计算机视觉中基本矩阵的估计方法

基本矩阵的估计是计算机视觉中一项重要的研究课题.从特征点的提取、匹配到从一组对应点求出基本矩阵的估计值,完整地介绍了求解基本矩阵的方法.对于噪声干扰以及问题固有的复杂性所导致的误匹配,以及由此导致的估计结果恶化问题,采用最小中值法（LMedS）,有效地解决了存在误匹配情况下稳定、准确地估计基本矩阵的问题.     

基于竞争规则和挡板辅助的基础矩阵估计算法

基础矩阵估计是计算机立体视觉的关键环节,对它的估计精度将直接影响对应点的匹配和特征点坐标的重构计算.笔者通过研究现有基础矩阵估计方法,分析它们的性能和优缺点的基础上,提出了改进TorrM estimators基础矩阵估计方法,并通过竞争规则选择初始值和利用印有标准图案的挡板辅助计算,有效地消除了出格点的影响,提高了基础矩阵估计精度,精确恢复了外极几何关系.     

利用单应变换与对极约束的基础矩阵估计算法

为了提高不同图像之间的基础矩阵估计的精度与效率,提出了一种结合单应变换和对极几何约束的基础矩阵估计算法.在不同图像上提取特征点并建立匹配关系,过滤其中明显的误匹配点,并计算单应变换矩阵,由于单应变换的内点和外点在图像之间的对应关系均符合对极几何约束,通过将单应变换矩阵与外点结合,进一步计算出基础矩阵.为了验证算法的有效...     

流形和非流形方法对配准算法的影响分析

针对最近点迭代算法(Iterative closest point,ICP)求解步骤繁琐导致的迭代速率下降问题,提出了一种利用李群流形空间扰动的变换率求解雅可比矩阵的方法.该方法首先在点云配准前对点云数据进行随机降采样,其次使用K-D树搜索的方法进行2帧点云的搜索匹配,然后利用非流形的方法对ICP进行迭代求解,最后得到...     

基于二次测量误差模型的基本矩阵计算

基于二次测量误差模型,提出计算基本矩阵的一个鲁棒方法.通过对匹配点对做平移和尺度调整等规范化处理,增强算法的数值稳定性.并应用高效的黄金分割法求解一维不可微优化问题确定噪声水平,进而得到基本矩阵.数值实验结果表明了该方法的有效性.     

一种基于Laplace谱的形状匹配算法

提出一种基于谱图理论的形状匹配算法.首先在表示形状的离散点集上构造待匹配形状的Laplace矩阵,根据此矩阵的特征向量确定初始匹配关系,然后利用Viterbi算法将形状自身的结构特性(邻接性和弯曲能)融入求解过程,获得形状间的匹配关系.比较实验表明该文算法具有更高的匹配精度和鲁棒性.     

SIFT辅助角点匹配的快速图像匹配算法

采用Harris角点检测算法进行图像特征检测.使用快速SIFT图像匹配方法进行图像匹配并计算基础矩阵,去除误匹配点后用SIFT图像匹配的结果对Harris角点进行定位,并用ZNCC算法对角点进行增量匹配.该算法有效地弥补了SIFT图像匹配算法的特征点只分布于非边缘区域的问题,相比单纯SIFT算法可获得更多的匹配点,并且算法时间增加较少.     

一种鲁棒的图像拼接算法

图像拼接的核心是图像的配准.提出一种准确、高效的图像拼接方法:利用Harris角点检测算子提取相邻图像的特征点,通过Euclid度量改进熵变换的算法,进行特征点匹配,并通过最小均值二乘估计求解相邻图像的变换矩阵,以此实现宽视角图像的拼接.实验结果表明:所给出的算法能够实现场景图像的精确匹配.     

一种鲁棒的摄像机标定方法

提出一种基于圆环点的摄像机标定方法,该方法无需已知模板的任何物理度量,即可线性求解出摄像机的内参数矩阵,完全摆脱了匹配问题.并给出了在不增加任何已知条件的基础上求解外参数的线性方法.模拟与图像实验结果表明,该方法在精确度和鲁棒性上较已有方法都有较大提高.     

带工程约束且可剔除错误点船体分段点集匹配方法

为了有效提高船体分段测量点集与理论点集的精准匹配技术,提出了一种自动剔除错误点且考虑工程约束的船体分段点集匹配方法.该方法分为粗匹配与精匹配两步,粗匹配采用改进的随机抽样一致性算法实现了快速剔除错误点,同时基于奇异值分解法确定了刚性变换矩阵,获得了较准确的匹配初值;精匹配利用层次分析法自动获得了工程约束权值,采用权值向量将工程约束引入多目标函数中,通过求解多目标模型获得匹配结果.实例表明,该方法可快速自动剔除错误点,在考虑工程约束的条件下获得较精确的合理结果,为船体分段后续的搭载提供了依据.     

基于快速立体匹配的基本矩阵估计方法

借鉴Harris角点检测时角点自身的特点,提出了基于角特征与灰度相关并参考视差梯度约束的角点匹配方法,利用角特征值比值的约束条件,减少了大量的候选匹配点,提高了立体匹配的速度,实现了快速、准确的立体图像对的角点匹配.在此基础上,进一步采用Hartley提出的改进八点算法,获得了高精度的基本矩阵.实验结果表明该方法具有较高的准确性和实时性,是一种快速有效的立体匹配基本矩阵估计方法.     

基于单应性矩阵剔除SIFT错误匹配点的方法

根据图像几何变换的单应性矩阵将匹配点一一对应的特点,提出一种基于单应性矩阵的剔除方法.该方法首先利用SIFT进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对.通过与RANSAC算法以及结合欧式距离的RANSAC改进算法进行实验比较,该算法具有更高的正确匹配率.     

基于视觉的火星探测器着陆运动参数估计

火星探测是我国深空探测的重要目标之一,精确估计火星探测器自主着陆时的运动参数是实现自主着陆的前提.在探测器所携带相机内参数已知的情况下,研究2幅图片中特征点之间的对应关系,得出火星探测器空间三维运动信息,以实现其运动参数估计.首先进行特征点检测,然后进行特征点匹配,根据匹配结果估计出基础矩阵F;然后进行本质矩阵的计算、姿态解算和幅值恢复,对所得运动参数进行非线性优化;最后通过仿真实验验证了上述方法的有效性.     

Kv的完备匹配Mi的算法

给出了边矩阵的定义,提出了求解完备匹配Mi的2种算法.其中算法A是利用边矩阵K2n的△(G)一边着色求Mi,算法B是利用边矩阵K2n的2×2子矩阵划分及完全图Kn的n-1个完备匹配Mi的求解,再求Mi.介绍了用算法A构造循环赛图K(i)20的过程和用算法B构造循环赛图K(i)20的过程.     

融合Gabor特征的SFM算法三维人脸建模

采用运动恢复结构(structure from motion,SFM)算法进行三维人脸建模一直以来受到研究者的关注,但其对错误的匹配点比较敏感,因此,文章提出了一种融合Gabor特征的SFM算法三维人脸建模方法。该方法利用Gabor滤波器提取纹理特征,判别轮廓特征点匹配的准确性;针对图像数增多,传统因子分解法不易修正旋转矩阵的问题,利用旋转矩阵的性质求得修正矩阵,避开方程组的求解;提出引入迭代最近点算法将稀疏三维特征点与三维模型进行配准,缩小空间距离,并结合薄板样条函数插值生成特定的三维人脸模型,为增强真实感,进行纹理映射。实验结果表明,该方法有效提高了匹配点的准确性,能够重建出具有较强真实感的三维人脸。     

一种基于圈基的谱匹配算法

提出一种基于圈基的谱匹配算法.利用两幅待匹配图像的特征点分别构造一组圈基,根据圈基构造赋权邻接矩阵,并进行SVD分解,然后利用分解所得到的特征向量构造反映特征点之间匹配程度的关系矩阵和匹配概率矩阵,最后通过交替归一化将匹配概率矩阵转化为双随机矩阵的形式以获得匹配结果.模拟与真实图像实验结果均表明该方法具有可行性和有效性.     

基于一致性随机采样的图像特征匹配鲁棒确认

误匹配点的存在影响了计算图像问变换关系的准确性,从而导致较差的图像匹配效果.通过随机采样一致性算法,提出了一种剔除错误匹配,精确确认图像匹配特征,从而计算图像间几何变换矩阵的鲁棒方法.该方法首先基于特征向量相似性准则,得到初始匹配点对,再利用特征点周围的灰度信息进行权值计算,在用随机采样一致性算法拟合几何变换矩阵的迭代过程中,得到使目标函数最小的匹配关系以筛选由噪声等引起的误匹配点对,从而精确计算图像间的几何变换关系矩阵,实现图像的精确配准.实验结果表明,该算法具有良好的噪声鲁棒性,得到了理想的图像配准效果.     

基于单应性矩阵剔除SURF错误匹配点的研究

根据图像特征点匹配一一对应的特点,提出一种利用单应性矩阵剔除错误错误匹配点的方法。该方法首先利用SURF进行匹配,得到初始匹配对,进行初步筛选,然后利用相似三角形求出基准单应性矩阵,设定阈值,剔除不满足阈值的匹配点对,最后得到精确匹配点对。通过实验证明,该算法具有很高的正确匹配率。该文提出了一种剔除错误SURF匹配点的方法,首先根据三角形的相似性选取正确基准点,由基准点估计基准单应性矩阵,根据单应矩阵投影后的对应点之间的欧氏距离是否满足阈值来剔除错误匹配点。     

改进的匹配点提纯算法mRANSAC

针对当前图像匹配算法中匹配点提纯环节不能有效提取正确匹配点的问题,提出了多变换矩阵mRANSAC(multi-RANSAC)方法.由于数字图像离散采样的原因,匹配点不能准确对应,存在一定的误差,由其拟合出的变换矩阵也各不相同,因而一个变换矩阵不能包含所有的正确匹配点.通过对RANSAC的研究发现,在抽样计算结果非最大内点数组中,只要内点数足够多,也是正确的,这也可以通过不同图像匹配点数不同来客观印证.因而提出使用多变换矩阵增加匹配点数,提高提纯效率,并提出并集法、减集法、自适应内点数阈值法三种策略.结果表明,mRANSAC提纯结果比RANSAC方法多出60%～300%.通过对mRANSAC阈值的设置和调整,可以达到近似100%的提纯率.该方法也可应用到其他有类似提纯问题的领域中.     

结合图像信息和几何关系的配准算法

对图像配准中的特征点检测方法和描述方法进行了研究,提出了一种快速准确的图像配准算法.使用尺度空间理论进行特征点的检测,通过两种不同的特征点描述子对特征点进行描述:一种是基于图像信息的描述子,该描述子使用尺度空间理论上的尺度不变Harris算子的自相关矩阵来描述特征点;第二种是基于空间上的几何关系的描述子,提出了一种融合局部结构特征和全局信息的描述子.在图像配准的目标函数里,将特征点匹配矩阵和图像变换矩阵分解,分别使用两种不同的描述子对二者进行迭代求解.该算法结合了两种特征点描述方法的优点,实验结果表明该方法快速、准确,具有配准精度高和计算时间短的优点.