关于地图图像的半自动拼接技术研究

研究了将由扫描仪分块扫描输入的地图图像接接成整幅地图的问题，给出了半自动接接地图图像的方法和步骤，这些方法经在ＩＢＭ４８６微机上实践表明，接接后的地图分割存储便地进行图像信息管理，并且可实现全图平移。     

关于地图图像的半自动拼接技术研究＊

研究了将由扫描仪分块扫描输入的地图图像拼接成整幅地图的问题，给出了半自动拼接地图图像的方法和步骤，这些方法经在ＩＢＭ４８６微机上实践表明，拼接后的地图分割存储便于进行图像信息管理，并且可实现全图平移     

动态环境下基于GNG网络的拓扑地图创建

动态障碍物的存在导致产生不一致的环境地图,为此设计了一种新的拓扑地图创建方法。该方法首先通过概率方法过滤运动障碍物的干扰信息,获得环境可行区域信息,再将可行区域信息作为GNG算法的输入空间,通过学习与不断增加新的拓扑节点,创建一致的环境拓扑地图。该方法具有自学习、自适应等特点。通过仿真与物理实验验证了其可行性与有效性。     

浅析基于特征的图像拼接法

图像拼接技术是将一组相互间有重叠部分的图像序列进行空间匹配对准,形成一幅包含各图像序列的、宽视角场景的、完整的、高清晰的新图像的技术。本文给出了一种基于特征匹配的图像拼接方法。该方法首先采用特征提取方法获得图像特征点,并通过双向相互匹配的方法提高特征点的匹配精确度,最后通过图像融合完成图像的无缝拼接。     

基于Kinect传感器的移动机器人室内环境三维地图创建

针对移动服务机器人在未知室内环境下的三维感知问题,提出了一种基于低成本Kinect传感器的三维地图创建实用方法.对于机器人在运动过程中连续采集的多帧RGB-D信息,首先利用SURF算子对RGB图像提取稳定特征点并进行特征点匹配,然后结合深度图像,采用RANSAC算法剔除可能存在的误匹配点并完成初始配准,从而估计得到图像帧间粗略的相对转移关系,最后运用广义ICP算法对采集的深度图像进行精确配准,得到拼接的三维点云图.在此基础上进一步开发了移动机器人三维地图创建应用系统,实验验证了该方法的可行性和有效性.     

基于序列图像的全景图像拼接

基于图像建模和绘制的虚拟环境构造是近年来虚拟现实技术研究的热点。其中基于序列图像的全景图像拼接技术研究是虚拟环境临场感的一个关键因素,文章以普通照相机拍摄的序列图像为基础,通过相邻两幅序列图像差值图像极值点的搜寻,可以快速提取两幅序列图像之间的重叠部分,并采用线性加权法使得缝合后的图像自然、逼真。最后给出了本算法在PC机拼接的效果图。     

特征稀少图像的拼接方法

提出了基于目标区域几何形状分布统计特征的拼接方法,有效地解决了特征稀少图像的拼接问题．论述了区域几何形状分布特征增强的差分动态二值化方法,阐述了特征稀少图像的拼接原理和计算步骤．实践应用表明,该拼接方法可成功用于特征稀少的混泥土表面图像的拼接,其精度与速度都是令人满意的,正确拼接的成功率可达98％,拼接精度可达0～2个像素．     

基于特征点检测的重叠图像拼接算法

为提高铁道车辆工程应用中自动监测与故障诊断的准确性,对5种常用的特征点检测方法进行了对比研究,采用 SIFT (Scale Invariant Feature Transform)特征点检测实现重叠图像的拼接算法。在较宽松的条件下准确地匹配两幅图像。实验证明,该算法能有效地拼接普通相机拍摄的照片,消除图像扭曲、交叠和旋转对图像拼接的影响,并获得高分辨率的场景照片。     

基于特征点匹配的图像拼接算法

针对海洋图像的特点,对海上溢油航空遥感监测中的图像拼接方法进行研究.采用特征点匹配的方法,在待匹配的图像上人工选取三个特征点以对两幅有重叠区域的图像进行拼接,并构造一个图像拼接系统.数据处理结果表明,该方法能够得到较理想的拼接效果.     

基于OpenCV的图像碎片拼接

针对二维不规则图像碎片,提出了一种基于OpenCV和图像角点的图像碎片拼接算法.该算法实现了碎片轮廓检测、角点提取、角点序列匹配、图像拼接及缺失修复的功能.通过实例测试,可以得到很好的拼接效果.     

基于形状特征的图像配准

针对图像配准,提出了一种高效的配准方法,结合小波变换与传统的配准方法,检测形状的轮廓,利用小波分解后的系数分层提取图像形状信息,并进行由粗到细的逐次配准,然后利用最小距离函数对两轮廓进行判别,减少了计算量,得到了高精确的配准结果,有效地提高了配准效率。     

基于颜色空间特征的图像检索

针对基于内容的图像检索技术大多采用颜色特征的情况,提出一种通过提取颜色特征、灰度特征,获取图像物体的形状和空间特征,综合检索图像的方法.实验结果表明,这种方法具有一定的鲁棒性,检索结果不受图像大小、旋转和轻微的光照变化的影响,相对于传统的颜色直方图法,这种方法能明显改善检索效果.     

基于RBF神经网络的图像特征处理

径向基函数网络(RBFN)是当前人工神经网络技术研究的热点之一,并以其优良的性能广泛应用于各个领域。针对BP神经网络容易陷入局部最优的缺陷,文章提出用RBF神经网络进行图像特征提取,并给出了RBF神经网络构建过程及选Gauss函数为径向基函数的优势,最后设计并完成实验。模拟实验结果表明了训练好的RBF网络对边缘特征提取的有效性,也证实了选择良好的高斯函数宽度,可以得到较优的网络。     

一种基于特征融合的图像检索方法

特征提取是图像检索的重要步骤,特征提取的好坏对检索结果至关重要．本文融合颜色和纹理特征来表示图像,并分析了单一特征的适用图像类．实验表明,融合特征方法可以得到更好的检索效果．     

基于ELM特征映射的kNN算法

研究了基于ELM特征映射的kNN算法,利用ELM特征映射,将原始数据映射到这种高维特征空间当中,使得数据间变得更加线性可分,即数据结构会变得简单,因此,在利用kNN算法进行分类时,利用ELM特征空间中对应的特征数据代替原始空间中的数据进行分类将会取得更好的分类效果.最后,来自MNIST和UCI中的几个数据集的仿真实验进一步验证了该算法的优良性能.     

基于音节首字母匹配的音译单元对齐方法

音译涉及的两种语言采用不同的字母表和发音系统时(英语和汉语,英语和日语,英语和阿拉伯语等),机器音译就更复杂且更具有挑战性.音译单元对齐结果的好坏严重影响机器音译的准确率,为此研究了英汉机器音译中音译单元的对齐,提出了基于音节首字母匹配的音译单元对齐方法,该方法在音译单元的对齐中有较好的表现.     

基于高斯公式的图像特征匹配算法研究

在基于内容的图像检索系统中,图像特征匹配是一个影响检索效率的重要算法.对提取的特征信息进行分析,并通过高斯公式对特征向量进行归一化处理,分析不同特征间的权值和相似性度量手段,将两种不同方式的检索手段有效地结合在一起,实现图像的有效检索.仿真结果表明,与传统的单一匹配算法相比,图像检索匹配度能得到较大的提高.     

基于方差分析特征检测的多聚焦图像融合方法

由于光学CCD传感器深度特性的限制,不可能得到一幅场景的全聚焦图像.为了克服这一缺陷,很多学者在这方面作出了研究,到目前为止,一种较好的方法是将多幅多聚焦图像通过某种融合策略汇总成为一幅图像,该幅图像充分表现场景各个位置的全聚焦信息.提出一种基于方差分析方法的多聚焦图像融合算法,对每一幅聚焦图像,求取每一个像素点的方差分析对比度函数.融合过程是根据这一对比度系数确定融合策略,得出融合结果图像.实验结果表明,该算法显示了融合性能的有效性.     

基于相位的图像特征检测算法

比较了灰度和相位的两种不同的图像边缘提取方法及其提取结果。相位的边缘检测方法是以Hilbert变换为出发点建立的相位一致性模型，并且它有一种计算量比较小的近似算法——局部能量模型。最后通过log Gabor函数构造的小渡，对图像边缘进行提取并比较了结果，说明了相位边缘的通用性；通过对马赫带现象的检测，说明相位一致性模型更符合人类视觉系统的特性。     

基于颜色和形状的图像检索

提出一种基于颜色和形状特征的图像检索方法,该法采用改进的颜色直方图表示图像的颜色特征,利用小波矩提取图像的形状特征和颜色特片,与候选图像的特征进行相似度计算.为进一步提高图像检索的质量,提出一种基于支持向量机的相关反馈方法.实验结果表明,该方法具有较好的检索性能.