基于SURF和TPS的立体影像密集匹配方法

利用加速鲁棒特性(SURF)算法搜索影像的特征点,基于薄板样条(TPS)建立对应域之间连续和光滑形变变换,用于影像视差的估计,在此基础上提出一种新的立体影像密集匹配方法.首先,基于SURF算法进行特征匹配;然后,利用极线和TPS变换约束选择稳定可靠的同名点,计算影像之间的TPS变换矩阵,估计对应点的位置;最后,基于影像灰度进行密集匹配,并利用极线约束和TPS矩阵删除误匹配点.为保证视差估计的可靠性,利用种子点的外接凸边形对匹配区域进行限定.以人脸三维重建中的影像匹配为例,得到了稳定可靠且密集的同名点.     

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...     

基于SURF算法和极线约束的无人机影像匹配研究

针对无人机影像受光照、拍摄角度及区域环境等因素的影响造成匹配效果不佳,局部区域匹配困难的问题,本文基于SURF算法,通过引入极线约束来提高特征匹配效果。该匹配算法首先利用SURF算法检测影像特征点,用RANSAC(Random Sampling Consensus)方法计算出基础矩阵,通过基础矩阵计算出所有特征点的极线,最后用极线过滤掉错误匹配。实验结果表明:与传统SURF算法的单一约束条件的无人机影像匹配相比,极线约束条件下的无人机影像匹配在误匹配减少的前提下能获得更多准确的特征匹配集。     

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.     

基于感知Hash和极线约束的改进AKAZE算法

针对图像在发生变化时特征点匹配准确率较低的问题, 提出一种基于感知Hash和极线约束的改进AKAZE（accelerated-KAZE）算法. 该算法将特征点匹配分为粗匹配和精匹配两个阶段, 粗匹配阶段利用特征点的最近邻次近邻比值和感知Hash算法进行匹配点对的筛选； 精匹配阶段使用随机抽样一致算法和极线约束进一步筛选匹配点对. 仿真实验结果表明, 与进行随机抽样一致算法剔除误匹配点对后的原算法相比, 特征点匹配准确率仍平均提高12.9%, 速度仅慢2.4%, 可在保证算法效率的前提下有效提升图像发生变化时匹配点对的准确率.     

摄像机自标定中基础矩阵估算方法的改进

在摄像机系统自标定方法中,基础矩阵的估算是其中的关键,传统求解方法易受图像噪声影响,误差较大、鲁棒性差.本文提出了一种基于改进的RANSAC算法的基础矩阵估计方法,该方法主要是选取匹配点到极线距离之和最小的8组匹配点,然后再根据八点法求解基础矩阵.仿真实验验证了方法的有效性.     

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SIFT的UAV载组合宽角相机影像匹配方法

针对无人驾驶飞机UAV(Unmanned Aerial Vehicle)航空组合相机获取的大像幅影像旋偏角较大、 大尺度变化和颜色差异明显的问题, 提出基于极几何和单应约束的SIFT(Scale Invariant Feature Transform)特征多尺度LSM(Least Squares Matching)算法。该算法顶层金字塔影像采用SIFT快速匹配, 对匹配结果利用改进的RANSAC(Random Sample Consensus)算法计算影像间单应矩阵和基本矩阵; 对影像进行Harris特征提取, 根据极几何和单应约束采用双向一致性相关系数算法进行密集匹配; 通过更新单应矩阵, 设定阈值删除误匹配点; 对匹配的同名点进行最小二乘匹配获取子像素级精度。通过对具有较大旋偏角、 大尺度变化和颜色差异的3组实际航摄影像的试验对比表明, 与传统方法相比, 该算法具有较高的匹配成功率和较好的有效性。     

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%。     

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.     

一种新的基于Kruppa方程的摄像机线性自标定方法

针对非线性优化求解Kruppa方程进行摄像机自标定的局部最优问题,提出了一种在特殊情况下的基于Kruppa方程的线性自标定算法.当摄像机在圆周上运动时,首先根据外极线约束关系得到较准确的基本矩阵,然后根据Kruppa方程的未知系数与基本矩阵奇异值分解的参数关系求解摄像机的内外参数.实验结果表明,所得结论和方法是正确和有效的.     

基于解剖结构模型和外极线约束的冠脉血管段匹配算法

采用基于解剖结构模型和外极线约束相结合的血管段匹配算法对两幅不同角度的血管骨架图进行匹配. 利用解剖结构模型匹配大部分血管骨架点,形成特征点对,利用这些特征点对计算两幅图像间的几何变换矩阵. 利用外极线约束法匹配剩余血管骨架点,通过互相关算法对匹配点对进一步优化. 该综合算法可以弥补单一算法的不足并结合基于边缘检测的血管宽度提取方法获取血管的宽度信息,为医生的确诊提供参考依据.     

机载平台下半标定的下视图像极线校正方法

以无人飞行器下视光学成像平台为研究背景,提出了一种相机半标定的下视图像极线校正方法.先对机载下视摄像机的成像几何模型进行了分析,在此基础上推导出一种新的极线校正单应估计函数,并用最小二乘法估计变换参数.结合惯导参数分析可知：所提出的方法不依赖于基础矩阵的精确求解,且在理论上只须1对同名点即可求解.实验结果验证了该方法校正精度高,校正速度快,且图像变形明显小于经典的极线校正算法.     

基于倾斜校正和视差估计的遥感影像稠密匹配方法

针对遥感影像稠密匹配效率较低、匹配精度和密度不够高的缺陷,提出了一种基于倾斜校正和视差估计的遥感影像稠密匹配方法。首先基于稀疏同名点、通过倾斜校正生成核线影像;利用稀疏同名点构造三角网,以三角形为插值单元,预测核线影像对中各像素的初始视差;在初始视差的邻域内沿核线一维搜索最佳匹配点,搜索时增量计算匹配窗口的灰度均值,且将搜索步长设为2,以提高搜索效率。实验结果表明,本文方法可以达到逐像素的匹配密度,且匹配的正确率和精度很高;基于稠密点重建的真实感三维场景证明了本文方法的有效性和实用性。     

Developing rigid constraint for the estimation of pose and structure from a single image

Pose and structure estimation from a single image is a fundamental problem in machine vision and multiple sensor fusion and integration. In this paper we propose using rigid constraints described in different coordinate frames to iteratively estimate structural and camera pose parameters. Using geometric properties of reflected correspondences we put forward a new concept, the reflected pole of a rigid transformation. The reflected pole represents a general analysis of transformations that can be applied to both 2D and 3D transformations. We demonstrate how the concept is applied to calibration by proposing an iterative method to estimate the structural parameters of objects. The method is based on a coarse-to-fine strategy in which initial estimation is obtained through a classical linear algorithm which is then refined by iteration. For a comparative study of performance, we also implemented an extended motion estimation algorithm (from 2D-2D to 3D-2D case) based on epipolar geometry.     

图像重投影及其在极线校正中的应用

针对摄像机绕光心旋转的情形,讨论了在这种特殊情形下图像重投影具有的性质,然后根据这些性质给出了使2幅图像平面平行的方法,最后介绍了图像重投影技术在极线校正中的应用,提出了一种新的极线校正方法.该极线校正方法的特点是需要采用图像重投影技术将2幅图像重投影到平行的平面.实验表明,该方法能够在完成极线校正的同时保持图像的扭曲较小.     

The motor side of depth vision

To achieve stereoscopic vision, the brain must search for corresponding image features on the two retinas. As long as the eyes stay still, corresponding features are confined to narrow bands called epipolar lines. But when the eyes change position, the epipolar lines migrate on the retinas. To find the matching features, the brain must either search different retinal bands depending on current eye position, or search retina-fixed zones that are large enough to cover all usual locations of the epipolar lines. Here we show, using a new type of stereogram in which the depth image vanishes at certain gaze elevations, that the search zones are retina-fixed. This being the case, motor control acquires a crucial function in depth vision: we show that the eyes twist about their lines of sight in a way that reduces the motion of the epipolar lines, allowing stereopsis to get by with smaller search zones and thereby lightening its computational load.