一种基于RANSAC的柱面图像配准算法

提出了一种基于RANSAC的柱面图像配准算法.首先采用NCC算法对检测出来的Harris角点进行粗匹配,然后采用两次改进的RANSAC算法删除误配,提高正确匹配角点的数量,最后对仿射变换模型参数进行Levenberg-Marquardt非线性优化以进一步降低图像的配准误差.实验结果表明:通过一次改进RANSAC去错配后角点有效匹配率达到约99.2%,通过二次改进RANSAC去错配后角点有效匹配率达到约99.6%,与现有算法相比,在同等条件下获得了更高的匹配有效率.     

基于移动摄影设备的大尺度粒子图像测速研究

大尺度粒子图像测速技术在复杂地形流域的原型观测实验中存在安装难等问题。本文提出了采用移动摄影设备进行原型观测实验数据采集的方法,通过对采集的视频进行去抖动处理,得到了无抖动的视频图像。读取无抖动视频的帧图像,进行LSPIV流场分析,印证了去抖动处理方法的可行性。该方法的成功应用,大大降低了复杂地形流域的原型观测实验的难度,具有良好的应用前景。     

基于RANSAC改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配.采用改进的RANSAC算法对所匹配点进行了误匹配点剔除.根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位.实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点.     

基于分区灰度投影稳像的运动目标检测算法

针对视频监控系统中,复杂环境引起摄像机抖动,造成运动目标检测不准确的问题,提出了一种基于分区灰度投影稳像的运动目标检测算法.首先对每帧图像进行分区,利用分区灰度投影算法对图像各分区的运动矢量进行准确提取和相关性分析,进行抖动判断,并对抖动帧进行运动补偿.然后利用高斯混合背景建模算法进行运动目标提取.最后对目标提取结果进行形态学处理,以进一步提高目标提取的精度.实验结果表明,本文算法较好地消除了场景中运动目标对运动矢量计算的干扰,实现了在摄像机抖动视频场景中的运动目标的准确检测和提取,大大降低了抖动视频目标检测的虚警率.     

基于改进Bayer抖动算法的图像色彩增强技术

针对静态的Bayer抖动算法会产生块状效应的缺陷,提出了随时间变换抖动矩阵的动态Bayer抖动算法.该改进算法主要根据人眼的视觉特性,对每帧视频图像套用轮换的Bayer抖动矩阵模板,通过多帧图像叠加,消除块状效应.用Verilog HDL对改进的抖动算法进行行为级描述,该图像抖动模块设计可支持1~4 bit抖动,通过仿真和综合,用FPGA进行了硬件实现.验证结果表明该动态抖动算法易于硬件实现,适用于动态图像的实时处理,并且在保持静态抖动算法优点的基础上,有效消除了块状效应.     

一种稳健的低照度岩心样本图像拼接算法的实现

以往的基于SIFT BBF RANSAC算法对岩心图像进行拼接的过程在白光岩心扫描工程应用中取得较好的效果, 但当面对低照度、特征不明显的岩心荧光图像、以及受消光性和干涉色影响的岩石薄片正交偏光图像时, 传统的BBF算法无法很好地粗剔除误匹配特征点对, RANSAC算法就无法实现图像的正确拼接.本文提出了一种改进算法, 首先根据实际应用中待匹配岩心荧光、岩石薄片正交偏光图像的特点对图像进行模糊增强, 然后对图像利用SIFT算法提取特征点, 最后基于改进的BBF RANSAC剔除误匹配算法, 实现了低照度、重合量很小的岩心荧光图像以及岩石薄片正交偏光图像拼接. 〖HTH〗关键词: 〖HTK〗岩心样本图像拼接; 图像增强; 剔除误匹配     

基于FAST关键点的增强现实跟踪注册算法

介绍了一种基于 FAST关键点的无标志点增强现实跟踪注册算法. 算法在标定关键帧图像的基础上,对获取的视频图像,使用FAST角点探测算法提取特征点并建立相应点的SURF描述. 经过RANSAC算法消除外点后,将这些点与关键帧图像中的FAST关键点进行匹配,获取摄像机的姿态,完成系统的自动跟踪注册. 实验结果表明,算法实时性好、鲁棒性强、跟踪定位精度高,有效推动了AR在智能终端的应用.      

基于随机采样一致改进算法的单目视觉里程计研究

运用SIFT算法对单目所采集的室外视频图像的相邻两帧进行了特征点的检测与匹配。采用改进的RANSAC算法对所匹配点进行了误匹配点剔除。根据相邻两帧图像特征点的跟踪以及里程计读数作为辅助信息,求解特征点的三维坐标;进而根据视觉里程计模型,达到机器人的定位。实验结果表明,该方法相比传统的里程计定位精度高,比之双目激光等定位方法,又有成本廉价的优点。     

图像拼接技术在太极动漫创作中的应用

以制作《太极拳》动漫为例将图像拼接技术应用到制作真实感3D模型贴图上,以简化模型贴图的制作.使用数码相机采集一组具有一定重叠区域的图像,进行投影后,采用Harris角点检测算法对该组图像进行特征点提取,然后使用快速RANSAC方法过滤特征点,最后对拼接图像采用多分辨率融合算法进行图像融合,使最终输出的图像达到令人满意的视觉效果.     

基于FAST-9角点与光流法的机载视频稳像算法

针对机载视频图像受载体姿态运动及抖动而出现的不稳定现象,提出FAST-9角点与光流法结合的电子稳像算法。首先对参考帧提取FAST-9角点,利用光流法在当前帧找到匹配特征点以求取帧间运动矢量。采用卡尔曼滤波计算出补偿分量,对各帧图像进行运动补偿。经过稳像前后的视频序列帧间差值对比可知,很好地去除了视频序列的抖动。     

基于RGB-D的室内场景实时三维重建算法

针对基于视觉的室内场景三维重建过程中存在三维点云匹配不准确、过程耗时和深度信息部分缺失的问题,提出一种带有深度约束和局部近邻约束的基于RGB-D的室内场景实时三维重建算法.该算法首先利用RGB-D相机采集到的RGB图像做哈里斯角点检测,再用SURF特征点描述方法对检测到的特征点生成64维特征描述子.接着利用特征点集合的深度信息和局部近邻特征点信息作为约束,初步筛选出相邻帧间正确的匹配点对,再结合随机抽样一致性(RANSAC)算法去除外点,以此得到相机的姿态估计.最后利用RGB-D的深度图像,在图优化方法(g2o)的基础上生成三维点云,实现室内场景的三维重建.实验中,RGB-D摄像头装载在自主移动导航的小车上,实时重构的三维场景验证了所提算法的可行性和准确性.     

基于特征的航空视频序列拼接方法

针对航空侦察视频序列,提出了一种基于特征点的视频序列拼接方法,论述了该方法的流程和模块。该方法矫正了航空视频序列中普遍存在的径向扭曲;改进了SIFT特征提取和匹配策略,缩短了算法的时间;提出了改进的RANSAC算法用于剔除匹配外点,提高了视频帧图像之间的变换精度;提出双频带融合技术消除边缘跳变和模糊叠影现象,改善了视频帧融合的视觉效果。实验结果表明,该方法能够有效地实现航空视频序列的近实时拼接,同时保持对噪声、光照和目标运动鲁棒。     

动态场景中自适应去除外点的全局运动估计方法

为在动态场景图像序列中准确地完成全局运动估计,提出一种自适应去除外点的全局运动估计方法。对尺度不变特征变换(Scale invariant feature transform,SIFT)算法提取出的特征点利用最近邻搜索算法中的BBF(Best Bin First)方法进行匹配。为提高全局运动估计的精度,提出改进的随机抽样一致(RANdom SAmple Consensus,RANSAC)算法。此算法能够自适应地去除外点,即利用特征点运动矢量的方差控制迭代次数来进行外点的去除,最终通过摄像机运动模型实现准确的运动参数估计和背景补偿。对标准图像序列Coastguard和实际拍摄的动态场景图像序列的实验表明,提出的方法能够快速地完成动态场景中的全局运动估计与补偿,具有较高的精度和适应性。     

一种改进的基于角点检测的并行化电子稳像算法

针对摄像设备拍摄视频抖动问题和实时处理要求,本文提出一种改进的基于角点检测的并行化电子稳像算法.该算法采用并行计算和软硬件协同计算的方法,对基于Harris角点检测及Hu几何不变矩的电子稳像算法进行了改进,算法通过网格划分和区域极限值的并行计算,减少了角点检测的计算量,采用并行化改进的RANSAC计算提升了剔除误匹配的处理效率,并基于图形处理器(Graphic Processing Unit,GPU)和FPGA完成了电子稳像算法的优化设计实现.实验结果表明,本文算法在保证良好稳像质量的同时,对720p视频进行单帧稳像的时间仅为25.48ms,能够完成帧率为30帧/s的分辨率为1 280×720的视频实时稳像.     

基于DSP的图像稳像技术研究

由于人眼的视觉限制,如果图像抖动频繁,就会对获取的信息有所影响,为减少由于装置或摄像头本身的随机性晃动而引起的显示器上所获得的视频图像的抖动,提高获取图像信息的获取量和正确性,展开了基于DSP的图像稳像技术研究,方案采用灰度投影实现稳像,计算量小、精度高.     

CUDA并行计算下基于扩展SURF的多摄像机视频融合方法

在多摄像机视频融合过程中,需要对多个摄像机获取的视频中的每一帧图像进行大量诸如特征提取、图像配准、图像融合等高复杂度的计算,占用大量的运算时间,这对视频融合的实时性要求是一个很大的挑战.基于CUDA(Compute Unified Device Architecture)并行计算框架,提出了一种快速、可靠的多摄像头视频融合方法,该方法首先利用基于局部环形扩展及颜色描述子的SURF(speeded up robust features)特征提取方法提取图像特征点;其次采用基于分块相似性度量的k-d树(k-维树)多图像自动特征匹配算法进行图像与特征点的匹配;然后使用RANSAC(Random Sample Consensus)算法计算变换矩阵;最后使用多频率融合算法进行多摄像机视频融合,得到流畅的大视场视频.整个多视频融合过程使用CUDA进行并行加速,并在多个不同场景与摄像机数量下的实验验证了本文算法的实时性与有效性.     

基于ORB和 GroupSAC复杂场景视频图像的快速角点检测

针对传统的角点检测在复杂场景视频图像中角点检测的准确率不高、实时性差的问题,提出了基于ORB特征提取和GroupSAC的快速角点检测算法。首先在O-FAST中加入图像金字塔对图像进行角点检测,保证了视频图像角点检测的尺度不变性,然后利用灰度质心对求得的主方向进行BRIEF特征提取,保证了视频角点检测的旋转不变性。最后利用基于混合二项式模型的GroupSAC算法去除误差点,提高了角点检测的准确率。实验证明,在复杂场景视频图像中,如在光照变化、尺度变化、旋转变化以及遮挡图像的情况下,该方法具有较高的准确性、较低的时间复杂度和较强的鲁棒性,实现了对复杂场景视频图像的快速角点检测。     

图像分块匹配下视频全景拼接方法

针对当前高分辨率视频序列图像拼接生成全景图像时效率低下,提出图像分块匹配下视频全景图像拼接方法.首先对待匹配视频帧图像对分别进行格网划分,对划分后各子图像之间建立对应关系;然后,对各子图像对采用SIFT算法分别进行关键点检测,并利用自适应非极大值抑制法对所检测的关键点进行过滤,保留少量强度值较大的关键点作为待匹配点;在匹配搜索过程中,将匹配搜索范围严格控制在各关联子图像之间,并在此基础上进行全景图像配准与拼接;最后,为避免手持摄像机在拍摄时引起的抖动和偏移,通过构建全局旋转矩阵修正波浪状全景图像,使输出的全景图像更符合对现实世界的表达.实验结果表明提出的全景图像拼接方法速度快,适用于普通视频设备环绕拍摄的视频序列生成全景影像.     

基于SIFT特征点检测的低复杂度图像配准算法

针对大尺寸图像在图像配准过程中运算量大的问题,提出一种基于SIFT(scale-invariant feature transform)特征点检测的图像配准算法,检测前通过对待配准原图的下采样预处理,降低运算的复杂度,减少构建图像金字塔过程中高斯核卷积的运算量.采用BBF(best bin first)算法实现k-d树中k近邻点搜索,快速得到对应特征点的初始匹配对,再运用RANSAC(random sample consensus)算法在对误匹配对进行迭代剔除,得出能拟合所有内点变换模型参数的最优解,通过坐标变换和插值实现图像配准,并以峰值信噪比为指标衡量配准后的图像与参考图像之间的相似程度.实验结果表明,与传统的直接配准相比,在保证较好的配准效果条件下,本文方法能大幅缩短运行时间.     

多线索非参数化融合的单目视频深度估计

为解决二维视频的三维转化问题,提出了一种基于非参数化学习和多线索融合的单目视频深度图提取方法.首先,利用单目图像的区域边界轮廓和几何透视结构线索,基于前景背景融合来估计单目视频中各帧的深度图像;然后,利用视频帧间空时相关性,借助非参数学习实现单目视频深度估计;最后,利用全局背景深度分段约束和去抖动来增强深度视频序列.实验结果表明,与其他现有方法相比,该方法能得到更为准确的单目视频深度图序列,无论在主观质量还是均方根误差(RMS)和结构相似性度量(SSIM)上,均能取得较好的效果.