基于ORB特征的高分辨率图像拼接改进算法

针对传统图像拼接方法处理速度慢、效率低、无法满足高分辨率图像快速准确拼接的需要,提出一种基于ORB特征的高分辨率图像拼接改进算法.首先在ORB特征点提取的基础上,采用汉明距离进行快速粗匹配;然后基于渐进采样一致性(PROSAC)算法对匹配点对进行优化,去除误匹配点对之后,求解图像变换矩阵;最后采用渐入渐出加权融合算法对...     

基于法线引导的激光中心线提取方法

在线结构光三维测量系统中,高精度激光条纹中心线提取是提高测量精度的关键。针对现有激光中心线存在提取精度不高、保留细节差等问题,提出了一种基于法线引导的激光中心线提取算法。该算法具体实现步骤为:首先,对图像进行预处理,结合边缘检测和几何中心法对激光线初步提取;然后,用主成分分析法(principal component analysis,PCA)求取其法线,在激光中心点处划分角度八邻域,通过法线角度引导搜寻有效点集;最后,利用灰度重心法对点集进行亚像素提取。实验结果表明:该算法均方根误差与灰度重心法相比提高了0.233 9像素,比Steger算法、方向模板法更好地保留了光条细节,可以更精确地提取光条中心,达到亚像素级的精度。     

仿生复眼系统的视场重叠率

为了实现复眼系统小型化、轻量化,提出一种基于相机外凸式的安装结构。基于该种结构,首先分析了子眼系统视场角之和与光轴夹角之间的关系,通过两子眼系统视场边缘点之间的坐标关系,建立了与子眼间光轴夹角、子眼系统视场角、观测距离相关的视场重叠率计算模型。通过对此模型分析,复眼系统中子眼间光轴夹角应当小于子眼视场角之和,且大于子眼视场角之差;在上千米的观测距离下,子眼间的视场重叠率随观测距离的变化趋向于定值。依据此模型设计了一款19孔径的复眼系统。针对3 km外目标搭建了实验,采集了子眼图像数据,实验结果表明,复眼系统实现了79.23°全视场的无盲区监测,1级阵列间子眼的实际重叠率在X、Y方向分别为71.16%、45.99%;1级与2级阵列间子眼在X、Y方向同时存在重叠时的实际重叠率分别为43.00%、18.36%,只在X方向存在重叠时的实际重叠率为14.62%;2级阵列间子眼的实际重叠率在X、Y方向分别为66.58%、24.6%。理论重叠量分别为75%、40%;40%、20%;15%;70%、30%。通过子眼实际重叠量与理论重叠量的对比分析,验证了该视场重叠计算模型的可行性。     

基于Grassmann流形几何深度网络的图像集识别方法

近年来,深度学习以其强大的非线性计算能力在目标检测和识别任务中取得了巨大的突破。现有的深度学习网络几乎都是以数据的欧氏结构为前提,而在计算机视觉中许多数据都具有严格的流形结构,如图像集可表示为Grassmann流形。基于数据的流形几何结构来设计深度学习网络,将微分几何理论与深度学习理论相结合,提出一种基于Grassmann流形的深度图像集识别网络。同时在模型训练过程中,使用基于矩阵链式法则的反向传播算法来更新模型,并将权值的优化过程转换为Grassmann流形上的黎曼优化问题。实验结果表明:该方法不仅在结果上识别准确率得到了提高,同时在训练和测试速度上也有一个数量级的提升。