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。     

仿射Toda场作为约束的WZNW模型

由共形不变的WZNW模型加约束导出了Sine-Gordon方程,得到了它的作用量、运动方程、正则等时Poisson括号、能动量张量,说明了Sine-Gordon方程的非共形不变但完全可积性质,并将加约束的WZNW模型联系于非线性σ模型.此外还通过约束导出了SL(n,R)仿射Toda场及SL(2,R)共形仿射Toda场.     

一种快速双目视觉立体匹配算法

针对目前双目视觉立体匹配算法计算量过大、实时性不强的问题,提出了一种平行配置系统的快速立体匹配算法.利用两幅视图的差异将视图分为特征点和非特征点,然后对特征点采用WTA(winner-take-all)方法进行匹配,而对非特征点只进行简单的验证,最后得出致密的视差图.该算法利用视差的分段连续性,大大减少了运算量.实验结果表明,该算法提取的特征点集中于视差不连续区,与目前其它基于区域的匹配算法相比,该算法得到的误匹配像素百分比与其它算法相当,而计算速度却提高了一个数量级,并且边缘特征较好,是一种有效可行的高实时性立体匹配算法.     

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.     

一种基于局域边缘特征的自适应立体匹配新算法研究

立体匹配,其目的是在对两幅存在一定视差的图像进行匹配后,获得两幅图像精确的视差图,是计算机视觉领域的重点和难点问题。为了快速、高效地获得高精度的稠密视差图,在充分研究了基于边缘特征的立体匹配和基于局部窗口的立体匹配两类算法的基础上,提出了一种基于局域边缘特征的自适应立体匹配算法。首先该算法自适应地选择局部匹配窗口大小,并计算其中相应位置的权值,实现初次匹配,然后再以基于边缘特征匹配获得的高精度稀疏视差图作为约束,修正部分误匹配点,最终获得准确、稠密的视差图。实验表明,该算法具良好的实验结果和较大的实用价值。     

一种新的基于子线段的立体匹配算法

立体匹配是计算机视觉领域中最活跃的研究主题之一。为了精确并更快速的进行同名点匹配,提出了一种基于小波变换的子线段匹配方法。该方法利用样条二进小波变换系数在不同尺度下的模极大点,能提供在不同尺度下信号急速变化点的位置信息,采用由粗到细的匹配策略匹配这些特征点,并由这些特征点两两相邻的点构建子线段。采用加速方法,快速匹配子线段两端点之间的点。这种方法较好地解决了匹配精度和匹配速度之间的平衡问题。采用该方法对篦冷机内水泥熟料高度进行测量,实验表明,该方法能较精确地得出水泥熟料料层的分布状况。     

基于共同视域的自监督立体匹配算法

提出了一种基于共同视域的自监督立体匹配算法,该算法根据视差的左右一致性来确定双目图像的共同可视区域,从而抑制被遮挡区域产生的噪声,为网络模型的学习提供了更加准确的反馈信号。研究结果表明:在没有任何标签数据的前提下,所提算法的预测误差降低了11%～42%,且与有监督立体匹配算法的性能相当。     

基于联合仿射不变弧长的目标轮廓起始点配准

提出了一种仿射不变的快速目标轮廓起始点配准算法,为实现快速目标识别开辟了新的思路.该算法利用基于轮廓曲率和轮廓包围面积的两种仿射不变弧长引出特征描述函数,通过其极值点的幅值和相对位置关系引出幅值误差和相对位置误差并结合二者构造出评价函数.通过循环比对和位置临近对应原则找到使评价函数最小的目标轮廓位置点即为配准的起始点.大量实验结果表明该算法具有高起始点配准率、高抗噪能力和低时间复杂度.     

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...     

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。     

基于极线局部校正的特征匹配方法

针对利用多视图像进行目标三维测量、结构重建时在极线约束下对直接区域灰度相关进行同名特征匹配常常失效的问题,提出了一种基于极线局部校正的特征匹配算法。介绍了极线约束匹配的原理,分析了相关方法在极线约束匹配中的缺陷以及在多种像机位姿配置下的图像特征间的约束关系,在此基础上提出了一种极线局部区域校正的方法,对待匹配区域进行校正使自动相关匹配能有效执行,结合最小二乘匹配得到了高精度的匹配结果。实验结果证明了新算法的有效性,大大提高了自动匹配的可靠性、速度和精度。     

基于灰度相关的图像匹配算法的改进

针对目前图像匹配算法中存在的匹配精度不高和匹配速度慢的缺点，对基于灰度相关的2类匹配算法——最小误差法和相关系数法进行了改进。最小误差法采用新的ML距离法，提出动态调整阈值的方法，既保证了匹配精度，又避免了局部噪声的影响；相关系数法对相关系数的计算公式进行了简化，并采用三步搜索策略进行匹配，以达到减少计算量和搜索位置的目的。实验证明：改进后的算法，在保证一定匹配精度的条件下，匹配速度大大提高，能够满足实际应用中的实时性要求。     

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。     

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。     

基于多尺度小波变换的同名点匹配方法研究

针对一类特殊小波变换系数不同尺度下的模极大点能提供在不同尺度下信号急速变化点的位置信息,提出了一种基于小波变换的模极大位置的图像点为匹配基元的同名点匹配方法。该方法采用由粗到细的匹配策略,应用顺序约束,减少了小尺度的小波变换模极大值的位置的图像点的匹配空间,为了避免误匹配和误差传播,舍弃了以小波变换的模极大值比较作为匹配准则,采用了基于米字条形窗口的互相关函数的匹配准则。这种特征匹配与区域匹配相结合的方法,解决了同名点准确匹配难、计算量大等问题。采用该方法对篦冷机内水泥熟料高度进行测量,实验表明该方法能较精确的得出水泥熟料料层的分布状况。     

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