基于MRF和颜色空间的立体图像匹配算法

为了提高立体图像匹配的效率和准确度,对基于马尔可夫随机场(Markov Random Fields,MRF)的立体图像匹配算法进行改进,提出一种基于MRF和颜色空间的立体图像匹配算法.该算法利用颜色距离构建匹配代价函数,以充分利用彩色图像中的颜色信息,并采用加速的信度传播算法进行能量最小化.分别利用灰度信息、RGB信息、HSI信息进行立体匹配实验.实验结果表明,改进后的算法能加快收敛,降低误匹配率.     

基于条件随机场的目标跟踪算法研究

在目标跟踪过程中,图像匹配技术是跟踪至关重要的环节,直接影响跟踪的效果。针对图像匹配算法中传统块匹配的搜索框和匹配准则问题提出了相应的改进。首先,采用并行粒子滤波算法对图像匹配中搜索框的位置和大小进行改进。其次,采用基于时空域信息的条件随机场模型以及CRF最大似然系数,对目前主流的依赖颜色信息的Bhattacharyya系数匹配准则进行改进。实验结果表明该算法不仅在匹配速度上有所提升,而且大幅减少了对目标颜色和形状的依赖,在匹配精度上也有了大幅提升,能更好的处理目标和背景颜色相似等复杂问题。     

基于改进SURF算法的双目视觉测量系统研究

针对双目立体测量中所使用的图像匹配算法精度不高的问题,提出了一种基于SURF算法的改进图像匹配算法并运用到双目立体测量系统中。首先运用SURF算法检测和描述图像对特征点、特征向量;其次采用双向特征向量匹配策略对匹配点集进行初始过滤;最后采用PROSAC算法根据极线约束几何模型对初始过滤后的匹配点集进行二次筛选,得到最终的优质匹配集合。实验表明,改进的SURF算法具有更高的匹配准确性和较好的算法实时性,运用改进SURF匹配算法的双目测量系统可实现更准确的定位测距。     

图像匹配中的性能优化

图像匹配是计算机视觉和图像处理领域中一项非常重要工作。提高图像匹配的速度和匹配的结果精度是图像匹配研究要达到的最终目的。该文针对图像匹配方法进行了研究。主要研究了两类图像匹配算法:直接基于图像灰度信息的算法和基于图像特征的匹配算法。对传统的图像匹配理论中的常用的图像匹配技术和方法做一个归纳介绍,对具有代表性的算法进行了分析评价,归纳出一种图像匹配的改进策略。依据信息论的原理,发现图像模板匹配中存在着信息冗余,通过去除冗余信息,利用比较少的可利用点对进行匹配。先对要匹配的模板图像做个条件的判断,对满足条件判断的模板图像先选出信息含量大的行或列,然后在该行或行上进行匹配,这种算法的优点是特征序列的提取简单快速。它继承了特征提取的特点,同时也改进的传统模板匹配算法。实验结果表明,这种算法大大减少了冗余点之间的计算,从而加快了图像匹配的效率,同时匹配的精度也保持相对稳定。     

结合颜色不变量的SIFT和形状上下文图像匹配算法

针对传统图像匹配算法sift和shape-context存在的不足,把这两种算法分别作了改进,并提出一种二者相结合的混合匹配算法。首先在传统sift算法的基础上融入图像的颜色信息,即加入颜色不变量,构建彩色描述子;在shape-context算法中改用基于重心点的形状上下文直方图,代替传统的基于各个轮廓点的形状上下文直方图,生成形状上下文描述子。然后把这两种描述子级联成新的联合描述子,依据设定的新的联合距离对特征点进行匹配,得到初始匹配对。最后利用偏最小二乘法消除误匹配,得到精确匹配点对。实验结果表明,提出的算法能够有效提高图像匹配准确率。     

一种基于群智能算法的图像匹配算法

图像匹配是图像处理技术中的重要研究领域,也是图像融合的基础。现有的图像匹配方法存在匹配速度慢、匹配精度低等问题。为了提高匹配效率,笔者采用群智能算法作为搜索策略搜索最优参数,提出了一种基于群智能算法的图像匹配算法。基于此,介绍了图像匹配的三个基本要素、分类以及性能评价指标,阐述了布谷鸟算法,并利用布谷鸟算法改进了原有的匹配算法。实验结果证明,基于群智能算法的图像匹配算法合理有效。     

基于LOG算子的小信息量图像匹配算法

为了提高远距离图像导航精度,解决小信息量、小模板及噪声条件下图像匹配的难点,针对传统相位相关的图像匹配算法对图像高频信息利用不足、匹配精度受模板尺寸影响及抗噪声干扰性能差的缺点,提出了基于改进LOG边缘检测算子的图像匹配新算法,采用新的LOG算子对参考图像和模板进行边缘检测,并利用相位相关在整幅图像内对模板进行配准。通过实拍图像对新算法进行了验证,实验结果表明,与传统图像匹配算法相比,新算法匹配精度高、抗噪声能力强,目标定位稳定、可靠。     

一种快速彩色图像匹配算法

针对彩色图像匹配的特点,利用颜色分量权重系数对序贯相似性检测算法进行了改进。同时,采用了粗-精匹配相结合的分层搜索策略,并在图像匹配过程中根据置信度对模板进行自适应更新。实验表明,该算法有效地减少了运算量,提高了图像匹配的精度,具有较好的实时性和鲁棒性。     

融合颜色与光照信息的改进AKAZE图像匹配算法

传统AKAZE算法主要以图像的灰度信息作为输入,忽略了颜色与光照信息,且存在过多的冗余特征点。提出一种融合颜色与光照信息的改进图像匹配算法。在图像原始灰度信息中增加颜色补偿量和光照补偿量,克服传统AKAZE算法未利用颜色和光照信息来区分同名点的缺点。在特征点邻域内计算欧式距离和区域重复率以确定重叠程度较高的相邻特征点,比较相邻特征点的响应强度,将响应强度值较小的特征点作为冗余点并删除。在图像匹配后利用随机一致性算法剔除误匹配点对,通过并行运算对算法进行加速。实验结果表明,该算法可以有效识别同名点并剔除图像中的冗余点,运行效率优于SIFT和SURF等算法。     

基于色调空间的彩色图像匹配算法*

在彩色图像匹配应用中,其色调分量能够提供更多的有用信息,且其颜色恒常性能够克服外部光强变化对匹配效果的影响。同时,如何选择匹配搜索策略也是图像匹配算法中的重要问题。基于彩色图像拼接中的图像匹配要求,提出基于彩色图像在HSV空间进行匹配的方法,并通过色调序贯相似性检测算法（H-SSDA）和塔式分解色调序贯相似性检测算法来提高匹配算法的精度和降低匹配空间搜索的计算量。实验结果表明,H-SSDA和塔式H-SSDA算法具有较高的匹配精度,其计算量也能够适应大多数应用的需求。     

基于图像分割的立体匹配算法

基于马尔可夫随机场（MRF）的立体匹配算法利用MRF模型来对匹配取值进行连续性约束。然而,MRF模型是产生式模型,图像自身特征难以得到准确描述。提出了一种基于图像分割的立体匹配算法SGC。SGC算法预先对图像进行分割,基于图像分割信息建立立体匹配的MRF模型,从而连续性（平滑）约束可以保留视差图中分割的边缘信息;并针对图像的深度连续性约束,定义了一个反映图像自身特征的新能量函数,应用于图割算法,提高了视差计算精度。实验结果表明,与以往算法相比,SGC算法更准确地反映了图像中深度信息,避免了平滑约束所引入的误差,有效提高了视差计算精度。     

多特征融合和自适应聚合的立体匹配算法研究

针对局部立体匹配在光照失真和弱纹理区域匹配精度低的问题,提出了一种多特征融合的代价计算和自适应十字窗口聚合的立体匹配算法。引入HSV颜色空间分量,结合改进后的Census变换和梯度信息作为匹配代价计算方法,排除了视差边界异常值的影响,增强了算法对光照失真的稳健性;提出了基于梯度信息和可变颜色阈值的自适应窗口代价聚合方法,提高了在弱纹理区域的匹配精度;通过视差计算和多步骤的视差精细得到了最终的视差结果。实验结果表明,所提算法较AD-Census算法在无光照失真条件下误匹配减少了3.24%,能有效解决视差边界和弱纹理区域错误匹配的问题,对光照失真稳健性好且能有效抑制噪声干扰。     

基于改进Census变换的多特性立体匹配算法

针对当前立体匹配算法存在的匹配准确率低，难以达到实用的高精度水平的问题，提出了一种基于改良的Census变换与色彩信息和梯度测度相结合的多特性立体匹配算法，实现高精度的双目立体匹配。算法首先在初始代价匹配阶段，将改进的Census变换、色彩和梯度测度赋权求和得出可靠的初始匹配代价；在聚合阶段，采取高效快捷的最小生成树聚合，获得匹配代价矩阵；最后根据胜者为王法则得到初始视差图，并引入左右一致性检测等策略优化视差图，获得高精度的视差图，实验阶段对源自Middlebury上的标准测试图进行测试验证，实验结果表明，经本文算法处理得到的15组测试数据集的视差图在非遮挡区域的平均误匹配率为6.81%，算法实时响应性优良。     

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。     

彩色图像非参数变换立体匹配研究

将非参数Rank变换引用到彩色图像的立体配算法中,采用绝对值指数方法来计算像素的颜色相似性,对彩色图像进行一种分等级的改进Rank变换,将彩色图像转变了一个整数矩阵,然后建立一种新的匹配测度,同时加入色差梯度约束进行匹配。通过对比实验,表明这种新的匹配基元进行匹配,与直接采用灰度特征作为匹配基元的算法相比,有更好的抗噪性和匹配准确性。     

融合灰度和梯度的MRF模型的立体匹配

基于立体匹配的马尔科夫随机场（MRF）模型,构建MRF的全局能量函数的数据项和平滑项,提出一种融合灰度和梯度特征的数据项建立,利用改进的置信度传播方法得到视差图,通过MRF因果系统对其校正。通过Middlebury大学的立体视觉测试平台获得性能指标。实验表明,该方法提高了立体匹配的正确率。     

基于线性滤波的树结构动态规划立体匹配算法

传统的动态规划立体匹配算法能有效保证匹配精度的同时提高运行速度, 但得到的视差深度图会出现明显的条纹现象,同时在图像弱纹理区域以及边缘存在较高的误匹配. 针对该问题,提出了一种新的基于线性滤波的树形结构动态规划立体匹配算法. 算法首先运用改进的结合颜色和梯度信息参数可调的自适应测度函数构建左右图像的匹配代价, 然后以左图像为引导图对构建的匹配代价进行滤波; 再运用行列双向树形结构的动态规划算法进行视差全局优化, 最后进行视差求精得到最终的视差图.理论分析和实验结果都表明, 本文的算法能有效地改善动态规划算法的条纹现象以及弱纹理区域和边缘存在的误匹配.     

基于控制点的分层双向动态规划立体匹配算法

提出一种基于控制点的分层双向动态规划立体匹配算法．首先，利用改进Volumetric迭代算法获取具有高可靠度的控制点，将其作为具有正确视差的匹配点．其次，在高可靠度控制点的指导下，利用分层双向动态规划算法在DSI（disparity-space image）视差空间图中进行初匹配，进而在Delta DSI（delta disparity-space image）视差变化空间图中进行精匹配，从而获取高密度视差图．实验结果表明，该算法不仅可以改善传统直接动态规划立体匹配算法产生的带状条纹瑕疵，而且计算速度较快，匹配结果也优于传统动态规划的匹配结果．     

基于自适应权重的遮挡信息立体匹配算法

针对传统局部立体匹配算法在深度不连续区域误匹配率高的问题,提出一种基于自适应权重的遮挡信息立体匹配算法。首先,采用左右一致性检测算法检测参考图像与目标图像的遮挡区域;然后利用遮挡信息,在代价聚合阶段降低遮挡区域像素点所占权重,在视差优化阶段采用扫描线传播方式选择水平方向最近点填充遮挡区域的视差;最后,根据Middlebury数据集提供的标准视差图为视差结果计算误匹配率。实验结果表明,基于自适应权重的遮挡信息匹配算法相对于自适应权重算法误匹配率降低了16%,并解决了局部立体匹配算法在深度不连续区域误匹配率高的问题,提高了算法的匹配精确性。     

非参量变换在彩色图像立体匹配中的应用研究

随着彩色摄像机广泛使用,对彩色图像的视差匹配研究越来越普遍。研究显示,使用彩色图像匹配比灰度图像匹配精确度增加20％～25％。根据非参量变换原理,提出了基于非参量变换的彩色图像立体匹配算法,将Rank变换应用到彩色图像的区域匹配方法中,并采用census变换后的汉明码距离作为新的约束条件。实验表明提高了原来方法的抗噪性和匹配准确性。