双目立体视觉匹配的预处理技术

针对双目立体视觉图对区域匹配应用中存在的问题, 提出一种三阶段的匹配预处理方法. 该方法将小波阈值去噪算法和直方图均衡化技术相结合, 有效地去除了图像随机噪声和高斯噪声, 实现了立体图对间亮度差异的平衡, 并经过拉普拉斯锐化处理提高了图像对的对比度. 实验结果表明, 三阶段匹配预处理算法可有效提高立体图对间的匹配准确率.     

遗传算法在PCB板元件检测中的应用

介绍了一种基于图像模板匹配算法的PCB板元件自动快速检测方法．从实际应用出发，找到了一种合适的图像相似性度量方法．提出利用代间差分遗传算法优化其搜索匹配速度，给出了算法实现的全过程．用实际拍摄的PCB板元件进行了性能测试，验证了代间差分遗传算法能提高检测速度．     

基于改进遗传算法的噪声自适应地形匹配算法

地形匹配制导是提高飞行器导航与末制导精度的有效途径。为了提高传统地形匹配算法精度和效率,提出了一种基于改进遗传算法的地形匹配搜索算法。该算法以基准高程图各坐标空间作为解空间,一方面采用一种改进的遗传算法进行全域匹配搜索,相对于传统遍历搜索大大提高了搜索效率,又有效避免了遗传算法早熟收敛问题;另一方面提出了一种基于噪声自适应的相似性度量方法并将其作为遗传算法个体的适应度,该度量方法结合了归一化相关函数度量和序贯相似检测度量方法的优点,在保证精度的同时有效减少了每个搜索位置的计算量,实验结果表明:与全遍历算法、传统遗传算法从算法效率和匹配精度指标上进行对比,本文算法在匹配精度上与传统遍历算法相当,在算法效率上明显优于前两种算法。     

基于实数编码遗传算法的多层神经网络BP算法

提出用实数编码的遗传算法来优化多层神经网络的权值,并且将遗传算法与ＢＰ算法结合,能有效地避免ＢＰ算法陷入局部极小和遗传算法过早收敛,实验结果令人满意。     

基于遗传算法优化多出口疏散路径问题

提出了一种基于遗传算法来优化疏散路径问题的方法．首先将疏散路径图转换为等价的距离完全图,将目标点、源点和中间点分离,随机选取中间点构造最小生成树,最终用遗传算法得到最优路径．通过数值实验,验证了算法的有效性,并与传统方法进行了比较．     

基于改进演化算法的快速图像相关匹配

提出了一种基于演化算法的快速图像相关匹配的新方法,详细介绍了染色体编码的编码方法选取、适应度函数设计及演化算子设计,并对演化算子设计做出了部分改进．实验结果表明：与传统的遗传算法相比较,改进的演化算法能够更快而且有效地实现灰度图像的相关匹配．     

基于隐马尔可夫模型和遗传算法的地图匹配算法

综合采用隐马尔可夫模型(HMM)和遗传算法,提出了一种新的地图匹配算法.首先初始化HMM概率矩阵,然后使用前向后向算法进行参数学习,用Viterbi算法预测一组路段序列,最后将路段序列作为种群,通过遗传算法得到最优的路段序列.采用北京市2012年出租车GPS定位数据分别对传统的基于隐马尔可夫模型的算法和新算法进行测试,实验结果表明,传统的基于隐马尔可夫模型的算法的匹配精确度低于90%,新算法的匹配精确度高达90%以上.     

多层前向神经网络的自适应遗传算法训练

提出了一种改进的自适应遗传算法ＩＡＧＡ,它利用 特点,采用前向自适应技术,实现对神经网络的有交工具实验表明,该算法优于ＢＰ算法,标准遗传算法ＢＧＡ和普通自适应遗传算法ＡＧＡ,网络训练质量和效率都有很大提高。     

基于一种免疫遗传算法的BP网络设计

利用一种免疫遗传算法来辅助设计ＢＰ网络。此算法结合了遗传算法的随机全局搜索能力和生物免疫中抗体通过浓度的相互作用机制,实验结果证明了这种算法在设计神经网络时的有效性。     

基于动态规划与图像分割的立体匹配算法

针对传统图割立体匹配算法耗时太长以及动态规划立体匹配算法匹配精度不高,且视差图带有条纹瑕疵的问题,提出了一种基于动态规划和图像分割的立体匹配算法.采用自适应多阈值图像分割算法对参考图像进行高效可靠的区域分割,提取边界,使用多种子点动态规划算法精细求取边界上点的视差,并以区域为单元用图割立体匹配算法求取区域内各点的视差,拟合得到图像对的视差图.通过对比,实验结果表明：此算法较传统图割法匹配速度有明显提高,且可以得到匹配精度较高的稠密视差.     

融合绝对误差和与Census变换的双目立体图像匹配算法

针对传统立体匹配算法受光照和纹理结构等变化的影响,匹配成功率低或容易出现匹配失败的问题,提出一种融合SAD和Census变换的双目立体图像匹配算法。该算法基于图像预处理,首先集成SAD和Census算法的优势,以取代单一匹配代价计算方法;然后,使用一种十字交叉代价聚合策略来提升匹配效果;最后,为验证本文算法的有效性,选择不同的实验场景,对不同分辨率的图像进行立体匹配的综合对比实验,实验结果表明本文算法在匹配效率和匹配精度等方面具有显著优势,适用于复杂场景中高质量视差图的生成。     

融合Spearman相关性系数与多尺度框架的立体匹配算法

针对现有立体匹配算法对噪声敏感、匹配率低的问题,提出了一种基于Spearman相关性系数与多尺度框架融合的立体匹配算法。在代价计算阶段,创新性地在固定窗口内通过简化Spearman相关性系数得到两种代价计算模型。在代价聚合阶段,利用多尺度框架在图像金字塔上进行代价聚合,从而使得匹配算法在低纹理区域得到较高的匹配率。实验结果表明,提出的立体匹配算法有效降低了误匹配率:对Middletury2.0测试集中31对标准图像对的平均误匹配率仅为7.98%,Middletury3.0中的15对标准图像对的平均误匹配率为13.45%。实验结果表明,提出的融合Spearman相关性系数与多尺度框架的立体匹配能有效降低图像的误匹配率,并对噪声等具有较好的稳健性。     

一种异形自适应窗口局部立体匹配算法

如何通过立体匹配提高图像景深精度一直是机器视觉研究领域的一个难点, 针对自适应窗口算法易受光照不均和窗口形状难以有效描述待匹配图像边界等问题, 提出一种异形自适应窗口局部立体匹配算法. 由于传统 Census 变换易受中心像素波动影响, 因此提出一种像素信息三维化处理技术, 并通过窗口内非中心像素间差异和窗口间中心像素的差异信息计算匹配代价; 为更好地贴合图像轮廓, 提出了由双螺旋路径法确定的异形窗口进行代价聚合, 对像素区域同时沿两条搜索路径自适应确定形状大小, 形成比传统技术更加高效多变的匹配窗口. 实验结果表明, 相比 Middlebury 平台上其他算法, 所提算法具有更为准确的图像边界描述能力, 可有效提高立体匹配精度, 同时对于光照不均的情况具有更强的鲁棒性.     

机器人双目图像实时立体匹配算法

针对移动机器人平台上的双目视觉深度信息获取问题,研究了一种适用于动态图像序列的双目图像立体匹配算法.采用成熟的半全局立体匹配算法对图像快速立体匹配;分析了在复杂环境下的运动平台上完成立体匹配所面临的主要噪声干扰,包括白斑噪声和断层闪烁噪声;为此,分别提出了白斑滤波算法和视差图时间域滤波方法以抑制这两种噪声.试验结果表明,所提出的算法能够有效抑制动态双目图像在立体匹配时的噪声干扰,最终能够实时获得连续清晰的视差图序列.      

基于正态分布变换的多位姿手掌部三维静脉识别

研究基于三维点云匹配的多位姿手部静脉识别.考虑手部静脉点云的特点,结合双目视觉原理,建立了一种结合三维特征阵列和静脉点云的扩展数据库,提出了一种基于三维特征阵列的静脉点云粗配准算法.在双目静脉图像中提取稳定特征并重建为三维特征,根据三维特征匹配结果初步消除静脉点云位姿差异.并采用改进的正态分布变换算法完成静脉点云匹配.实验表明,本文算法能够有效提高多位姿下的静脉点云识别率,即使手部位姿变化范围较大时,系统的识别率仍超过90%.      

基于深度学习和约束稀疏表达的人脸识别算法

目前的人脸特征匹配算法大多关注于单图像与单图像的匹配而不能有效利用图像序列之间的相关信息,因而提出了一种基于深度学习与约束稀疏表达的人脸特征匹配算法.通过CNN网络对人脸图像进行特征提取,并利用改进的稀疏表达方法自动选取相似的图像序列进行特征匹配,有效地利用了图像序列之间的相关信息.实验结果表明,该算法在LFW和AR数据库上取得了很好的效果并优于传统的SRC,L1-norm和CRC-RLS算法.      

坐标网格立体视觉测量中的图像匹配技术

利用立体视觉技术，实现对板料成形分析中应用的大批量坐标网格的变形进行无接触自动测量与分析，以减少工作量并提高测量的速度和精度．主要针对圆形坐标网格变形的立体视觉测量中的图像匹配技术进行了研究．在对网格图像进行特征提取与编码的基础上，实现网格单元的子域匹配，并通过对摄像位置进行预约束，建立起左右对应像素点纵向图像坐标间的约束关系，从而实现左右图像特征点的快速准确匹配方法．该方法程序实现简单，匹配结果可靠，无二义性，可推广应用于其他具有相似结构特征的三维图像的立体匹配中．     

双目视觉立体匹配技术研究现状和展望

立体匹配技术是双目立体视觉研讨的核心问题,在许多领域有着不同的应用,在算法方面更是涌现出各种各样的方法。对立体匹配发展现状进行了阐述,首先介绍了立体匹配技术的有关原理,然后对立体匹配中的区域立体匹配算法、全局立体匹配算法以及半全局立体匹配算法进行了论述和探讨;并总结了各类立体匹配算法的特点。最后对立体匹配算法进行了展望,同时给出了发展方向的建议。     

基于尺度制约规则耦合距离约束的图像匹配算法

为了提高图像的匹配精度及其鲁棒性,本文提出了基于尺度制约规则耦合距离约束的图像匹配算法.首先,采用箱式滤波器对高斯函数二阶偏导进行逼近,对特征点进行检测;同时,利用特征点对应的空间尺度来建立尺度制约规则,剔除伪特征点.然后,以特征点为中心,形成圆形区域,计算其Haar小波响应,获取特征点的主方向以及特征向量,形成特征描述子.随后,利用特征点的尺度相似性以及角度相似性来建立空间相似法则,完成特征点的匹配.最后,利用特征点欧氏度量的结果,建立距离约束模型,对匹配特征点之间的距离进行约束,剔除错误的匹配特征点.实验结果显示,与当前图像匹配算法相比,本文算法匹配的图像具有更好的匹配准确度及匹配精度.     

基于图像梯度信息强化的SIFT特征匹配算法改进

针对传统特征匹配算法匹配率低的问题, 提出一种基于图像梯度信息强化的尺度不变特征转换（SIFT）特征匹配算法的改进算法. 首先通过适当的梯度算子求出梯度图; 然后以特定权值将梯度图与原图融合, 归一化后对融合图像进行高斯模糊; 最后利用传统算法进行特征提取. 实验结果表明, 改进算法的视角、 旋转不变性明显优于原算法, 对亮度变化较大或有噪声的图像匹配率也略有提升, 有效提高了SIFT特征匹配算法的准确性.