基于水平树结构的可变权重代价聚合立体匹配算法

针对基于树结构的代价聚合方法中只利用颜色信息选择权值支持区域时,在图像边界区域易产生误匹配的问题,提出了一种基于水平树结构的可变权重代价聚合立体匹配算法。采用水平树代价聚合得到初始视差值,结合初始视差值与颜色信息重构水平树,在更新后的树结构上进行代价聚合,得到最终视差图。在视差后处理阶段,提出了一种改进的非局部视差后处理算法,将不满足左右一致性匹配的像素点引入匹配代价量构造中,提高了最终视差图的匹配精度。在Middlebury数据集的31对图像上进行测试,结果表明,未进行视差后处理时所提算法在未遮挡区域的平均误匹配率为6.96%,代价聚合平均耗时1.52s。     

选择性集成学习方法提取超声心动图的心内膜

针对超声心动图特点,提出了一种选择性集成学习方法心内膜提取算法。先在超声心动图中根据形状先验知识确定感兴趣区域(ROI);然后对ROI中的每个候选像素点,提取多个不同性质的特征参数;将其输入选择性集成学习算法,得到模糊分类结果;最后将分类结果作为活动轮廓算法的外能,进一步获得光滑完整的心内膜边缘。对超声心动图分别采用本文方法和其他边缘提取方法进行比较实验。结果表明,相对于传统活动轮廓模型,本文方法分割图像的最小距离绝对差减少了2.56个像素点,面积重叠百分比提高了17.80%。可见,本文方法对噪声和初始轮廓不敏感,提取的心内膜边缘与医生手工勾画边缘最接近,性能优于现有算法。      

基于改进Census变换和异常值剔除的抗噪立体匹配算法

针对Census变换易受噪声影响使得立体匹配算法难以获取高匹配精度的问题,提出了一种改进Census变换和异常值剔除的抗噪立体匹配算法.在初始匹配代价阶段,该方法首先将窗口邻域中值作为参考值并通过映射函数控制异常值,提高了单像素匹配代价的可靠性;然后在代价聚合阶段,对动态聚合窗口中初始代价值进行异常值剔除;最后通过视差计算、视差优化得到最终的视差图.在VS2013软件平台上采用Middlebury标准测试图对初始匹配代价、代价聚合、最终视差图阶段进行测试.实验结果表明,本文算法的抗噪性能优于现有Census变换算法,且错误匹配率达到5.71%.     

结合Levenberg-Marquardt算法的垂直视差消减方法

垂直视差的存在是影响立体视频观视舒适度的主要因素。为了在不影响水平视差的条件下实现对垂直视差的消减,本文引入Levenberg-Marquardt(L-M)非线性算法实现变换矩阵的精确求解。首先用抗缩放、旋转及仿射变换的SIFT(Scale-invariant feature transform)特征匹配算法检测出双目图像对的特征匹配点,然后根据匹配点的坐标位置运用L-M算法计算可消减垂直视差的变换矩阵,将变换矩阵作用于目标图像,计算出该视图每个像素点的新坐标位置。实验结果表明:与利用线性算法求解二维射影变换矩阵的垂直视差消减方法相比,本文提出的求解方法在垂直视差消减上比该算法提高了约0.029 1~0.323 2个像素,对水平视差的影响比该算法降低了约0.118 7~1.139 1个像素。因此本文提出的方法对垂直视差的消减起到了优化作用。     

基于反向合成高斯牛顿的半全局立体匹配算法

针对数字散斑投影三维测量技术中的立体匹配问题,提出基于反向合成高斯牛顿的半全局立体匹配算法。该算法采用基于Census变换的匹配代价值来衡量像素点间的相似性,通过代价聚合算法增强匹配代价对噪声的鲁棒性;在此基础上,提出基于一阶形函数的反向合成高斯牛顿算法,实现亚像素级别的视差优化;最后,提出耦合唯一性检查、左右一致性检查以及连通区域约束的错误视差剔除算法,消除由遮挡和噪声引起的错误视差。实验结果表明,该算法可精确、稠密、完整地重建出复杂物体的三维形貌,重建精度优于0.06mm。     

结合局部二进制表示和超像素分割求精的立体匹配

为改善传统立体匹配视差图中目标边缘的毛刺现象,以及弱纹理和视差不连续区域的"阶梯效应"等,提出了一种结合局部二进制表示和超像素分割的立体匹配方法。首先融合二进制表示的窗口内像素的空间和颜色特征进行代价计算,并以此求得初始视差;然后将简单线性迭代聚类方法分割的结果作为像素的空间和颜色标记,为超像素内的目标边缘和其他像素点选择恰当的稳定点进行视差传播,以达到视差优化时边缘保持和空间平滑的目的。在Middlebury数据集上分别进行代价计算与优化方法的对比实验,结果表明,采用该算法获取的目标边缘的视差更为平滑,在左右视图中的遮挡区和不重叠区域获得的视差也比较准确,有效地降低了非遮挡区、全图、不连续区域的误匹配率。     

亮度优化立体视频视觉舒适度评价

结合立体视频帧左右视图的灰度图,采用鲁棒性算法与软剪刀算法相结合的"画笔"方案来提取立体视频帧的前景区域,合成视差图并提取水平视差,计算深度视差;根据主观评价结果建立视差深度-视觉舒适度模型,再结合亮度对视觉舒适度的评价模型进行优化,使模型的评分更接近人类视觉系统的评分;结合人类主观评价实验的结果,用逆向代入法求出模型的系数确定模型,最终实现基于人类视觉系统特性的对立体视频视觉舒适度的评价。实验结果表明:通过视觉舒适度模型计算得到的结果与人类主观评价结果之间的误差率不超过5%,其中大部分视频误差率不超过1%。说明评价模型更符合人类主观感知结果的立体视频视觉舒适度,模型评分更接近人类视觉系统特性的主观实验评分,这为立体视频舒适度的评价提供了参考。     

三目自适应权值立体匹配和视差校准算法

立体匹配是计算机视觉研究中的关键问题.相比于双目视觉,三目视觉能够获得更多的信息和额外的极线约束消除立体匹配的歧义性.为了提高三目立体匹配的精度,提出一种基于自适应权值和视差校准的三日立体匹配方法.将双目视觉中有效的自适应权值窗选择算法应用到三目视觉中,进行匹配窗的选择;提出一种新的目标图像选择算法,能够合理利用平行基线三目立体视觉系统中不同目标图像提供的信息,有效地消除遮挡,提高匹配的精度;提出一种适用于三目视觉的视差校准算法,利用三目图像像素间的色彩相似性和距离约束将初始匹配的视差结果进行校准,得到最终的视差图.实验结果表明,本文算法结构简单,能够生成浓密、高精度的视差图.     

基于改进梯度和自适应窗口的立体匹配算法

立体匹配技术是计算机视觉领域的研究热点,由于问题本身的病态性,一直没有得到很好地解决。针对现有局部立体匹配算法精度不高以及易受光照失真影响的问题,提出了一种基于改进梯度匹配代价和自适应窗口的匹配算法。在传统梯度向量仅包含幅度信息的基础上,引入相位信息,并对原始匹配代价进行变换,进一步消除异常值;利用图像结构和色彩信息构建自适应窗口进行代价聚合;提出了一种局部视差直方图的视差精化方法,获得了高精度的视差图。实验结果表明,所提算法在Middlebury测试平台上平均误匹配误差为6.1%,且对光照失真条件具有较高的稳健性。     

基于改进代价计算和自适应引导滤波的立体匹配

针对现有局部立体匹配算法在弱纹理区域匹配精度低的问题,提出一种基于改进代价计算和自适应引导滤波代价聚合的局部立体匹配算法。该算法首先将增强后的梯度信息与基于增强梯度的Census变换相结合,构建代价计算函数;然后对图像的每一个像素构建自适应形状十字交叉窗口,并基于自适应窗口进行引导滤波代价聚合;最后通过视差计算和多步视差精化得到最终的视差图。实验结果表明,改进后的算法在Middlebury测试平台上对标准立体图像对的平均误匹配率为4.80%,与基于传统引导滤波器的立体匹配算法相比,本文算法在弱纹理区域取得更好的匹配结果。     

复杂背景下实时运动目标的提取

提出了一种结合帧间减法与背景自适应更新的算法,结合高速图像处理平台,以满足实时运动目标的提取。着眼于算法的高速性并提出一种足够快的方法用于弹道测量系统。用高斯分布建立每个像素的灰度模型,这个分布用来区分前景和背景像素以便用来更新背景模型。实验表明该系统可以满足靶场弹道测量任务实时性的要求,传统大量占用系统资源的算法在该系统中得到改善,大大提高了系统的实时性。     

基于逐行处理的高光谱遥感异常快速检测方法

针对基于逐像元处理的因果实时异常(Causal Real-time Relationship Reed-X Detector,CR-RRXD)检测算法计算量大,以及基于逐像元方式边检测边成像显示的时间过长而不能满足快速处理要求的缺陷,提出了一种基于逐行处理的CR-R-RXD检测算法.与基于逐像元处理的CR-R-RXD检测算法相比,该方法将高光谱图像整行像元向量作为输入,即处理一行高光谱数据只需计算一次,极大地减少了计算次数.实验结果表明,与R-RXD和基于逐像元处理的CR-R-RXD算法相比,本文算法可在获得与R-RXD算法几乎相同的检测准确度的情况下,实现快速实时处理,其检测准确度相较于基于逐像元处理的CR-R-RXD算法有所提高,且算法检测时间大大缩短,增强了算法的时效性.     

基于深度约束的水下稠密立体匹配

针对双目水下图像匹配不满足空气中常规极线约束的问题,提出一种基于深度约束的半全局算法以实现水下稠密立体匹配.首先采用深度约束确定匹配过程的深度约束搜索区域.然后,基于深度约束区域将绝对差值和梯度计算推广到二维区域并进行加权融合.在深度约束区域内的搜索过程中,采用胜者为王的策略确定某一视差值下的最佳行差及最佳行差下的匹配代价,并将其作为能量函数的数据项应用于半全局算法中,进行匹配代价的聚合.最后采用抛物线拟合法得到亚像素级的稠密视差图.在水下图片上进行的稠密立体匹配结果表明:相较于其他半全局匹配算法,本文算法在极大提高运行速度的前提下,可以获得良好的水下稠密立体匹配效果.     

基于颜色和空间信息的多特征融合目标跟踪算法

为解决单一特征目标跟踪鲁棒性较差的问题,提出一种基于颜色和空间信息的多特征融合目标跟踪算法。采用一种自适应划分颜色区间的方法提取目标颜色特征,利用空间直方图提取目标颜色的空间分布信息。在粒子滤波框架下将自适应颜色直方图和空间直方图相结合,在特征融合中引入特征不确定性度量方法,自适应调整不同特征对跟踪结果的贡献,提高算法的鲁棒性。仿真实验结果表明,该跟踪算法平均位置最小误差值仅6.967 像素,而单一特征跟踪算法以及传统融合算法的跟踪误差达192.576 像素和199.464像素。说明本文算法在跟踪准确性上优于单一特征跟踪算法及传统融合算法,具有更好的跟踪精度和更高的鲁棒性。     

基于Census变换和引导滤波的立体匹配算法

在双目立体视觉系统中，立体匹配是关键步骤之一，其精度对后续的研究有着重大影响。Census算法由于具有简单明晰、运行效果好、实时性强等优点，被广泛采用。但Census立体匹配算法存在变换窗口中心点易受外界条件干扰、深度不连续区域匹配精度低等缺点，由此提出了一种新型的基于Census变换及引导滤波器的立体匹配算法。在Census变换阶段通过计算变换窗口周围的像素的平均值，降低了外界干扰的影响，同时在代价聚合阶段引入具有包边特性且计算量不依赖于滤波核大小的引导滤波器作为自适应权重。实验结果表明:所提算法在Middlebury测试平台上平均误匹配误差为6.03%，相较于目前Census立体匹配算法16.2%的平均误匹配率，匹配效果明显提高，且算法效率较高，具有较好的辐射不变性。     

基于双鸟群优化的高光谱图像非线性解混

针对高光谱图像像元中端元物质非线性混合的特点,借鉴生物群智能现象,提出一种基于双鸟群优化的高光谱图像非线性解混算法。为进一步提高非线性解混算法的精度,通过模拟鸟群中觅食、警惕以及飞行等行为得到非线性问题的最优解。算法通过双鸟群的迭代优化来交替更新目标函数中的最优解以及非线性模型参数,最终得到高光谱图像端元丰度的最佳估计。仿真实验和光谱数据实验结果表明:双鸟群优化算法迭代收敛,能克服局部最小值问题;相比于同类算法,该算法解混结果的丰度重建误差、平均光谱角距离和像元重建误差3项指标均较小,该算法解混精度高,像元重构效果好,能有效提高高光谱图像非线性解混的精度。     

二维高斯分布光斑中心快速提取算法研究

在深入分析二维高斯分布公式的基础上,通过将光斑中心整像素坐标和亚像素坐标进行分离,推导出一种无需求解广义逆矩阵的高斯曲面解析算法,该方法综合利用窗口内的所有像素灰度信息,通过解析表达式直接计算高斯分布光斑的亚像素中心位置;并且对传统高斯曲面拟合法求解过程进行了优化,提出一种更加高效的定参高斯拟合法。与传统高斯曲面拟合法相比,提出的两种方法具有基本相同的稳定性和定位精度,但运行效率分别提高了278倍和78倍以上。     

一种基于自适应权值的立体匹配方法

提出了一种新的自适应权值的立体匹配方法,在匹配中无需逐像素确定其支持窗口的尺寸。首先根据像素间的相似性和邻近性对匹配窗口内每一像素的支持权值进行调整,使与待匹配点位于同一区域的像素权值增大,然后在匹配的代价函数中引入视差平滑性约束项,从而获得最终视差。在Middlebury提供的标准图像上进行了测试。实验结果表明,该方法可以获得良好的视差图。     

激光聚变中存在吸收的图像重建

提出了一种处理激光等离子体中含吸收的图像重建方法,且运用最大熵原理推导出适用于含吸收的重建算法,采用不同的图像实例进行模拟计算,结果表明采用吸收校正方法的精度明显高于不考虑吸收校正的精度。     

利用图像分割的基于图割的立体匹配算法

立体匹配通过寻找同一空间景物在不同视点下投影图像的像素间的一一对应关系, 最终得到该景物的视差图。在对匹配算法作了深入研究的基础上, 提出了一种利用图像分割的基于图割的立体匹配算法。算法把参考图分割成多个区域, 然后用平面公式在一个分割中建立视差。视差模板是从初始视差分割中提取的。每一个分割被分配到精确的视差模板。构建全局能量函数,能量函数的鲁棒最小化是由基于图割的最优化获得的。算法对低纹理区域和接近视差边界区域有很好的匹配效果, 同时, 又解决了传统的基于全局算法中计算量过大, 实时性不好的问题。实验表明, 本算法能满足高精度、高实时性要求。