精确的基础矩阵.由对极几何约束,采用动态规划方法,寻找左右两幅图像在对应极线上的所有像素点之间的对应,从而建立起两幅图像间像素点的密集匹配对应关系.试验结果表明,算法效果满意.     

基于熵和独特性的角点提取算法

针对角点提取在图像配准中的应用,利用图像窗口的互相关系数定义了邻域窗口的独特性,提出一种基于熵和独特性的角点提取算法.算法首先通过Canny算子提取图像边缘,然后通过计算边缘点所在圆形邻域的熵和独特性筛选出角点,并通过不断修正剩余候选角点的独特性达到输出角点分散分布的目的.通过与Harris算法及区域特征提取的Sift算法实验对比,表明该算法能够对角点准确提取、精确定位,具有较好的抗噪性和方向无关性,且提取的角点分散分布,尤其适用于图像配准,其局限性在于不具有尺度不变性.     

基于线段树的高效内存管理算法及其空间优化

现有的内存管理的工作多集中在内存分配的效率上,实时性较好,但易产生内存碎片。为此,提出基于线段树的高效内存管理方法。该方法将内存地址空间划分为内存段,建立内存管理线段树,基于所建立的内存管理线段树,进行高效灵活的内存分配和回收管理,减少了内存碎片的产生。另外,针对线段树空间开销大的问题,提出了线段树空间优化的方法。实验结果表明,所提出的内存管理方法,具有效率高、产生的内存碎片少、内存管理空间开销小等优势。     

基于AABB树的碰撞检测算法的内存优化

介绍了从存储空间角度来改进基于AABB树的碰撞检测算法的方法.根据有关三角形间快速相交测试算法和三角形与包围盒间的快速相交测试算法,略过包围盒间的相交测试,从叶节点结构里去掉包围盒信息,将叶节点从存储结构中删除.对一棵含有N个节点的 AABB 树而言,可以节约一半节点的内存空间.实验表明,利用 AABB 树叶节点的内存优化,减少了算法所需的内存空间且加快了算法的执行时间.