无人机导航场景中立体匹配算法研究

针对现有立体匹配算法难以兼顾无人机导航场景中匹配精度和幅度失真的鲁棒性,提出了一种基于改进Census变换的立体匹配算法。根据图像结构和色彩信息获得基于十字骨架的任意形状和大小的Census变换窗口,并利用改进Census变换的Hamming距作为匹配代价,采用局部优化（WTA）和左右一致性校验得到视差结果,获得高精度的视差图。实验表明,该算法不仅能够获得高精度的视差图,更对幅度失真有很强的鲁棒性,能够很好地适用于无人机导航场景。     

基于随机抽样的快速全局运动估计

全局运动估计是稳像技术中极为重要的环节,全局运动估计算法的精度和速度将很大程度影响稳像的性能。本文提出了一种基于RANSAC鲁棒算法的全局运动估计方法,该方法通过Harris角点检测算法,找到待匹配角点,并采用相似度进行匹配,剔除外点后,用预检测的随机抽样算法得到全局运动参数。通过仿真试验表明,该方法对可见光视频、红外视频都可以适用,并能在保证精度的同时,达到实时性的要求。     

基于深度学习的燃气PE管道焊缝缺陷检测

为了解决人工与传统数字图像处理方法进行燃气PE管道焊缝缺陷识别时面临的效率低、漏检率高、评片效果不佳等问题,提出了基于深度学习算法的燃气PE管道焊缝缺陷智能检测方法,实现从输入燃气PE管道焊缝DR检测图像到输出缺陷种类及其测量值的精细化测量。首先,在宏观区域层面采用YOLOv5网络预提取缺陷区域,减少与缺陷相似的非目标区域的干扰,并设计了融合坐标注意力机制(CA)与加权双向特征金字塔网络(BiFPN)的CA-BiFPN模块,以提高对小目标缺陷检测能力,其最终的缺陷识别定位平均精确度为95.1%。然后,在微观边界层面采用语义分割算法Deeplabv3+,实现像素级别的缺陷分割,缺陷分割平均像素准确率为91.25%、平均交并比值为85.52%。最后,在几何特征层面采用最小外接矩形法计算其实际尺寸大小,其平均相对误差为5.47%。结果表明该检测方法可实现燃气PE管缺陷高效率、高精度、智能化检测。     

图像融合中的图像配准方法研究

图像配准是对取自不同时间、不同传感器或不同视角的同一场景的两幅图像或者多幅图像匹配的过程。快速准确地实现配准是图像融合的前提,为此提出了基本相似性测度算法的模板匹配方法。对像素相关性小的红外和可见光图像,提出了基于sobel 快速边缘检测的模板匹配方法。     

基于形状内容描述子的点特征匹配

针对两幅图像中特征点的匹配问题,本文提出了一种新的基于形状内容描述子的点特征匹配方法．该方法首先利用基于曲率尺度空间（CSS）的角点检测技术获得两幅图像中的角点及其所在的曲线;然后,计算两幅图像中每个角点的形状内容描述子,运用Z统计检验函数得到描述子的匹配度,对该匹配度进行评估,如果高于某一个闽值,则认为初始匹配成功;最后对初始匹配成功的点对,利用半局域限制完成点集之间的最终匹配。实验结果表明,本文所提出的匹配算法具有较高的点特征匹配准确率。