基于Harris角点全局运动估计的场景锁定算法

场景锁定技术是视频跟踪领域的一个关键技术,需要对图像的全局运动进行估计,常用的运动估计算法由于计算量大、对噪声敏感等因素很难得到实际应用。为了减少运动估计的计算量,提高全局运动估计的精度,提出了一种基于Harris角点全局运动估计的场景锁定方法。将图像分成4×4的16个块,选取每个块中响应值最大的角点,以参考图像角点周围矩形块与待匹配图像进行匹配,然后利用RANSAC算法对角点进行一致性检测,利用最小二乘法解算全局运动参数,最后计算图像之间的累积运动。实验结果表明,该算法运动估计精度高,稳定性好,能较好地实现场景锁定。     

针对标定图像中Harris伪角点的自动修正算法

针对Harris算子在提取标定图像中的特征点时可能出现的伪角点,提出了一种新的自动修正算法.通过对伪角点邻域内图像进行X和Y两个方向上的一维亚像素扫描,然后用基于正交距离的直线或曲线拟合算法计算两条边缘线条,最后用两边缘线条的交点来估计正确角点位置.本文对机器视觉标定中的棋盘格图像进行大量实验,结果证明该方法具有较好的鲁棒性,达到了预期的两个目的:1)修正图像中的伪角点;2)得到高准确度的亚像素角点.     

针对标定图像中Harris伪角点的自动修正算法

针对Harris算子在提取标定图像中的特征点时可能出现的伪角点,提出了一种新的自动修正算法.通过对伪角点邻域内图像进行X和Y两个方向上的一维亚像素扫描,然后用基于正交距离的直线或曲线拟合算法计算两条边缘线条,最后用两边缘线条的交点来估计正确角点位置.本文对机器视觉标定中的棋盘格图像进行大量实验,结果证明该方法具有较好的鲁棒性,达到了预期的两个目的:1)修正图像中的伪角点;2)得到高准确度的亚像素角点.     

基于地面特征的移动机器人单目视觉里程计算法

提出了一种基于单目视觉的移动机器人定位算法。该方法根据地平面假设,采用基于KLT的角点检测与跟踪方法,运用基于平面的单应性关系,建立移动机器人位姿估计模型。在随机抽样一致性算法框架下,求解上述模型,实现移动机器人的初定位。在此基础上,引入角点特征的三角形结构估算平面参数差异,结合M-estimation算法,有效地去除了非地面特征信息,提高了移动机器人的定位精度。室内环境下实验结果验证了所提算法的有效性与可行性。     

应用角点匹配实现目标跟踪

角点特征是图像的一个重要局部特征,因其具有计算量小、匹配简单以及旋转、平移、缩放不变的性质,而在图像配准与匹配、目标识别、运动分析、目标跟踪等应用领域都起着非常重要的作用。本文提出了一种新的基于角点特征的向量匹配方法,该方法利用Harris算子检测出目标角点,通过角点的矩特征形成目标的特征向量,最后通过对序列图像的目标特征向量进行匹配来实现目标跟踪。此算法在一般情况下能匹配80%以上角点,在遮挡情况下仍能正确匹配70%左右,处理速度达到20 frames/s,满足了实时要求。实验结果证明此方法可有效地抵御目标的变形和遮挡情况。     

基于改进的加速鲁棒特征的目标识别

为了提高加速鲁棒特征(SURF)算法的实时性和准确性,本文提出了一种结合AGAST角点检测和改进的SURF特征描绘算法。首先利用AGAST角点检测模板检测特征点,再使用增加对角信息的哈尔小波响应来生成特征点的描述子,之后利用特征袋对产生的描述子进行编码并生成新的特征向量,最后利用支持向量机(SVM)对特征向量进行分类,完成识别。本文以SIFT和SURF算法为对照,分别进行不同视角、光照和尺度的识别实验。实验结果表明,本文算法的平均识别率为98.0%、96.9%、97.1%,平均时间分别为66.1 ms、79.3 ms、41.0 ms,在识别率上较优于SURF算法,所耗时间约是SURF算法的1/3。     

基于特征点自动匹配的红外图像配准研究

在模糊和含噪声的红外图像配准中,利用角点检测实现特征点的选择,在提高角点提取效率的同时又保证了角点提取的精度。根据互相关的双向匹配实现对应特征点的自动匹配,然后由对应的特征点对估计出仿射变换的参数。实测的数据和计算结果表明,这种方法对于双波段红外图像的配准是有效的,而且有利于后续的图像融合。     

基于局部光流约束的角点匹配算法

提出了一种基于局部光流约束的角点匹配算法。首先采用Harris算子获得当前帧和参考帧的角点,然后以角点的光流特征作为约束条件,根据两帧图像角点集的坐标分布,排除异常角点,完成角点的精确匹配,实现图像之间的高精度运动估计。通过对视频序列进行实验,采用差图法可主观地发现该运动估计算法的有效性;以峰值信噪比作为评价指标,发现原始视频序列的帧间峰值信噪比明显低于仿射视频序列的帧间峰值信噪比。前者的平均值为22.8072,后者的平均值为33.3854,从而客观地说明了该算法的有效性和稳定性。     

快速SUSAN-Laplace角点算法

提出了一种新的SUSAN-Laplace角点算子。新算子首先使用拉普拉斯-高斯核对图像进行卷积,并将图像转换为二值或三值图像,然后使用SUSAN算子检测角点。这样既快速又具有SUSAN算子的位置精确性。SUSAN- Laplace角子具有较好的旋转、仿射、光照、尺度和噪声不变性,其计算速度也较快,比Harris角点快1.5倍,比SUSAN角点快6倍。应用中SUSAN-Laplace角子有一种快速算法,快速算法在计算拉普拉斯-高斯卷积时使用移位运算代替全部乘除法运算,能进一步提高计算速度。SUSAN-Laplace角子较其它角点算法能产生更丰富的角点,应用到SIFT算法中可提高对小目标的识别能力。     

基于系统论匹配准则的尺度不变特征变换的图像自动拼接研究

基于特征点的图像拼接不仅不易受光照、旋转等因素影响,而且还有利于提高速度,是目前图像拼接的主流方向。尺度不变特征变换(SIFT)是目前比较成熟的一种角点检测算法,但是其特征点匹配问题仍然没有得到很好的解决。从系统相似的角度出发,提出了基于系统相似论的匹配准则,并将新匹配准则与传统的匹配准则进行了对比,指出了传统匹配准则存在的问题,测试了新准则匹配的精度和速度,分析了新准则能够取得更高精度的原因,并据新准则成功地检测了待拼接图像中的匹配角点,然后用改进的样本一致性算法计算出仿射变换的投影矩阵,并用Levenberg-Marquardt(L-M)算法对其求精,最终实现了图像的自动拼接。最后给出了全景相机图像的拼接结果,并对新的匹配准则给出了进一步的分析讨论。     

Adaptive optics retinal image registration from scale-invariant feature transform

With the use of adaptive optics(AO), high-resolution microscopic imaging of the living human retina in the single cell level has been achieved. In an AO retinal imaging system, with a small field size (about 1°, 300 μm) the motion of the eye severely affects the stabilization of the real-time video images results in significant distortions of the retina images. Scale-invariant feature transform (SIFT) algorithm is applied to automatically abstract corner points with subpixel resolution and match the points in two frames. With the matched corner points, we estimate and remove the motions of 20 frames of photoreceptor cells and capillary blood vessels, respectively. The maximal translational motion is about 30 and 44 pixels in the 20 frames whose size is 416 × 416 pixels. More general motions can be considered by the SIFT algorithm, but only simple translational motion can be considered by cross-correlation algorithm.     

角锥棱镜谐振腔激光模式模拟研究

为了探究角锥棱镜谐振腔激光模式,以角锥-平面镜腔为例,将角锥棱镜等效为衍射光栅,考虑角锥镜棱宽在谐振腔中的衍射效应以及二面角误差引起的附加相位分布对谐振腔激光模式的影响,在光学谐振腔理论的基础上,建立了求解本征模式的理论分析模型.采用快速傅里叶法数值模拟不同腔长、角锥镜棱宽和二面角误差情况下该无源谐振腔激光输出模式分布情况.结果表明,在腔长30 cm、角锥镜棱宽小于75μm、二面角误差在-10′~5′之间时,可实现光斑完整的圆形分布输出模式,且有较好的光束质量;棱宽不小于0.4 mm,二面角误差在-40′~10′之间时,光斑为TEM 03阶横模,光场呈六瓣分布;当角锥镜棱宽为0.4 mm、二面角误差为3′,腔长从30~90 cm范围内增加时,该谐振腔输出的激光模式从TEM 03转换成TEM 10.     

基于曲率多尺度的高精度角点检测

为了提高角点检测的精度,满足算法的稳定性与实时性,提出了一种基于曲率多尺度和局部迭代的亚像素角点检测算法。首先基于Canny算子和自定义边缘跟踪算法检测目标轮廓,然后利用多尺度曲率多项式得到像素级的角点,最后以像素级角点为中心,利用向量正交性原则,采用迭代算法及双线性插值得到子像素级角点。实际测试表明:该方法检测效率高,提取到的角点稳定,精度可以达到0.2pixel,可满足实际应用中的实时、高精度要求,目前已成功地应用于嵌入式机器视觉工业现场。     

基于改进光谱特征拟合算法的高光谱数据矿物信息提取

根据光谱特征拟合算法在实际应用中存在的问题,介绍一种改进光谱特征拟合算法,该算法综合常规的特征拟合处理和地物光谱吸收特征参量约束为一体,能更细致地进行高光谱数据地物信息提取.实验基于不同空间分辨率和信噪比的高光谱数据,编程实现改进光谱特征拟合算法对实验区的白云母、方解石、绿泥石等蚀变矿物信息提取,与常规光谱特征拟合和光谱角制图处理结果的比较分析发现改进算法在矿物混淆区分、信息提取精细度上均得到提高,有较强的实用性.     

Transport induced dimer state from topological corner states

Recently, a new type of second-order topological insulator has been theoretically proposed by introducing an in-plane Zeeman field into the Kane-Mele model in the two-dimensional honeycomb lattice. A pair of topological corner states arise at the corners with obtuse angles of an isolated diamond-shaped flake. To probe the corner states, we study their transport properties by attaching two leads to the system. Dressed by incoming electrons, the dynamic corner state is very different from its static counterpart.Resonant tunneling through the dressed corner state can occur by tuning the in-plane Zeeman field. At the resonance, the pair of spatially well separated and highly localized corner states can form a dimer state, whose wavefunction extends almost the entire bulk of the diamond-shaped flake. By varying the Zeeman field strength, multiple resonant tunneling events are mediated by the same dimer state. This re-entrance effect can be understood by a simple model. These findings extend our understanding of dynamic aspects of the second-order topological corner states.     

零件的角点提取及匹配定位

本文基于三坐标测量机(CMM)设计了一套视觉检测系统,该系统能够对零件实际空间特征信息进行比较全面地提取。针对位于CMM平台上带有角点的零件,利用Harris算子提取从CMM三个不同方位获取的零件图像的角点。对于Harris算子提取到的角点,本文提出一种八链码搜索法和SUSAN区域法相结合的伪角点剔除方法,最后基于立体视觉的原理,提出"距离空间图"匹配算法,将以上3幅图像一一建立匹配关系。实验中多次改变零件在CMM中姿态时,多次实验数据表明本文的角点提取精度与真实角点间仅存在1~2像素的偏差,零件的定位误差为1~3 mm。通过实验验证,角点匹配和定位的稳定性和精度满足要求,具有一定的抗干扰性和实用性。