基于高斯矩改进SURF算法的移动机器人定位研究

针对移动机器人定位过程中视觉图像特征点提取与匹配数量较多,边缘特征点不稳定的问题,提出基于改进离散Gaussian-Hermite矩的SURF图像匹配算法。利用双树复小波变换将图像分解为低频与高频部分,将低频部分作为改进算法的输入图像。通过采用3D非极大值抑制求取图像不同尺度下的特征点,计算图像Gaussian-Hermite矩,重新确定Hessian矩阵,检测稳定边缘特征点,定义新的特征描述向量。将改进算法与自适应粒子滤波定位算法相结合,实现移动机器人在室内环境中的视觉定位。实验结果表明:改进算法配准精度高于SURF算法,不稳定特征点提取数量相比于原算法约减少9%,匹配率得到进一步提升。     

Multiview registration-based handheld 3D profiling system using visual navigation and structured light

This article describes the 3D handheld profiling system composed of a stereo camera and an illumination projector to collect high-resolution data for close range of applications. Visual navigation approach is either based on feature matching or on accurate target, and the target-based approach was found to be more accurate if the 3D object has less texture on its surface. Block matching algorithm was used to render the single-view 3D reconstruction. For multiview 3D modeling, coarse registration and final refinement of the point clouds using iterative closest point algorithm were utilized. The proposed approach yields good accuracy for multiview registration as demonstrated in the results of this research.     

基于复合Zernike矩相角估计的图像配准

提出了一种基于复合Zernike矩相角估计的图像配准方法.首先,利用尺度不变检测子Harris-laplace检测图像中的兴趣点作为初始特征点,计算以兴趣点为中心、邻域具有尺度不变性的Zernike矩;提出一种鲁棒的相角估计方法,用于估计两个归一化区域的旋转角度值.然后,利用Zernike矩的幅值和相角信息,通过比较每个兴趣点邻域Zernike矩的相似度提取出初始匹配点.最后,提出一种迭代角度修正算法用于精确估计变换参数,并对输入图像进行几何变换后将两幅图像配准.实验结果表明,该算法可在尺度缩放、任意角度旋转以及噪声等复杂条件下实现图像的高精度配准.当旋转角度误差小于20°时,图像的平均覆盖率达到94.125％,有效降低了误匹配的概率.     

基于字典描述向量的实时图像配准

针对传统的特征向量计算方法复杂度高、耗时长、占用内存多等缺点,提出了一种基于字典描述向量的图像配准方法。该算法采用K-奇异值分解（K-SVD）方法生成字典,通过比较特征点临近区域图像与字典中基底图像的相似性得到特征描述向量,从而降低了描述向量的计算复杂度,提高了算法的实时性。实施该算法时,首先通过随机KD树算法对参考图像和待配准图像的特征点进行匹配,然后使用经典随机抽样一致性（RANSAC）算法剔除误匹配点对,最后应用最小二乘法对得到的匹配点对进行参数估计,从而得到两幅待配准图像的空间几何变换关系。实验表明结果,本文提出的描述向量计算方法降低了描述向量的存储空间,加快了特征匹配的速度,可在保证配准准确度的前提下实现配准过程。     

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。     

基于抖动补偿技术的印刷品图像配准方法研究

在实际的印刷品缺陷检测过程中,存在因相机支架的颤动而导致标准印刷图像和待检测图像在空间位置上配准不精确的问题。为此,在图像去抖动技术的基础上,提出了一种融合SURF(speeded-up robust features)和ORB(oriented FAST and rotated BRIEF)的运动估计算法。首先,基于SURF算法提取标准印刷图像和待检测图像的特征点;其次,基于ORB算法对提取的特征点进行描述和匹配;再次,将正确匹配的特征点通过仿射模型来求取全局运动矢量;最后,通过求得的全局运动矢量来补偿图像,并完成待检测图像与标准印刷图像的配准。针对待测图像存在的平移、尺度和旋转三种不同变化,分别采用SURF-ORB、ORB和SIFT(scale-invariant feature transform)的运动估计算法进行了性能分析。结果表明,SURFORB的特征点匹配对数量最多,匹配效果最好,SURB-ORB的运动估计时间控制在毫秒级别,满足现代印刷品缺陷检测的实时性要求。因此,融合SURF和ORB的运动估计算法能够对图像进行精确、实时的配准。     

基于特征的包含大运动物体的图像拼接

针对传统的基于特征的图像拼接算法不能很好地解决大运动物体造成的场景误匹配问题,提出了一种基于特征的包含大运动物体的图像拼接算法。在SIFT提取特征点并匹配的基础上,通过随机采样一致性算法去除误匹配点,并通过观察特征连接线角度的波动值,自适应判断场景中是否出现大运动物体以及场景匹配是否出现错误,最后通过改进的加权方法实现图像融合,很好地解决了运动物体的干扰。试验表明,该方法有良好的效果和鲁棒性。     

基于学习不变特征变换的兵马俑图像分区匹配

针对兵马俑图像三维重建时特征误匹配率较高、效率较低的问题,提出了一种基于两视图兵马俑图像的特征分区匹配方案。该方案在兵马俑图像上,首先利用学习不变特征变换(Learned Invariant Feature Transform,LIFT)方法提取整幅兵马俑图像的特征;接着利用提出的基于先验知识的特征点分布曲线分割方法确定兵马俑头部分割线位置,根据头部分割线将提取的特征分为头部特征和躯干特征;最终采用欧式距离进行分区特征匹配,对于匹配结果集合使用随机抽样一致性算法(Random Sample Consensus,RANSAC)滤除误匹配点集。实验结果表明:在兵马俑图像特征提取及匹配中该方案的正确匹配率可以达到98%,相比于SIFT和SURF方法正确匹配率提高了20%左右,特征点的可重复率提高了10%左右,同时将RANSAC的迭代时间降低了50%,而且在尺度、光照、角度发生变换时具有较好的鲁棒性。因此本文提出的方案能够很好地实现特征点的正确匹配,在兵马俑的三维重建中具有很高的使用价值。     

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。     

一种结合ORB算法的SIFT图像配准算法

在基于SIFT算法的图像配准过程中有两个重要的环节:特征提取和特征匹配。针对算法在特征提取时存在的计算量大、复杂度高、速度慢等问题,该文提出了结合ORB算法的思想,对SIFT算法进行特征提取的优化,从而实现快速地提取图像的局部特征。在特征匹配阶段采用K最近邻的BBF搜索策略并结合RANSAC算法进行提纯,消除误配点。实验结果表明,改进后的算法降低了配准时间,提高了配准精度,适用于一些对实时性要求较高的场合。     

基于ORB与RANSAC融合改进的图像拼接方法

针对旋转不变性二进制描述算法（Oriented Fast and Rotated Brief, ORB）的尺度旋转性配准误差大,配准率较低及随机采样一致性（Random Sample Consensus, RANSAC）算法随机性强且不稳定的问题,提出一种ORB与RANSAC结合的快速特征匹配算法。首先,对特征点提取方式进行优化选择,消除特征边缘影响。之后构建简化的金字塔式尺度空间模型,改进分层图像的尺度空间结构,减少生成图像层数和数目;然后采用梯度方向改进传统ORB算法中的主方向提取模式,提高特征角点主方向的准确性。最后,通过构建分块随机取样检测的方式改进RANSAC算法,提高RANSAC算法的稳定性和图像配准的准确性。实验结果表明改进后的ORB和RANSAC融合算法在尺度和旋转配准方面性能有很大提高,并且配准的精度较传统ORB算法高,尺度配准精度提高55.41%,旋转配准精度提高26.66%。满足复杂图像快速精确配准拼接的精度和实时性要求。     

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。     

基于相位特征的可见光和SAR遥感图像自动配准

针对可见光和SAR遥感图像存在非线性辐射差异和几何差异,加之SAR的斑点噪声,使得可见光和SAR图像配准十分困难的问题.本文提出了一种基于改进相位一致性的可见光和SAR图像配准方法.首先,分别计算相位一致性的最大矩和最小矩,将二者叠加,利用Harris算子在叠加图上提取特征点,得到稳定的角点和边缘点作为待匹配的特征点;...     

应用显著纹理特征的医学图像配准

针对传统的基于几何度量的配准方法无法配准存在局部变形的医学器官的问题,提出了应用显著纹理特征的经典迭代最近点(ICP)医学图像配准算法。该方法借鉴主动外观模型(AAM)思想对医学图像的显著纹理特征建模,将显著性强的特征点赋予较大权重,率先配准。在传统基于空间距离的图像配准基础上加入显著纹理距离。然后,模拟格式塔心理学提出的人类视觉认知过程,使用线性递减的权重平衡两种"距离"度量方式。该算法前期主要根据几何距离取得整体配准效果,后期依赖图像纹理特征使存在局部变形位置的特征点也能精确配准。最后,在腹腔肝脏图像上进行实验。实验结果表明该算法取得了较好的配准效果,准确率达78.82%,比其他几种流行算法提高了22.22%,且对图像的旋转变化不敏感。提出的算法基本解决了存在局部变形医学器官图像的配准问题,达到了精度高、鲁棒性强的配准效果。     

二进制鲁棒不变尺度特征匹配电子稳像

针对捷联图像制导系统中视频序列受弹体姿态变化和抖动而出现的不稳定现象,提出了一种基于二进制鲁棒不变尺度特征关键点(BRISK)的高精度快速鲁棒电子稳像算法。首先,用BRISK算法提取图像BRISK特征描述符;为了保证匹配精度和速度,采用引导互匹配策略实现BRISK特征点跟踪匹配;然后,利用改进的随机抽样一致方法(RANSAC)剔除误匹配点对;最后,利用最小二乘算法(LSA)估计全局运动参数进而实现稳像。对标准图片的匹配测试和实拍视频稳像的结果表明:结合BRISK算法的电子稳像技术,运行时间小于30ms,定位精度达到0.1pixel,对光照变化、噪声以及复杂环境遮挡具有较强的鲁棒性,能快速有效地补偿捷联制导图像的复杂随机抖动并提高视频质量。     

保持特征的散乱点云数据去噪

为保证在去除点云数据噪声的同时不损失模型的细节特征,提出了一种基于特征信息的加权模糊C均值聚类去噪算法。首先,构建点云K-D树拓扑结构,根据点的r半径球邻域点统计特性去除大尺度离群噪声点。然后,利用主元分析法估算点云的曲率和法向量,根据曲率特征标识点云数据的特征区域,并采用特征加权模糊C均值聚类算法对特征区域去噪,采用加权模糊C均值聚类算法对非特征区域去噪。最后,使用双边滤波器对点云模型进行平滑。对提出的算法进行了验证实验,结果显示:去噪后点云模型的最大偏差保持在模型尺寸的0.15%以内;标准偏差保持在模型尺寸的0.03%以内。本文算法能够在有效去除不同尺度和强度的噪声的同时不损失点云模型的细节特征,去噪精度高,且对不同的噪声模型具有较强的鲁棒性。     

Name matching method using topology merging and splitting history for exchange of feature-based CAD models

A feature is generated by referring to topological entities in a solid model. It is essential to persistently name the topological entities referenced by the feature. This problem is known as the persistent naming problem. The persistent naming problem is divided into naming and name matching. The persistent naming problem is an important issue in the exchange of feature-based CAD models through a neutral format. If a CAD model contains only construction history, the naming of the topological entities is required during translation. However, if a CAD model contains modification history as well, name matching is also required. In a previous study, the authors proposed a naming method for exchanging feature-based CAD models. In this study, a solution to the name matching problem is proposed and its technical details are discussed. The proposed name matching method is based on the local matching technique, using topology merging and splitting history. The feasibility of the proposed name matching method has been demonstrated through experiments with a prototype CAD model translator.     

采用轮廓特征匹配的红外-可见光视频自动配准

为了精确地配准近平面场景下的红外-可见光视频序列,本文提出了一种基于轮廓特征匹配的自动配准方法,通过迭代匹配目标轮廓特征来解决异源图像中配准特征的提取和匹配难题。首先,采用运动目标检测技术获取目标轮廓,并由曲率尺度空间(CSS)角点检测算法提取轮廓特征点。此后,建立全局形状上下文描述子和局部边缘方向直方图描述子描述特征,从而实现可靠的特征匹配。来自不同时刻的匹配点对被保存在一个基于高斯距离准则的特征匹配库中。最后,为了克服近平面场景中目标深度变化的影响,本文结合前景样本随机抽样策略计算配准矩阵的损失函数,完成对全局配准矩阵的更新。在LITIV数据库上对方法进行实验验证,结果表明本文方法的配准精度优于当前先进的对比方法,在9个测试视频上的平均重叠率误差仅为0.194,与对比方法相比下降了18.5%。基本满足了近平面场景下红外-可见光视频序列配准的精度要求,且具有较高的鲁棒性。     

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。