基于转轴参数的多自由度双目视觉系统标定

多自由度双目立体视觉系统可以解决传统双目立体视觉视场区域小的问题。避免双目摄像机每转动一个角度都需要重新标定外参数,提出了一种基于转轴参数的标定方法。只需标定出初始位置时双目摄像机的内外参数,使摄像机绕转轴旋转,根据单应性原理测量摄像机与标定模板的位姿关系,确定转轴方向矢量与轴上点坐标。最终利用Rodrigues旋转矩阵确定旋转已知角度后双目摄像机的外参数,实现多自由度双目系统的标定。实验结果表明,提出的方法能准确测量转轴参数,完成多自由度双目立体视觉系统的快速标定,提高系统的工作效率。     

单摄像机立体视觉测量系统的高精度变焦标定技术

针对现有用于光学测量的双目变焦系统标定方法难度大、测量精度受限于两摄像机内参一致性等问题。提出一种基于单摄像机的平行双目立体视觉系统实现及其高精度变焦标定方法。方法基于三角测量原理采集图像,利用高精度位移台驱动单摄像机进行平移以保证基线精度;求解离散焦距下的预标定结果并利用BP神经网络模型对其进行拟合,以实现任意焦距下系统内外参数动态估计。实验结果表明,系统预标定的重投影误差小于0.1664 pixel,变焦后图像畸变校正平均误差为0.0982 pixel,立体视觉测量尺寸绝对误差小于0.05mm。方法能弥补传统变焦标定方法的不足,消除双目内参不一致引入的误差,提高视觉系统的测量精度。     

非平行双目视觉系统水下标定与测量

针对用非平行双目视觉系统进行水下拍摄测量时,由于折射所导致的测量误差较大、精度不高的问题,建立了基于折射光路的水下双目视觉系统测量模型,并以Agrawal方法为基础,在已知两摄像机相对位置关系的前提下,对该测量模型参数标定的方法进行了改进。为验证改进的Agrawal方法的可靠性,与Agrawal方法进行水下标定对比实验。结果表明,相较于Agrawal标定算法得到的防水罩法向量这一模型参数,提出的改进算法的结果与真实值更为接近。在此基础上,应用标定后的水下双目视觉系统测量模型对水下靶标标定点间的标准距离进行测量,测量误差平均值为-0.0134 mm,最大误差为0.2073 mm,与空气中双目视觉系统测量精度相当。     

基于ICP算法的双目标定改进方法研究

双目视觉作为一种非接触三维(3D)测量技术,其位姿标定结果的好坏将直接影响3D物体测量的精度。基于迭代最近点(ICP)算法获得两组点集之间平移和旋转参数的原理,提出了一种在传统双目位姿标定结果的基础上补偿双目标定矩阵改善精度的方法。介绍了摄像机模型、双目视觉测量模型和ICP算法的基本思想。用双目摄像机标定的外参数和相同的靶标坐标系获得双目视觉位姿矩阵,在此提出基于ICP算法获得两组点集的旋转平移矩阵补偿双目位姿矩阵的方法,以及相应的靶标角点坐标投影误差分析模型。双目摄像机采集9组5×7个角点的靶标标定图像,应用ICP算法补偿双目位姿矩阵,并采用误差模型对9组标定结果进行了分析,双目结构光标定改进实验结果表明,应用ICP算法补偿双目标定模型能显著地提高双目标定的精度。     

基于同心圆合成图像匹配的双目视觉标定

分析了双目视觉传感器的数学模型,提出了一种基于同心圆合成图像匹配的双目视觉传感器的标定方法。在测量范围内任意多次摆放同心圆靶标,由两台摄像机拍摄靶标图像。根据摄像机模型与已知同心圆在靶标坐标系上的位置关系,构造合成图像,将合成图像与观测图像进行相似度匹配,通过优化定位得到靶标上每个圆的圆心点图像坐标。利用左右图像对应的圆心图像坐标和双目视觉的约束关系,对双目视觉传感器参数进行非线性优化,并得到最优解。所提出的标定方法是在张正友方法的理论基础上,利用了图像的整体性进行的优化。实验结果表明,该方法提高了标定精度。     

一种双目立体视觉系统的误差分析方法

基于摄像机透视成像的针孔模型,分析了立体视觉中摄像机标定和三维重建过程的主要误差来源。基于各主要误差源的模型分析,建立了双目视觉系统3D测量误差与摄像机参数、基线长度、测量距离等因素之间的关系式。如已知相关参数,可以估算出双目视觉系统的3D测量精度,或根据3D测量精度要求,初步确定摄像机的内部各项参数和基线长度、测量距离等参数。     

一种基于平面靶标的全自动标定方法

摄像机的快速高精度标定一直是视觉测量中亟需解决的主要问题,目前针对不同的摄像机成像模型有多种标定方法。提出了一种基于圆形标记点以及极径、极角的棋盘格角点排序算法,实现了单目和多目摄像机的高精度全自动标定。通过实验验证了该算法对于不同位姿标定图像的有效性和稳健性,实验结果表明改进后的标定方法既保证了摄像机的标定精度,又提高了标定的自动化程度,可以广泛应用于机器视觉中的单目和双目摄像机的标定。     

基于两组同心圆环点的双目摄像机标定方法研究

在研究传统摄像机标定原理及方法的基础上,提出了一种新的基于同心圆环点模板的双目摄像机标定方法。该方法仅要求摄像机摄取任一方位包含所有25个同心圆环点的所设计模板的一幅图像,即可根据射影几何内秉的约束条件和左右图像的视差完成对双目摄像机焦距、基线距离和光心位置等参数的标定,且不需要进行图像的畸变校正与匹配。实验表明,该双目摄像机的标定方法具有较高的精度和效率,可以方便、迅速地实现双目摄像机的标定。     

摄像机的一种主动视觉标定方法

提出了一种快速高精度的摄像机主动视觉标定方法,建立了摄像机模型并详细分析了其各项参数的求解算法。标定时,令摄像机作一组二维的平移运动,采集圆孔靶标件的图像并计算圆心的像点坐标,同时记录摄像机的移动距离,得到标定所需的特征点。利用这些特征点计算摄像机标定参数,标定精度可达到0.005 mm。利用该方法定制的标定模块实现了摄像机的自动标定。该方法对摄像机运动的限制条件较少,并基本实现了摄像机模型参数的线性求解,为主动视觉系统的摄像机标定提供了一种有效的解决方案。     

基于位姿约束的大视场双目视觉标定算法

为了提高大视场、远距离的双目摄像机标定精度,提出一种基于位姿约束的摄像机标定算法。该方法利用双目摄像机之间的三维位姿关系是刚体变换这一属性,标定出左、右摄像机相对位姿的外部参数。利用相对位姿为约束条件求取摄像机的初始内部参数,剔除较大的重投影误差值对应的标定图像组,重复迭代直至重投影误差平均值小于指定值,得到多个待优化的摄像机内部参数。再将最后标定图像组的角点坐标、待优化的摄像机内部参数和相应的外部参数,建立一个以角点三维重构坐标值与实际设定角点三维坐标值的模均值为最小的目标函数,求解出双目摄像机标定参数的最优解。该方法很好地解决了误差大的标定图像造成的影响,且充分利用了双目摄像机之间的位姿约束关系。通过仿真和标定实验可以看出,本文方法可以实现大视场双目摄像机的高精度标定。     

基于蚁群优化与神经网络的坦克目标识别算法

为了对成像引信探测得到的变形严重的图像进行识别,提出了基于蚁群优化与人工神经网络相结合的坦克目标识别算法.采用SUSAN特征检测原则提取目标图像的角点特征,作为神经网络模式分类器的输入.针对BP网络收敛速度慢,易于陷入局部极小点等问题,利用蚁群优化算法训练网络权值,可兼有ANN的广泛映射能力和蚁群算法的全局收敛以及启发式学习等特点.仿真实验表明,新算法能够有效缩短网络训练时间,提高目标识别精度.     

Real-time spatiotemporal division multiplexing electroholography for 1,200,000 object points using multiple-graphics processing unit cluster

Computationally, the calculation of computer-generated holograms is extremely expensive, and the image quality deteriorates when reconstructing three-dimensional(3 D) holographic video from a point-cloud model comprising a huge number of object points. To solve these problems, we implement herein a spatiotemporal division multiplexing method on a cluster system with 13 GPUs connected by a gigabit Ethernet network.A performance evaluation indicates that the proposed method can realize a real-time holographic video of a3 D object comprising ~1,200,000 object points. These results demonstrate a clear 3 D holographic video at32.7 frames per second reconstructed from a 3 D object comprising 1,064,462 object points.     

一种遥感影像云层遮挡消除方法

针对光学遥感影像中常见的云层遮挡问题提出了一种去除云层的处理方法,采用直方图规定化来减小原始影像与替换影像间的灰度差异,采用特征点提取、整体松弛匹配以及小面元三角网纠正方法,解决了原始影像与替换影像之间的配准、纠正问题,同时利用羽化处理技术保证了拼接线附近影像灰度的平滑变化.试验结果表明:利用同一区域、不同时相、不同传感器平台的遥感影像来替换原始影像中的云层遮挡区域,可以有效解决遥感影像中的云层遮挡问题.     

一种遥感影像云层遮挡消除方法*

针对光学遥感影像中常见的云层遮挡问题提出了一种去除云层的处理方法,采用直方图规定化来减小原始影像与替换影像间的灰度差异,采用特征点提取、整体松弛匹配以及小面元三角网纠正方法,解决了原始影像与替换影像之间的配准、纠正问题,同时利用羽化处理技术保证了拼接线附近影像灰度的平滑变化.试验结果表明：利用同一区域、不同时相、不同传感器平台的遥感影像来替换原始影像中的云层遮挡区域,可以有效解决遥感影像中的云层遮挡问题.     

Multi-focus image fusion based on robust principal component analysis and pulse-coupled neural network

Multi-focus image fusion combines multiple source images with different focus points into one image, so that the resulting image appears all in-focus. In order to improve the accuracy of focused region detection and fusion quality, a novel multi-focus image fusion scheme based on robust principal component analysis (RPCA) and pulse-coupled neural network (PCNN) is proposed. In this method, registered source images are decomposed into principal component matrices and sparse matrices with RPCA decomposition. The local sparse features computed from the sparse matrix construct a composite feature space to represent the important information from the source images, which become inputs to PCNN to motivate the PCNN neurons. The focused regions of the source images are detected by the firing maps of PCNN and are integrated to construct the final, fused image. Experimental results demonstrate that the superiority of the proposed scheme over existing methods and highlight the expediency and suitability of the proposed method.     

一种改进的无人机航空影像配准方法

针对目前无人机航空影像非同源、畸变大、处理量多的问题,提出一种改进的无人机航空影像配准方法。首先利用传统SIFT方法得到特征点,其次利用C均值聚类方法可实现准确的非监督分类的特点,对传统SIFT方法得到的特征点进行筛选,从而得出同名点。最后根据得到的同名点完成待匹配图像的投影变换完成配准。通过实验仿真证明该方法精度有较大提高,且可自适应处理不同图像,是一种有效的无人机航空影像匹配改良方法。     

Hand vein recognition based on the connection lines of reference point and feature point

According to the essential characters of the image topology, a new hand vein recognition algorithm based on the connection lines of reference point and feature points is proposed. In this method, the intersection points and the endpoints of the vein image are used as feature points. After the intersection points and the endpoints selected as feature points, the reference point for image matching are extracted from these points. The relative distances between the reference point and the feature points and the angles between the adjacent connections of the reference point and feature points are calculated and used as recognition features. Finally these two features are combined for hand vein recognition. This method can effectively overcome the influence on the recognition results caused by image translation and rotation. Experimental results show that the proposed algorithm is able to achieve hand vein recognition reliably and quickly.     

层析成像图像重建算法综述

介绍了层析成像技术的图像重建算法,并从正向问题数学模型的简化和反向问题数学模型的映射结构的角度比较了各种算法的特点和优劣。研究表明:用本质是线性算法的各种变换方法重建图像存在严重失真,而卷积滤波的引入可以使变换方法的重建效果有所改善;基于导数搜索的迭代算法对初始值依赖性强、收敛速度慢并且容易陷入局部最优解;基于Fourier变换的方法具有本质的局限性;小波变换则可以同时刻画图像时域和频域的细节特征;有限元法通过重建对象像素的智能划分可以简化正问题的复杂性;而具有物理背景的蒙特卡罗法、模拟退火法、遗传算法、粒子滤波法及神经网络法更适合于复杂且非线性的图像重建;智能化、仿生化、并行化以及各种算法的融合是层析成像图像重建算法的发展趋势。     

基于神经网络的大孔径厚针孔成像复原算法研究

为了更好地获取低强度辐射源空间分布图像,提出一种使用神经网络算法将大孔径厚针孔退化图像复原的方法。建立了孔径5 mm、10 mm、15 mm的厚针孔模型,获得了3600个汉字形状辐射源的厚针孔退化图像集。基于DnCNN神经网络模型,建立了大孔径厚针孔退化图像复原神经网络,并与维纳滤波、Lucy-Richardson这些传统算法进行了比较。在考虑噪声影响后,利用迁移学习理论,对原神经网络模型进行迁移训练,再对含噪大孔径厚针孔退化图像进行复原。神经网络算法复原的RMSE明显低于传统方法,迁移学习显著减小了噪声的影响。证明了神经网络算法在大孔径厚针孔退化图像复原领域的优越性,并验证了神经网络方法复原含噪大孔径厚针孔退化图像的可行性。     

基于多参考点的X线双能量减影算法

提出了不直接依赖于入射X线强度的基于多参考点的双能量减影算法.该算法选取图像中的若干个像素点作为参考点,在对这些参考点进行平滑处理后分别求解双能量方程以产生多幅具有相同纹理的减影图像,将这些图像进行平均后得到保留着动态信息的骨骼和软组织图像.该算法将减影和滤波过程同时进行,提高了结果图像的质量.实验表明该算法具有较强的稳定性,实现了计算机自动处理.