基于最佳搜索域的水下图像区域匹配算法研究

针对水下双目图像匹配时不再满足空气中极线约束条件以及归一化互相关(NCC)算法处理水下图像计算量大等问题,提出了一种基于最佳搜索域的水下图像区域匹配算法。对双目摄像机进行标定得到相关参数,并获取参考图和待匹配图;运用曲线极线约束计算出与空气中极线的最大偏离值,确定最佳搜索域;用NCC进行匹配,将原来的线性搜索改为在最佳搜索域中进行多行搜索,提高匹配精度;并应用盒滤波技术加速,提高匹配速度。实验结果表明,该算法达到了尺度不变特征变换(SIFT)算法的匹配精度,可以应用在整幅图中进行稠密匹配,且运算速度比原有NCC匹配算法大大提高,成功将区域匹配算法应用于水下环境中。     

利用共线性和对极约束实现匹配扩展

结构化场景图像的纹理较为单一,可提取的局部特征较少。在宽基线情况下,基于图像局部特征的匹配方法很难获取正确匹配,导致匹配精度降低。为此,提出了一种以图像局部特征匹配为基础进行配扩展的方法。匹配扩展时,将图像中线段的两端点作为匹配的基元,利用线段两端点在不同视点间的共线性和对极约束限定候选匹配的搜索空间,剔除错误匹配,进行匹配关系的传播。实验结果表明:当图像存在一定的尺度和视点变化以及明显的光照变化时,该方法能够有效地增加匹配的数目,为精确的极线几何估计和三维重建奠定了良好的基础。     

昆虫飞行中翅膀序列图像特征匹配方法

分析了翅膀外形结构特点以及在序列图像中翅膀边缘特征的变化,提出了基于拓扑变换的几何相对位置不变的约束方法,对翅膀边缘特征进行分区域匹配去掉虚假匹配点;然后利用极线约束实现精确匹配,最终得到在运动过程中翅膀的三维形貌。提出的约束匹配方法不仅有效地剔除了虚假匹配,同时也极大地减小了特征匹配的运算量。实际应用证明此约束匹配方法是较为有效的。     

基于非度量校正的大视场图像匹配参数标定法

针对工业环境下拍摄的大视场图像受噪声与畸变影响较大,使用传统匹配参数计算方法的精度无法满足现场测量需求的问题,提出一种基于非度量校正的大视场图像匹配参数标定算法。设计了一种共线特征点布置方案,基于非度量校正完成了特征点坐标的畸变校正,并提出基于该布置方案的特征点识别匹配算法,通过分区域抽样一致性法实现匹配参数的高精度标定。实验结果表明,该算法匹配精度相较于传统方法提高了51%以上,能够满足工业环境下大视场图像匹配参数所需的精度要求。     

融合多尺度局部特征与深度特征的双目立体匹配

针对立体匹配中不适定区域难以找到精确匹配点的问题,提出一种融合多尺度局部特征与深度特征的立体匹配方法。特征融合阶段包括两部分,其一是融合不同尺度下Log-Gabor特征和局部二值模式特征组合的浅层次特征,其二是将多尺度浅层融合特征和卷积神经网络提取的深度特征进行级联,形成既包含语义信息又包含结构化信息的特征图像。通过在极线垂直方向添加不同强度的噪声来构造正负样本,减小图像中极线对齐欠准带来的误差。将该方法与两种变体方法(改变或舍弃部分模块)在KITTI数据集进行对比实验,结果表明各模块设置具有合理性;与一些经典方法相比,所提方法取得了有竞争力的匹配性能。     

一种多视点视频自动颜色校正系统

针对多视点视频系统中视点间图像颜色不一致的问题,提出了一种多视点视频自动颜色校正系统。通过求取目标图像和源图像间的颜色校正矩阵,判断其是否满足全局校正的要求;对不满足要求的图像,通过图像分割和K-L变换(Karhunen-Loeve transform),建立起目标图像和源图像中各分割区域间的局部映射关系,并通过感兴趣区域匹配,来实现对源图像的校正,最后通过视频跟踪技术实现对视频图像的校正。以标准的多视点测试图像集为例,通过将新方法与直方图匹配、全局一维线性校正算法等进行比较,表明新方法能消除匹配失真的影响,且具有较好的颜色校正效果。研究结果表明该系统可以很好地揭示图像间的颜色变化关系,并且具有很好的内容自适应性,是一种有效的多视点视频图像系统颜色校正方法。     

AKAZE结合自适应局部仿射匹配的视差图像特征匹配算法

针对常用的图像特征匹配算法对具有视差的图像在图像特征匹配阶段会产生大量误匹配点的问题,提出了一种AKAZE（accelerated-KAZE）算法结合自适应局部仿射匹配的特征匹配算法。首先,采用AKAZE算法提取特征点;接着,采用二进制描述符M-LDB(modified-local difference binary)进行描述并进行暴力匹配产生粗匹配点对;最后,基于图像的仿射变换可以提供较强的几何约束这一特性,采用自适应局部仿射匹配完成精匹配。实验结果表明,该算法针对具有旋转变化、尺度变化、视角变化的图像匹配,具有提取特征点均匀、匹配准确等效果,提取的正确特征点数量分别平均相对于SIFT算法提升了1.66倍、SURF算法提升了1.08倍、ORB算法提升了6.92倍、GMS算法提升了1.23倍,能够满足具有较大视差图像匹配的需求。     

非平行双目视觉系统水下成像的极线约束模型

针对水下非平行双目成像系统图像匹配时无法进行平行校正,并且不再满足空气中的极线约束条件这一问题,推导出一种适用于水下的极线约束模型。根据摄像机和防水罩间相对位置关系的不同,把水下双目成像方式分为平行成像、共用折射面成像和独立折射面成像三种情况,并推导了后两种情况的极线约束模型。对摄像机进行标定,利用尺度不变特征变换(SIFT)进行立体匹配,推导了参考图上特征点在待匹配图上所对应的曲线,根据待匹配图上特征点是否在曲线上,剔除误匹配点,提高匹配精度。实验结果表明,利用所推导出的水下曲线约束模型,可以有效地剔除误匹配点,降低误匹配率。     

一种基于特征块匹配的电子稳像方法

提出一种基于特征模块匹配的图像稳定的算法.该算法自适应地搜索图像特征模块进行后续稳像操作.在稳像过程中,提出一种图像特征匹配的快速算法,匹配得到局部运动矢量,然后对匹配结果进行一致性检验,最后采用可变窗口宽度的均值滤波法对图像序列运动轨迹滤波.试验表明,该算法有效地稳定了图像序列,并且满足实时性要求.     

基于随机蕨的光电成像末端制导目标初始化

为实现光电成像末端制导中的自适应目标初始化,针对末端制导景象匹配中图像存在尺度、旋转、灰度和3D视角差异,及传统方法运算量较大的问题,基于随机蕨分类器构造了一种新的景象匹配算法。算法首先利用基准图像进行分类器训练,然后基于该分类器对实时图像进行特征匹配。为剔除误匹配特征对,对初始匹配特征对中的对应区域分别进行尺度不变特征变换(SIFT)特征描述,基于马氏距离准则进行误匹配特征对剔除。根据顺序抽样一致性算法(PROSAC)对剩余的匹配特征对估计两图像的外极几何关系,最终根据外极几何关系求得目标在实时图像中的位置和尺寸信息。仿真结果表明,该算法能够在光电成像末端制导过程中实现稳定的目标初始化,在极端条件下的稳定性优于原随机蕨分类器算法。     

An infrared salient object stereo matching algorithm based on epipolar rectification

Due to the higher noise and less details in infrared images, general matching algorithms are prone to obtaining unsatisfying results. Combining the idea of salient object, we propose a novel infrared stereo matching algorithm which applies to unconstrained stereo rigs. Firstly, we present an epipolar rectification method introducing particle swarm optimization and K-nearest neighbor to deal with the problem of epipolar constraint. Then we make use of transition region to extract salient object in the rectified infrared image pairs. Finally, disparity map is generated by matching salient regions. Experiments show that our algorithm deals with the infrared stereo matching of unconstrained stereo rigs with better accuracy and higher speed.     

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.     

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。     

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.     

立体视觉测量中的图像匹配策略研究

立体视觉测量广泛应用于机器人导向和各种柔性制造系统中 ,其中图像特征的准确匹配始终是一个难题。推导了共极性线方程 ,采取相关匹配和特征匹配相结合的方法来提高图像匹配的速度和精度 ,利用建模估计得到匹配像点的精确坐标 ,使三维测量精度达到目标距离的 1/10 0 0 0左右     

一种基于词袋模型的大规模图像层次化分组算法

大规模图像集合的自动分组,不仅可以帮助用户快速组织和掌握图像集合的内容,并且是基于图像的三维场景重建应用的前提和重要环节。提出一种基于词袋模型（bag-of-words, BOW）的层次化分组算法,将每幅图像表示为一个超高维视词向量,利用多路量化技术将内容相似的图像量化到同一个节点,从而完成对图像粗略分组。然后,在每组类别里面,对图像的局部特征向量进行逐一匹配,并利用仿射空间不变量的约束条件,去除不可靠特征匹配,得到更为准确可靠的图像相似度度量,从而完成图像的精细分组。实验结果表明:从得到的系统不同阶段图像分组的查准率-查全率（precision-recall）曲线可以看出,精细分组过程可以显著提高粗分组精度,并且在精细分组阶段,使用约束条件比不使用约束还能获得更高的分组精度     

一种基于仿射不变区域约束的立体匹配算法

针对现有立体匹配算法匹配速度的不足,提出一种基于区域约束的快速立体匹配算法。选取4对稳定的特征点作为初始匹配点对,在左右图像中分别构建四边形,然后将四边形划分成4个三角形,以每个三角形对为待匹配区域,利用仿射不变性进行区域内特征点匹配。获得特征点匹配对后,再以每个特征点为中心进行开窗,利用传统的基于灰度信息的方法进行精度验证。实验表明,该算法在保证一定精度的情况下能获得较高的匹配速度,可满足实时性要求。