基于特征匹配和校验的鲁棒实时电子稳像

提出了一种基于特征点匹配和校验的鲁棒实时电子稳像算法.首先利用Kanade-Lucas-Tomasi角点检测器提取参考帧和当前帧的特征点,并用绝对误差和准则进行特征点匹配|在校验阶段,提出一种能够有效剔除前景运动物体特征点和错误匹配点的空间位置不变准则|最后,在相似运动模型下,利用最小二乘法求解全局运动矢量进行运动补偿.实验证明:该算法满足实时性要求,对视频的平移、旋转、缩放运动都有较好的稳像效果,并对运动物体具有鲁棒性.     

一种补偿平移与旋转运动的快速电子稳像算法

针对视频图像序列的非稳特性,研究了电子稳像算法中灰度投影算法和块匹配算法各自的不足之处,提出了一种快速补偿视频图像序列间平移及旋转运动的稳定成像算法.该算法先采用灰度投影算法估计并补偿视频图像序列间的平移运动,再利用拉普拉斯变换在靠近图像的边缘区域选取几个具有明显特征的小块,运用块匹配算法进行匹配,计算并补偿其旋转运动量,以得到稳定的视频图像序列.通过理论分析和实验验证,表明这种稳像算法具有速度快、准确度高的特点.     

基于角点匹配的电子稳像算法

提出了一种基于角点匹配的电子稳像算法。分析了Harris角点检测的原理。获得角点后,根据相邻帧对应角点的坐标分布,建立当前帧与参考帧的映射关系,并运用仿射变换模型,以最小二乘解的形式获得帧间全局运动估计矢量。最后,采用Kalman滤波器对运动估计矢量作低通滤波,平滑运动参数,获得运动补偿矢量,实现视频序列的实时稳像。实验表明该算法较好地去除了视频序列的高频抖动,同时保留了摄像机的主动运动,稳像后视频序列的峰值信噪比明显提高。     

基于光学相关器的光学稳像器研究

为了突破传统电子稳像和机械稳像技术在处理速度、精度等方面的局限性,提出基于光学相关器的稳像技术,旨在实现对高速视频的实时高精度光学稳像。系统使用光学联合相关变换的方法,提取视频前后两帧变换后的相关峰,给出两帧的位移差值,通过改进后的补偿算法进行实时稳像。基于光学相关器的光学稳像器能够实现平移和旋转稳像,通过仿真和实验分析,平移稳像的精度可以达到0.1个像元（改进补偿算法后可达0.04个像元）,旋转稳像的精度可达0.1。     

基于特征匹配的电子稳像优化技术

针对特征匹配的电子稳像算法存在特征点提取耗时多、准确度不高以及特征点误匹配等问题,从特征点提取及特征点匹配两个方面采取了优化措施,采用基于快速分割特征点提取算法更快地提取特征点,并把特征点定位准确度提高到亚像素级;引入随机采样一致性算法消除误匹配的特征点对,减少场景中局部运动的影响,提高了全局运动参量的估计准确性.实验结果表明,经优化技术处理后,视频稳像准确度高、速度快,能够在存在平移、缩放、旋转及局部有相对运动等情况时保持良好的视频稳像效果.     

基于特征匹配的电子稳像优化技术

针对特征匹配的电子稳像算法存在特征点提取耗时多、准确度不高以及特征点误匹配等问题,从特征点提取及特征点匹配两个方面采取了优化措施,采用基于快速分割特征点提取算法更快地提取特征点,并把特征点定位准确度提高到亚像素级;引入随机采样一致性算法消除误匹配的特征点对,减少场景中局部运动的影响,提高了全局运动参量的估计准确性.实验结果表明,经优化技术处理后,视频稳像准确度高、速度快,能够在存在平移、缩放、旋转及局部有相对运动等情况时保持良好的视频稳像效果.     

一种改进的代表点匹配算法在稳像技术中的应用

提出一种用于电子稳像技术改进的代表点匹配算法。通过合理的划分区域,保证在区域内各点运动的一致性,利用代表点匹配算法确定各区域内的运动矢量,并把其代入变换模型可得关于旋转、平移和变焦等信息的线性方程组,求其方程的解得全局运动矢量。利用该方法的特点是,具有速度快,并能求出平移运动和旋转运动参数,实现图像运动的平移和旋转补偿。实验表明,改进的稳像算法对于提高动态图像的稳定性具有较好的效果。     

基于最小生成树与改进卡尔曼滤波器的实时电子稳像方法

为解决稳像过程中局部运动分量导致的全局运动估计不准确问题,提出了一种实时电子稳像方法.该方法提出基于最小生成树的特征点迭代筛选算法,采用相邻帧图像特征点最小生成树的相似度衡量特征点匹配精度,剔除错误匹配的特征点和局部运动前景上的特征点,避免了局部运动分量的影响.采用自适应加权法修正相邻帧之间的仿射变换矩阵,解决由于运动前景遮挡造成的背景特征点数量稀少进而导致的稳像晃动问题.针对相机跟拍与随机抖动分量混合问题,提出基于运动矢量队列的双卡尔曼滤波器,自适应地修正卡尔曼滤波器的测量噪声协方差,动态调整滤波平滑性能,有效处理同时包含相机跟拍运动与随机抖动分量的视频,保留相机跟拍分量.实验表明,该方法对于视频图像中包含局部前景运动和相机跟拍运动的情况,对比其他3种方法,仍可以保持良好的稳像效果;在Intel Core i53.30GHz CPU下,对于640×360分辨率的彩色图像序列可达到40FPS的稳像帧率,并且运算过程中无需利用下一帧图像信息,具有实时稳像的优点.     

一种基于特征跟踪的视频序列稳像算法

提出一种基于特征跟踪的视频序列稳像算法.该算法从视频序列的参考帧中提取出一组角点特征,然后在后续帧中基于模糊Kalman滤波进行特征窗跟踪,通过比较各帧图像中特征窗间的对应关系计算出补偿摄像机运动所必需的参数,使用这些参数将后续帧向参考帧对准,从而得到稳定的视频序列.实验结果表明该算法稳像效果好,运算复杂度低,且具有较强的鲁棒性.     

高精度全景补偿电子稳像

针对摄像机拍摄目标过程中自身的随机抖动造成的视频序列不稳定,以及稳像补偿过程中边缘信息的丢失,提出了基于SURF（Speed-up Robust Feature）算法的全景电子稳像方法。首先,运用SURF算法提取当前帧图像和参考帧图像的兴趣点,将两幅图像的兴趣点进行匹配,建立两帧的对应关系。针对兴趣点数目较少及场景中部分区域特征相似的情况,引入了兴趣点位移一致性抑制策略,改进了RANSAC（RANdom SAmple Consensus）误匹配的剔除算法,使得运动矢量的精确度小于1 pixel。然后,判定参考帧的更新策略,获取平滑的运动变量。最后,进行运动补偿,运用图像镶嵌技术对丢失的边缘区域信息进行全景补偿,得到了高精度的全景稳像结果,实验得到的输出视频峰值信噪比（PSNR）提高了33.1%。     

基于稀疏光流法的ORB特征匹配优化

针对图像特征误匹配数量大的问题，提出一种基于稀疏光流法的ORB图像特征点匹配算法。对特征点进行暴力匹配得到初始匹配点集，利用稀疏光流法计算特征点运动向量，估计出特征点在待匹配图像中的二维坐标位置，剔除偏离估计位置较远的特征点匹配对，最后利用随机抽样一致算法进行几何校验进一步优化匹配结果，达到剔除误匹配的效果。实验结果表明:该算法相较于ORB算子、SIFT算子、SURF算子准确率平均提升了21.6%，较RANSAC-ORB算法准确率平均提升了2%，且该算法对图像光照变换、视角变换、模糊变换、旋转和缩放变换和光照变化具有较好的通用性。     

基于里程计法的双目云高系统外参标定研究

双目成像系统测量云底高基线长，外参标定困难。提出一种适用于地基云高测量系统的双目相机外参标定方法，采用ORB算法提取与匹配左右云图同名点，然后根据对极几何约束计算两个相机之间的旋转平移关系。为验证该算法的精度，在室外搭建基线60 m的双目云高系统，采用里程计法标定外参，标定得到两个相机之间的距离误差为34.44 cm，精度达到99.43%。通过分析校正后的双目云图和天空视差图，验证了大基线里程计外参标定法的精度较高。     

结合SIFT算法的视频场景突变检测

视频场景变化检测对于视频的标注以及语义检索具有非常重要的作用。本文提出了一种结合SIFT(Scale Invariant Feature Transformation)特征点提取的场景变化检测算法。首先利用SIFT算法分别提取出视频前后帧的特征点并分别统计其数量,然后对视频前后帧进行图像匹配,统计匹配上的特征点数量,最后将该帧的匹配特征点数量与该帧前一帧的特征点数量做比值,从而通过该比值判断场景变化情况。实验结果表明,视频场景突变检测率平均可以达到95.79%。本算法可以在视频帧进行图像匹配的过程中对场景的变化情况进行判断,因此该算法不仅应用范围较广,还可以保证场景变化检测的精度,仿真结果证明了算法的有效性。     

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。     

一种结合ORB特征匹配的均值漂移目标跟踪算法

针对传统的mean-shift跟踪算法基于单一颜色特征空间,在复杂背景下难以对目标进行准确跟踪这问题,提出了一种结合ORB特征匹配的mean-shift目标跟踪算法。该算法在mean-shift算法的基础上利用改进的ORB特征匹配算法修正目标跟踪窗口并实时更新目标特征模板,通过计算前后两帧图像中目标中心的欧式距离与色彩模板的巴氏距离来判定跟踪是否失败,当目标跟踪失败时,不改变目标模板,继续搜索下一帧图像中的目标。实验结果表明,与均值漂移算法和基于其他同类特征的改进算法相比,该算法提高了在复杂背景下目标跟踪的精度,并能满足实时性要求。     

基于改进的FAST-SURF快速图像拼接算法

针对SURF（speeded-up robust features）算法计算量大、图像拼接效率低的不足,以FAST （features from accelerated segment test）角点取代SURF斑点在图像重合区域提取特征点,使用SURF描述子进行特征点描述,通过描述子降维、自适应最近邻与次近邻比值法、几何约束法剔除错误匹配点,提高匹配的准确性。匹配完成后,通过减少样本集的个数和舍弃不合理参数模型来改进RANSAC（random sample consensus）方法,获取单应性矩阵,最后进行图像变换、融合和拼接。实验结果显示,该图像拼接算法与传统的SURF算法相比,图像拼接总时间减少了12%,拼接效率得到了显著提高。     

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.