一种基于种子生长的匹配算法

立体匹配是三维重建的重要组成部分,被广泛用于数字城市、虚拟现实等领域中.提出了一种基于种子生长的匹配点扩散算法.首先用SIFT算法提取图像间对应的特征点并将其做为种子点,对种子点在其领域范围进行区域传播匹配.接着将生长得到稠密匹配点经重采样转换为准稠密匹配点.最后再用对称对极点距离法去除误匹配得到整幅图像上均匀分布的精...     

基于相对坐标ICP的室内场景三维重建算法

针对不同视角下多帧点云数据的坐标中心不统一的问题,提出了一种基于相对坐标ICP(iterative closest point)的室内场景三维重建算法.该方法首先基于Kinect传感器获取场景的彩色图像和深度图像,并利用SIFT(scale-invariant feature transform)特征匹配点对计算相邻帧的坐标变换矩阵;然后由ICP算法建立以初始点云数据为中心的相对坐标关系进行帧间匹配;最终基于上下层配准点云数据,将配准后的点云数据与对应的颜色纹理信息融合,得到可视化的室内场景三维重建模型.实验结果表明,本文方法对于室内场景三维重建有较好的效果,具有一定的理论和实际应用价值.     

一种基于图像轮廓信息的新视点图像生成算法

对于摄像机任意运动采集的序列图像，提出了一种基于轮廓对应的新视点目标图像生成算法．在此算法中，首先检测并提取图像中的轮廓边缘，将边缘分解为直线段，根据直线段间的相对位置关系实现不同图像间直线段的匹配，从而实现整幅图像问匹配．采集的参考图像首先转化到与视点连线平行的平面（称做校正图像）．然后，通过对校正图像匹配点线性插值生成对应于新视点的校正图像；最后将该生成的校正图像变换至最终位置，从而实现新视点图像生成．实验证明，该算法可应用于任何种类的图像合成，所生成图像可以获得清晰的边缘，图像质量较高．     

一种归一化的单应矩阵直接线性估计方法

基于少量信息的几何变换（单应）估计是特征目标检测、注册、识别、三维重建等方面的关键步骤。在研究中发现,基于点与直线的直接的单应矩阵估计方法会导致出现较大误差的情况。针对这一情况介绍了一种基于点与直线对应的单应矩阵估计方法,在此基础之上根据观测数据分布情况,提出了怎样进行归一化处理,来提高算法的鲁棒性。     

基于核偏差估计航天目标退化图像快速反卷积

提出了一种基于核偏差估计的航天目标图像快速盲反卷积算法,基于自然图像的梯度具有长尾分布的特点,引入超拉普拉斯先验,针对模糊航天退化图像模糊核估计不精确的情况,在概率模型里添加一个关于点扩散函数的偏差估计用于补偿已知点扩散函数和真实的点扩散函数之间的误差,以增加算法的鲁棒性.该算法不仅减少了反卷积过程中时间复杂度高的问题,而且相较于其他快速算法更能保证图像恢复质量.该算法与目前图像去模糊方法相比具有较好的性能,并且与传统梯度先验模型在频域求解相比,能有效抑制阶梯效应衍生的截断条纹.     

一种基于层选择的弥散张量优化算法

为了从带伪影的弥散加权数据中重建更准确的张量,提出了一种基于层选择的张量优化算法.首先对弥散加权图像中常见的3种伪影(波状、层间运动和对比度伪影)进行定性分析,分别提取3种对应的特征(小波标记、相似度和相关性)来识别这些伪影,从而区分出正常图层和伪影图层.然后,利用正常图层数据进行张量重建.模拟实验结果验证了这3种特征对弥散加权图像中相关伪影判断的有效性,且对波状伪影和层间运动伪影的判断率均大于90%.真实数据实验结果表明,与类似算法相比,所提算法可以更好地改善部分各向异性伪彩图中的偏色现象,在白质结构分析中提供了更准确的方向信息.     

基于双目视觉的工件三维重建

为了提高样品识别的智能化水平,基于双目视觉技术,配合工业机器人,对具有特征轮廓属性的工件进行三维重建.三维重建算法采用轮廓边缘线拟合算法以实现工件边缘轮廓提取;针对多条轮廓线相交情况,采用点圆拟合理论确定特征点;为了实现左右对应特征点的准确匹配,采用异面直线公垂线最小距离算法,通过对比左右公垂线距离大小判断两条直线对应特征点是否为匹配点;当单次拍摄无法满足完整尺寸测量时,引入了具有重叠特征点的二次拍摄重建算法.对5组不同尺寸、不同形貌的工件开展三维重建实验,整体还原出工件的三维尺寸形貌,各工件的主要轮廓尺寸的误差标准差基本在±0.5mm以内.     

基于Harris度量的轮廓尖锐度CDA优化算法

为了进一步提高工业现场中工件自动测量的精度,在详细分析了目前工业检测过程中角点提取准确度低、检测时间长等问题产生原因的基础上,提出了一种基于Harris度量的轮廓尖锐度工件图像角点检测优化算法。首先利用Freeman链码法提取工件图像的轮廓,通过计算轮廓尖锐度获取轮廓上的候选角点,然后针对两种不同类型的伪角点,分别采用Harris度量窗口和支撑区域自适应算法进行优化,最终得到工件图像的真实角点。将算法应用到了实际工件的尺寸测量中。相对于传统的角点检测算法,所提出的基于Harris度量的轮廓尖锐度CDA优化算法具有较好的准确性。     

改进的SIFT特征人脸识别方法ADSIFT

针对光照、表情、噪声等因素容易造成误识别的问题,提出一种改进的SIFT特征人脸识别方法.对每个训练图像,先提取得到SIFT特征向量集合,利用每个SIFT特征向量,并选择阈值构造一个弱分类器.利用一种基于Adaboost的算法从每个训练图像的弱分类器集合中选出一部分,确定其对应的阈值和权重,然后构造出该训练图像的相似度函数.根据相似度函数可计算出目标图像与每个训练图像的相似度,从而求出目标图像与每个类的训练图像的平均相似度,则目标图像属于平均相似度最高的类.实验表明在ORL人脸数据库上则可达到98%识别率,优于现有的方法.     

基于核可能性c-均值算法的支持向量机

提出一种基于核可能性c-均值算法的支持向量机分类算法,该算法改进了SVM训练过程中噪声和孤立点的敏感问题.其基本思想是:用核可能性c-均值算法对每个模式类训练样本进行聚类,得到不同的可能性度量值,根据得到的可能性度量值对训练样本进行修剪,删除具有较低可能性度量值的训练样本,最后用生成的新训练样本训练支持向量机.实验结果表明,该算法可以有效地解决由噪声和孤立点引发的分类错误问题以及重要样本的错分问题.