基于改进特征的序列图像三维重建

近年来序列图像三维重建技术得到了重视,提出了很多算法.本文对Harris特征提取算法进行了改进,并在在序列图像中进行特征跟踪,在特征的稀疏重建和稠密重建后,使用估计样本一致性算法实现三维重建,提高了序列图像三维重建的精度.     

一种基于图像插值的SIFT算法研究

SIFT特征是图像的局部特征,其对旋转,尺度缩放,亮度变化保持不变性,对视角变化、一定角度的仿射变换、噪声也保持一定程度的稳定性.提出了一种具有尺度不变特征转换的图像插值的SIFT算法.首先对图像进行SIFT特征提取,利用K-D树搜索并计算最近邻特征向量与次最近邻向量间的欧式距离来实现对特征点的匹配.在此基础上加入图像插值法增大采集特征点的范围,从而增加特征点匹配的对数.最后比较3种图像插值方法.实验结果表明：双线性插值法获取的特征点匹配的对数最多,但匹配时间较长.     

基于单目多视立体几何的对象三维重建方法研究

针对传统三维重建算法采用的特征主要是图像中的低层特征如特征点、线等,容易在单一纹理、梯度变化不明显的区域以及复杂多变的情况下,缺乏良好的自适应与泛化性的问题,提出了基于多视立体几何的对象三维重建模型.将围绕物体拍摄的多视角图像进行对象提取预处理,并将预处理得到的二维及三维对象检测数据作为光束法平差的新一项约束,最终得到...     

基于Canny算子和Harris角点提取的三维重建方法

本文介绍了一种基于Canny算子边缘提取和Harris角点提取的三维重建方法.通过双目相机获取所研究物体的左右视图,并对图像进行平滑去噪处理,将Canny算子边缘检测和Harris角点提取结合起来进行特征提取,以提高特征点选取的准确性,然后将左右视图的特征点进行立体匹配,计算匹配点的三维坐标值,最后使用经典Delaun...     

一种基于虚拟三角形的图像自动配准方法

图像配准是图像处理和分析的关键技术之一.本文提出了一种基于虚拟三角形的图像自动配准方法来处理具有全局刚体变换的图像配准问题.该方法主要分三步:首先采用改进的Harris算子从参考图像和待配准图像中分别提取角点特征,将每三个角点顺次连接起来构成一个虚拟三角形;然后运用刚体变换模型下匹配虚拟三角形对全等的准则找到全等性最好的一对虚拟三角形,利用它们的对应顶点求解刚体变换模型参数的初始值;最后根据刚体变换模型参数的初始值和一个预设的门限得到所有的匹配角点特征,通过它们求得最终的刚体变换模型参数.实际图像实验结果表明:本文提出的图像自动配准方法是正确和有效的,并具有较高的配准精度.     

一种基于多重影像实现真实感人脸三维重建的方法

基于立体视觉的基本原理,本文提出通过投影不同类型的纹理实现真实人脸几何重建的方法,第一类条纹状的纹理初步建立影像间的视差格网,为第二类精细纹理影像的匹配提供预测值,从而能够快速得到分布均匀且密集可靠的同名点.完成几何重构的基础上,提出基于外接球面实现纹理重建的方法,借助于球面坐标进行纹理影像的选取和颜色处理,减少了重建后纹理颜色的阶跃性变化,达到了匀光的目的.开发了专门的硬件系统,实验表明本文的算法简单,能够取得良好的重建效果.     

一种基于体素的三维重建方法

文章给出的一种基于体素的三维重建算法，采用面片作为体素，通过判断不同视点处输入图像纹理颜色的一致性来重建三维模型。算法利用场景分块重建来简化遮挡问题，降低了时间复杂度；算法提出了面片步长的计算方法．以重建具有照片级真实感的三维模型。     

基于机器视觉的三维重建技术研究

研究了基于机器视觉的三维重建技术。利用普通的数码摄像机拍摄图片,通过摄像机定标、特征点检测和匹配、基础矩阵和本质矩阵计算来实现图像的三维重建。采用张正友标定方法的相机标定工具箱实现了相机的标定,利用尺度不变特征变换(SIFT)特征点的检测和匹配方法进行了图像特征点的检测和匹配,采用RANSAC算法计算基础矩阵,最后利用相机内参数和由基础矩阵获得的本质矩阵重建物体的特征点,并进行纹理贴图。实验结果表明利用这些图像可以进行物体重建,并且能够很好地反映出物体的三维特征。     

基于双目摄像的特征提取算法研究及三维重建实现

特征提取在计算机图像处理领域是一个重要的概念。文章主要研究了Harris角点检测算法与SIFT(Scale-invariant feature transform)特征点提取算法这经典的两种基于灰度的特征点提取算法。在处理图像尺度缩放方面进行了比较,通过MATLAB进行实验来比较两种算法在处理图像尺度方面的区别,证明SIFT算法更加优秀。最后介绍了三维重建的内容,展望计算机视觉技术的未来。     

双目视觉的三维重建技术研究

近年双目机器视觉的三维重建技术的研究虽然取得了一定成果,但远远不能满足社会各行各业的应用需求。文章主要介绍基于双目视觉的三维重建技术的主要方法、技术及应用,总结了基于双目视觉的三维重建技术在工程应用中存在的问题、面临的挑战和研究方向。     

一种基于改进ORB特征匹配的无人机视觉导航方法

为了解决在全球导航卫星系统(Global Navigation Satellite System)拒止情况下无人机导航能力缺失等问题,提出了一种基于改进快速提取旋转描述子(Oriented FAST and Rotated Brief, ORB)图像特征匹配的无人机视觉导航方法。首先,为了实现无人机的绝对定位,提出了一种特征图像基准数据库构建方法;其次,为提取图像数据集的特征点,采用了一种结合尺度不变特征变换(Scale Invariant Feature Transform, SIFT)的尺度空间优化ORB特征提取算法;最后,为了将图像特征与图像基准数据库快速匹配并提高其匹配精度,提出了一种改进ORB特征匹配算法——ORB+GMS+PROSAC算法。通过在ArcGIS中分割图像构建基准数据库并进行实验分析,结果表明,基于ORB+GMS+PROSAC特征匹配算法性能显著提升,其中匹配准确率上升5.05%,匹配时间减少41.61%,明显优于其他传统特征匹配算法。     

视频监控中运动图像序列三维重建

视频监控中运动图像序列三维重建一直是三维重建研究的重点,其重建效果会对运动图像的清晰度产生影响。但当前三维重建方法都是通过获取二维视频监控中的运动图像序列,通过基于Java Applet与Java Application编程,采用体绘制法完成视频监控中二维运动图像序列的三维重建,该方法无法保证重建后的图像质量,导致图像清晰度不高。为此,提出基于图像特征点提取与匹配的视频监控中运动图像序列三维重建方法。首先,对视频监控中运动图像序列特征点进行检测,并对特征点一定邻域内图像的纹理、结构以及其他特征进行统计,通过对运动图像序列特征点的特征比较,完成运动图像序列特征点提取与匹配;然后,对视频监控中运动图像序列的结构和运动初始化,并进行视频监控相机的自标定,实现对视频监控中运动图像序列的三维重建。实验结果表明,所提方法能够有效提高三维重建后视频监控中运动图像序列的清晰度,减少三维重建流程,提高运动图像序列重建效率,具有良好的使用价值。     

基于单幅图像的三维重建技术

使用了一种自底向上和自顶向下相结合的方法，实现了基于单幅图像的以六面体图形为目标的三维重建过程。提出了一种高效、迅速的角点检测算法，并且建立了从有特定特征的单幅图像重建空间内三维模型的方法，该方法简便可行。     

基于图形理解的室内建筑三维重建算法

根据室内建筑行业特有的视图表示规则,提出了一种基于理解的室内建筑物三维重建方法。该方法结合室内建筑制图规则、图形识别理解技术和人工智能知识,通过基于特征抽取的识别算法,完成对室内建筑结构图中墙体中线的提取,进而获得整个建筑物墙体的拓扑结构;然后对室内建筑结构图中2种重要的建筑构件:门和窗户进行辨识;最后实现室内建筑物的三维重建。实验结果表明,在少量人机交互的基础上,该方法对实际的建筑图是十分有效的。     

基于云计算的图像分类算法

针对单一单板机的图像分类效率低的缺陷,提出一种基于云计算的图像分类算法。首先通过特征提取算法提取图像的多种特征,然后采用Map/Reduce模型对图像进行匹配和分类,根据匹配结果得到图像的最优分类结果,最后采用Matlab软件实现图像分类的仿真实验。结果表明,相比于其他图像分类算法,该算法减少了图像的分类时间,提高了图像的分类速度,尤其对大规模图像分类优势更加明显。     

基于红外图像序列的运动目标检测算法研究

为解决红外图像序列中运动目标的快速检测问题,提出一种结合目标的不变矩与红外特征的新的特征量,利用图像序列中目标运动的连续性,在匹配的过程中采用Kalman预测滤波来估计目标下一帧的位置,从而形成完整的运动目标的检测算法.该算法既能利用不变矩的仿射不变性,又能对红外目标的辐射特性进行全面的综合描述,准确地实现目标的相关匹配;此外,引入Kalman预测滤波不仅能够迅速准确地进行目标匹配,并且在目标出现遮挡、丢失的情况下可应用预测对目标的位置做出合理的估计,以维持对目标的正常的检测跟踪.实验结果表明该算法能够达到目标检测的准确性和实时性要求.     

一种基于目标特征的多门限图像分割方法

本文提出了一种基于目标特征的多门限图像分割方法。它通过对特征量匹配的方式将属于景物的先验空间知识引入分割过程,使图像分割由单纯的灰度聚类过程变成灰度－几何空间聚类过程。实验结果表明,本文提出的方法可以完整地分割出复杂背景图像中本身具有多个灰度层次的景物。     

一种基于特征分类的液体内杂质检测方法

在酒类产品的杂质检测过程中,不可避免地会产生气泡,而当前的杂质检测算法并不能有效消除气泡对检测的影响,尤其是在大量气泡存在的情况下。针对此问题,提出了一种基于特征分类的液体内杂质检测方法,通过提取目标的细微特征来区分杂质和气泡,算法通过双边滤波来预处理图像,改进了多尺度小波变换边缘检测算法,并用其来检测目标边缘,最后通过特征分类的方法来判定杂质。实验结果表明,该方法能有效消除噪声和气泡对检测的干扰,杂质检测的准确率达到了95%。