基于控制点鲁棒提取的视觉成像畸变校正方法

基于控制点的摄像机视觉成像畸变校正过程中,控制点自动提取困难且误差较大,因此难以实现动态图像的在线准确校正.针对目前控制点提取校正方法的局限性,提出了基于鲁棒性好的控制点匹配提取校正方法.该方法在实现控制点的自动、精确、鲁棒提取的基础上,建立畸变图像与原始图像的最优次数多项式映射模型,并结合双线性插值运算对图像进行校正.该校正算法应用结果表明:该方法在图像识别系统中实现了快速、精确的图像畸变校正,校正误差为0.037像素.     

基于粒子群的彩色印刷品图像分层搜索定位算法

针对彩色印刷品表面质量在线检测过程中存在目标图像定位精度低、定位速度慢而导致检测误判率高、检测效率低等问题,提出了一种基于粒子群的彩色图像分层搜索定位新算法.首先采用图像金字塔结构在空间域中对彩色图像进行分层,分析尺度因子和层数的选择对提取目标图像关键特征的影响;其次,基于边缘特征建立各层的匹配模型,最后引入粒子群算法(PSO)求解每层的最优匹配参数,实现待匹配对象的快速定位.实验结果分析表明,该方法对宽幅面彩色印刷品像素大小为1024×454的目标图像平均校正偏差不超过0.1°,即水平方向上的定位误差可达0.017个像素;对角度偏移小于6°的图像,分3层搜索校正的最长时间仅为12.6 ms,以上实验结果显示出该定位方法具有较高的精度和较强的实时性.     

基于全局和局部特征的图像拼接方法

针对传统序列图像拼接算法中的误差累积问题,提出一种基于全局和局部特征的图像拼接方法. 同时拍摄大视场角、低分辨率全局图像和小视场角、高分辨率局部图像,利用深度学习替代传统算法提取两者匹配点,进而根据两者面积比等比例扩大全局图像的匹配点坐标,将局部图像无缩放地投影至全局图像所在平面,最后融合投影后局部图像的重叠区域,拼接形成一幅大视场角、高分辨率全景图像. 实验结果表明,该方法中深度学习快速且精准地实现了特征匹配,同时局部图像间相互独立,有效地解决了拼接顺序限制和拼接误差累积.      

DIBR中一种基于视图判定的褶皱消除方法

为消除基于深度图像绘制(DIBR)技术生成目标图像时可能出现的“褶皱”现象,提出了一种通过视图判定来确定参考图像像素点扫描顺序的方法.首先设定极点的z坐标为一个无穷小量,然后由该极点的齐次坐标得出绘制左、右视图时参考图像像素点的扫描顺序.该方法只需判断目标图像是左视图还是右视图,便可确定参考图像像素点的扫描顺序.试验表明,该方法能消除褶皱现象,且复杂度比Z-buffer 算法小,适用于虚拟视点水平移动时的虚拟视图绘制.     

基于特征点校正的几何鲁棒性水印算法

提出了一种基于SIFT特征点几何校正的抗几何攻击水印算法.该算法首先利用SIFT从原始图像中提取特征点集,并将其作为密钥保存;水印在检测前,再用SIFT从含水印图像中提取特征点集,根据特征点匹配算法(欧式距离)实现两个特征点集的匹配;然后利用匹配点对的几何特性校正几何攻击,恢复含水印图像的同步性.一个可标志的二值图像水印通过量化的方式自适应地嵌入到Coutourlet变换域的低频子带中;水印提取时不用原始图像,水印存在与否不仅可以通过阈值检测,也可以通过视觉直接判定.实验结果可验证,算法对常见的图像处理攻击、几何攻击和多种组合攻击均具有较强的抵抗能力.     

一种预处理后分类填补空洞的方法

深度图像绘制(depth-image-based rendering,DIBR)技术是目前解决3D显示中片源短缺问题普遍采用的方法,但采用DIBR技术绘制的目标图像上不可避免地会产生空洞点。为了获取更高质量的目标图像,文章提出一种预处理后分类填补的空洞点解决方案。该方案在预处理阶段,先对滤波后的深度图进行前景向后景的梯度过渡,经过DIBR变换之后得到的目标图像上空洞点会减少且更为分散;在空洞填补阶段,先对目标图像上的空洞点进行标记,对非边界的大小空洞点自动匹配不同的插值模板进行插值填补,对边界位置的大空洞点则用参考图像上相应位置像素点进行填补。实验结果表明,该方案能够较好地填补梯度过渡后目标图像上的空洞点,填补结果准确且算法简单,填补耗时短。     

基于柱面反投影算法的三维物体表面纹理重建

从图像中提取纹理用作纹理映射是三维重建的常用方法之一,然而通过相机获取的照片纹理经常存在失真变形,不能直接用于纹理映射,故需要研究失真纹理的校正.针对圆柱面物体提出一种柱面反投影算法,将物体在圆柱面上的影像纹理投影到二维视平面上显示,并用线性插值算法对缺损的像素值进行插值校正,然后利用SIFT(Scale Invariant Feature Transform)尺度不变特征点匹配算法对校正后的纹理图像进行特征点提取与匹配,最后采用加权平滑算法实现图像的拼接,从而得到宽视角的纹理图像.实验表明,利用上述方法能够有效地生成三维重建所需的纹理.     

连续性健美操动作图像视觉误差校正方法分析

为了解决传统方法校正后图像容易出现模糊或锯齿效应,视觉误差校正效果不好的问题,研究了一种新的连续性健美操动作图像视觉误差校正方法。通过JAI相机(丹麦)逐行扫描电荷耦合器件(CCD)相机转换成视频信号,得到的信号通过图像采集卡采集,转化成PC机可处理的数字信号,通过全息投影获取连续性健美操动作图像。按照视觉误差完成对图像像素集视差函数的配准,通过向量量化技术实现对图像的亚像素级模板匹配,对经处理的连续性健美操动作图像进行分形编码处理,为视觉误差校正提供依据。对连续性健美操动作图像进行编码和解码处理,求出和原始图像间的误差,获取误差图像,对其进行插值处理,获取误差补偿结果,实现连续性健美操动作图像视觉误差校正。结果表明:经所提方法处理后的图像无显著的视觉误差,峰值信噪比和结构相似性很高。可见所提方法主观和客观评价结果好。     

一种新的基于互信息的图像配准方法

针对目前基于互信息图像配准方法中存在的不足,提出结合图像二维信息(如轮廓和边缘)与互信息的图像配准算法.它首先利用小波多尺度积提取两幅图像的特征点及其角度信息,再根据得到的特征点和角度信息,定义了特征点对互信息匹配准则,得到相应的匹配点对.最后进行了仿真实验,并将结果与由相关度、对齐度准则得到的结果进行比较,所提出的算法匹配误差最小.结果表明该算法具有匹配精确、鲁棒性好和效率高等优点.     

基于角点检测的快速匹配算法

针对复杂图像的快速匹配,提出基于Shi -Tomasi角点检测的特征匹配算法.依据图像的角点特征、图像灰度和位置信息,采用最大互相关函数进行相似度计算和粗匹配,用随机样本一致性算法对匹配点对进行校正并消除错误匹配.将该算法应用于实景照片拼接,实验结果表明,对存在较大色差和形变的图像,其匹配精度为97％左右,匹配精度和速度均优于传统匹配算法.     

基于感知哈希与尺度不变特征变换的快速拼接算法

鉴于尺度不变特征变换(SIFT)结构复杂域,k-d树匹配算法对于高维特征计算量过大,对SIFT特征信息利用少并且匹配的结果有大量误差,因此提出一种基于感知哈希与尺度不变特征变换的快速拼接算法.首先,使用感知哈希算法,提取匹配图像与待匹配图像的HASH指纹,快速识别出两幅图像的相似部分;然后,计算并提取出相似区域SIFT特征点.在特征点匹配算法上,替换传统的k-d树算法,利用SIFT特征点的主方向以及坐标位置信息过滤掉不必要的特征点匹配,减少匹配耗时;最后,用加权最佳拼接缝图像融合算法消除突变,完成拼接.实验结果显示,本文算法提取的特征点数比传统算法更少,在匹配算法上减少计算量,同时还粗过滤了一部分误匹配,提高了匹配准确度,算法的耗时较传统方法有明显提升.     

基于深度强化学习的移动机器人视觉图像分级匹配算法

针对传统移动机器人视觉图像分级匹配算法只能完成粗匹配,导致最终匹配精度较低、匹配时间较长等问题,提出一种基于深度强化学习的移动机器人视觉图像分级匹配算法.首先,利用深度强化学习网络结构中的策略网络和价值网络,共同指导浮动图像按正确方向移至参考图像;其次,在粗匹配过程中通过设计奖赏函数,实现颜色特征粗匹配;最后,在粗匹配基础上,利用改进尺度不变特征变换算法提取待匹配的图像局部特征,按相似度进行移动机器人视觉图像分级匹配.实验结果表明,该算法可有效实现图像的粗匹配与精匹配,在不同视角与尺度情况下特征检测的稳定性均较高,匹配精度高、时间短,匹配后的图像质量较好,提高了移动机器人的实际应用效果.     

基于自适应权重极限距离变换的立体匹配

为解决传统极限距离立体匹配算法在深度不连续区域,以及光照差异增大时出现匹配误差大幅升高等问题,提出基于自适应权重极限距离变换的立体匹配算法。在Delta-Gama对数空间下,该算法首先根据初始匹配结果计算立体图像对Gama校正系数,基于光照差异修正极线距离变换相似度函数带宽,其次基于权重相似度自适应选取极线端点,确定分割系数;最后利用置信度传播算法计算视差图。实验结果表明,本文算法能够有效提高深度变换区域的匹配准确度,同时有效降低光照差异图像的误匹配效率。相对于当前先进算法,本文算法的匹配率比当前先进算法提高至少40%。     

视差图误差检测与校正的通用快速算法

为了获取精确的立体匹配结果 ,提出了一种通用的视差图误差检测与校正算法。算法首先定义一个新的全局顺序匹配约束 ;然后将其用于视差图后处理过程 (而不是视差计算过程 )中 ,以检测出视差图中的匹配交叉区域 ;最后提出一种零交叉校正方法 ,校正其中的误匹配点。通过对一组真实立体图像序列及其视差图的实验 ,进一步证明了该算法的有效性。该算法可以作为视差图后处理过程附加在各种立体匹配算法之后     

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.      

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．     

基于自适应权重极线距离变换的立体匹配

为解决在深度不连续区域传统极线距离立体匹配算法,光照差异增大时出现匹配误差大幅升高等问题,提出基于自适应权重极线距离变换的立体匹配算法。在Delta-Gama对数空间下,该算法首先根据初始匹配结果计算立体图像对Gama校正系数,基于光照差异修正极线距离变换相似度函数带宽,其次基于权重相似度自适应选取极线端点,确定分割系数;最后利用置信度传播算法计算视差图。实验结果表明,所提算法能够有效提高深度变换区域的匹配准确度,同时有效降低光照差异图像的误匹配率。相对于当前先进算法,所提算法的匹配率比当前先进算法提高至少40%。     

基于除法模型和核密度估计算法的镜头径向失真校正方法

针对镜头径向失真的问题,提出了一种基于除法模型(DM,division model)和核密度估计算法的校正方法.该方法利用同一场景两个不同视点的失真图像对建立DM模型.首先对失真图像对进行特征点的提取和匹配.然后根据基本方程式联立方程组,采用核密度估计算法求出最优解即为校正参数.最后根据求得的校正参数对两幅失真图像进行校正.仿真表明,核密度估计算法提高了失真校正的鲁棒性和图像校正的精度.     

多任务深度卷积网络的CT图像方向校正

针对医学电子计算机断层扫描(CT)图像方向校正问题,提出一种并行卷积回归(PCRN)多任务深度学习网络.通过侧旋角度正回归和翻转概率逻辑回归,求得校正参数来精准地校正图像.进一步,针对医学图像训练样本稀缺的情况,提出一种串行回归(SCRN)的深度学习架构,弥补并行卷积回归网络在小样本情况下校正精度不足的问题.实验结果表明:在样本充分,并行卷积回归网络和样本稀缺情况下,串行卷积回归网络对小角度偏转、大角度偏转和翻转的腹部CT图像校正结果都优于传统的配准方法.     

基于SIFT和小波变换的图像拼接算法

提出了一种基于尺度不变特征变换(SIFT)和小波变换的图像拼接算法,以提高室外复杂场景的图像拼接质量.利用SIFT算法提取基准图像(待匹配图像)和后续图像(与基准图像进行匹配的图像)的特征点,确定特征点的位置、尺度与方向;利用128维向量对特征点进行描述;利用最近邻法完成两幅图像特征点的匹配,确定重合区域;利用基于小波变换的多分辨率方法完成对图像的拼接.实验结果表明,该方法对亮度差异较大的图像拼接效果良好,适宜于室外复杂环境的图像拼接.