事故车辆图像特征点的自动匹配

实现交通事故现场勘查中物体的立体视觉量测,需要对勘查获取的立体图像进行匹配。但由于一般自动匹配记录信息和事故研究所需信息的差异,使得自动匹配成果难以直接应用到交通事故勘查的立体匹配中。针对该问题,研究提出了一种事故车辆图像特征点的自动匹配方法,应用SIFT理论和BP神经网络理论,构造了事故车辆图像特征点的自动匹配模型,并进行了实验验证。研究结果表明,该匹配方法可以实现立体像对中任一选定目标的自动匹配,匹配的结果能够做为精匹配的提示。该项研究大幅度提高立体匹配选点的效率,加快交通事故立体视觉系统量测的速度,还可以作为一种技术手段给车牌被遮挡的违章车辆的确认提供借鉴。     

基于功能磁共振成像的立体图像分辨

视觉是人与外界互动获取信息的主要手段,而双目视差信息是人脑估计外界环境深度结构的重要视觉线索之一.因此,研究人脑处理双目视差的神经机制对了解人类的视觉系统意义重大.功能磁共振成像(f MRI)技术为双目视差研究提供了有效手段.目前在f MRI研究中,虽然已经有很多研究利用f MRI技术深入探究了人脑处理双目视差信息的神经机制,但是利用该技术采集的人脑信号如何分辨包含双目视差信息的立体图像依然有待研究.针对这一问题,设计了一种基于f MRI的实验,该实验选用随机点图生成人造立体视图像作为实验刺激;相较于自然立体图像,该种立体图像可以更加方便地提取出立体图像中包含的图像特征.结合实验特性提出了一种基于lasso回归算法的体素编码模型,该模型利用了视觉感受野的稀疏特性,可以较好地借助立体图像中的二维特征并对fMRI数据进行编码分析和解码分析.其编码分析结果表明利用体素编码模型可以较好预测人脑接收立体图像的脑信号的体素广泛分布在人脑的各个视觉区中,并且大部分体素分布在初级视区V1、V2d和V3d中.解码分析结果表明,初级视觉区V1可以利用立体图像中的二维特征实现立体图像的识别,并且背侧视觉区V3d、V7和h MT+/V5可以与V1协同工作进行立体图像的识别.     

一种立体视觉图像的特征选择与匹配方法

从立体图像对中获取精确的三维信息需要进行相机建模、标定和图像点的匹配。提出了特征点的选取，利用金字塔图像结构进行立体匹配，以及对匹配点进行整体性检验的准则。实验表明，该算法匹配速度快，错误概率小，匹配点在整个景物中分布均匀。     

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。     

基于双目立体视觉的标定技术及应用

为提升双目立体视觉装置的准确度和精度,提出基于双目立体视觉的标定技术。针对双目立体视觉中两 个相机的特点,采用圆形标志阵列标定板为图像源,通过对图像预处理,以径向误差做约束条件,根据圆的几 何关系和最小二乘法综合提取特征点的算法获取图像标识点坐标并求取单应性矩阵,最后推导得到理想的外 参和内参,从而获得双目立体视觉装置准确的参数。实验结果为该装置对待测数据的获取提供了精确的数据 基础和可靠的矫正条件,进而提升了双目立体视觉装置的准确度和精度。     

一种立体视觉图像的特征选择与匹配方法

从立体图像对中获取精确的三维信息需要进行相机建模、标定和图像点的匹配［１，２］．提出了特征点的选取；利用金字塔图像结构进行立体匹配，以及对匹配点进行整体性检验的准则。实验表明，该算法匹配速度快，错误概率小，匹配点在整个景物中分布均匀。     

流形学习在图像检索中的应用研究

图像检索技术是一项融合图像处理、数据库、计算机视觉及图像理解等多个领域技术为一体的近似匹配技术。图像检索技术主要体现在图像特征提取与匹配两个方面,从图像特征提取层面看,现阶段国内多数检索法均是围绕图像底层特征（图像形状、图像颜色等）进行检索,其中所提取的图像特征数据大都为高维向量。     

基于立体图像显著区域的舒适亮度定量研究

研究立体图像观看舒适度的影响因素已成为立体显示领域的关键技术之一.本文首次结合视觉注意机制定量研究了亮度因素对立体图像观看舒适度的影响.首先,采用视差图和平面图像显著图相结合的方法获得显著立体图像;然后采用改进的逐级逼近法进行主观实验,得到显著立体图像的舒适亮度匹配图和差异图.本文所得亮度范围能够更好地反映立体图像的舒适度,为立体图像舒适度评价及立体显示技术的改进提供了新的依据.此外,论文采用眼动仪验证了所得立体图像显著区域的正确性.     

一种有效的全景图像自动拼接算法

图像拼接是基于图像绘制技术中的一种常用方法。该文用特征提取算子得到2幅图像的特征点,根据特征点邻域灰度的归一化相关性得到初始的匹配点集,利用特征点与其周边特征点之间的关系来获得更加精确匹配;利用随机采样一致性方法对匹配点集进行优化,以具有最多内点数的模型作为投影矩阵的系数。     

基于冗余离散小波变换的立体图像视差估计

为提高立体图像视差估计的准确度及效率,从图像特征点入手,结合DT（delaunay triangle）网格技术,提出基于冗余离散小波变换的立体图像视差估计法．对参考图像进行冗余离散小波变换后,根据其平移不变性和各级子带大小相同的特点,通过各级高频子带相乘、叠加,再取相应闽值,得到参考图像特征点,并形成DT网格;以特征点为中心在目标图像中进行视差估计,得到各特征点的视差矢量,再结合仿射变换得到三角形内部各点的视差矢量,从而形成浓密的视差图．实验结果表明,根据视差图重建的目标图像PSNR值要高于传统的SAD块匹配法和Canny特征点法5～10db;对于CIF格式的立体图像,算法在Matlab7．0下时间消耗为15s．该算法在视差估计准确度和运算速度上具有较好性能,可应用于立体图像处理领域     

影响立体图像舒适度的饱和度范围测定

针对立体成像领域的视觉舒适度问题,结合人眼视觉系统的特性定量研究了饱和度因素对观看双目立体图像舒适度的影响．采用三级步长逼近法,通过大量主观实验定义了双目立体图像舒适饱和度匹配图和舒适饱和度差异图,得到了立体图像饱和度匹配范围,并进一步验证了两图的普适性,根据两图判定立体图像是否舒适的准确率达到92％．实验结果能够为立体图像舒适度的主客观评价提供依据．     

奇异值控制的图像特征点匹配方法

图像特征点匹配是计算机视觉中需要解决的基本问题之一,准确地呈现匹配图像与待匹配图像特征点之间的一一对应是特征点匹配的最终目标。文中通过对特征点三角网格化,允许这些特征点适当偏离原先位置,同时通过线性分片映射Jocabian矩阵的奇异值来控制三角网格的变形,在这种约束下优化能量。实验结果表明,文中方法能够进一步提高匹配准确度。     

昆虫飞行特性的视觉测量方法

该文提出了一种应用立体视觉技术测量昆虫飞行特性的方法。针对昆虫飞行的图像,尤其是对翅脉,进行预处理、分割和特征提取。指出采用区域匹配和特征匹配相结合的匹配方法,对图像进行立体匹配。最后提出对二维图像进行三维重构,计算昆虫空间坐标。通过这些步骤,可以获得描述昆虫飞行特性的信息。该文对方案进行了初步的仿真验证。使用立体视觉这种非接触性测量手段,可以不需要翅膀截面只有一次变形的假设,测量得到昆虫自由飞行时的飞行特性。     

基于图像视觉伺服的移动机器人自主导航实现

提出了一种基于移动机器人双目摄像头的图像视觉伺服方法,实现了基于图像视觉伺服的移动机器人自主导航.当匹配图像特征点时,采取KLT算法和基于Harris算子角点检测与匹配算法相结合的方法,大幅优化了整个工程的运行时间,并结合RANSAC算法剔除误匹配的特征点对,使机器人能够精确地定位.实验结果证明该方法有效、正确.     

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．     

基于图像的焊件深度信息提取

阐述了一种简化的基于竞争匹配机制的双目立体图像匹配算法.通过对摄像机安装位置进行配置,使得双目视觉传感器的模型大为简化.使用竞争匹配机制对图像中的对应点进行匹配.然后把各个点在图像上的坐标系代入简化后的传感器模型,计算出三维焊缝的空间坐标.最后在VC 平台上对所介绍的方法编程实现,并通过双目测距实验证明该算法的实时性和可靠性.     

基于融合图像的无参考立体图像质量评价

长时间观看立体图像会导致视觉疲劳、恶心、头痛等不适感,如何结合人类的视觉特性对立体图像质量进行评价是近年来立体成像领域的研究热点.为此,本文提出了一种基于融合图像的无参考立体图像质量评价方法.为了更好地模拟人脑处理立体图像的过程,提出了一种先将左、右视图融合然后进行处理的融合图像算法.首先针对左、右视图分别在RGB 3个通道上进行Gabor滤波以模拟人眼的视觉多通道特性,获取其不同尺度和方向的结构特征,随后通过对比敏感度函数滤除图像的不重要频率信息,然后通过增益控制原理进行加权获得融合图像.相比之前无参考立体图像质量评价方法局限于提取手工裁剪的特征,本文采用直接将原始图像进行切块后,送入网络进行训练,让卷积神经网络自动地提取图像的特征,并且采用重叠切块的方法,相比于非重叠切块,重叠切块可以更好地保留相邻像素之间的关系,并且增加了训练的数据集.然而,与拥有几百万张图像组成的Imagenet数据库相比,立体图像数据库仅有几百张,而且构成图像的基向量是普适的,所以本文对在Imagenet数据库上训练好的Alexnet网络进行迁移学习,建立输入图像和输出质量值之间端到端的映射.迁移学习网络模型较传统卷积神经网络收敛快,而且具有更好的初始权重.最后,鉴于人眼在观看图像时总是倾向于从图像的中心开始寻找视觉注视点,然后其注意力由中央向四周递减,本文利用显著特性对图像小块的输出进行加权以更好地模拟人眼的视觉显著特性.在公开的LIVE3Dphase-Ⅰ、LIVE3Dphase-Ⅱ数据库上进行测试,结果表明本文所提方法在对称和非对称立体图像数据库上较其他方法均取得了较好的结果,能够与人类的主观感知保持良好的一致性.     

基于双目立体视觉技术的驼峰自动摘钩设备研究

在驼峰解体作业中,国内外均采用人工摘钩的作业方式,本文主要针对驼峰自动摘钩设备,提出了用计算机视觉技术解决目标车钩捕捉的问题。根据双目视觉原理,选取两个摄像机从不同角度拍摄的图像,通过对图像的预处理得到能表现图像特征的角点,然后对两幅图像中的特征点进行特征匹配,根据视差原理,得出目标物体的深度信息,完成物体三维立体坐标的计算,设备能以此信息为依据完成自动摘钩作业。     

双目立体视觉系统设计

双目立体视觉是一种对目标点进行准确快速定位行之有效的方法,通过对双目立体视觉系统标定、立体匹配等关键技术的研究,设计开发了一种可以广泛应用的双目立体视觉系统。该系统采用了两种匹配算法,分别采用传统上基于极线约束的特征点灰度相关匹配算法和基于SIFT(Scale Invariant FeatureTransform)特征描述子的改进匹配算法实现。在实现双目立体视觉系统的目标点定位基础上,进行了两种匹配算法的性能比较和分析。实验表明该双目视觉系统设计具有良好的实用价值。     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称ShiTomasi-SURFORB算法,仿真实验通过统计角点特征数、角点特征匹配数、角点特征正确匹配数、角点特征匹配精度、角点特征匹配精度率、图像匹配时间和图像匹配时间率共7个指标进行分析;分析结果表明:ShiTomasi-SURFORB算法与传统ORB算法相比,在图像角点特征匹配时间方面提升了9.46%,但在图像角点特征匹配精度方面提升了8.88%,为图像角点特征匹配提供了一种更加均衡的解决方案。