基于曲波和Markov模型的新型立体匹配算法

曲波变换是继小波变换后的一种新型的多尺度分析方法,它能够更好的描述图像中曲线状和超平面的奇异性问题,把曲波变换系数作为图像匹配中的基元,并结合图像分割原理和马尔可夫随机场(MRF)模型,提出了一种新的图像匹配算法,它克服了基于图像灰度的匹配方法在平滑区域或细节匮乏处无法得到正确视差的弊端,并使得视差图在物体内部平滑并保持边缘处的不连续性.实验结果表明,提出的算法无论从视觉评价上还是视差图客观指标来看,都取可得了更优的结果.     

一种基于极几何和单应约束的图像匹配算法

提出一种综合应用极几何和单应约束的图像特征点匹配算法,首先使用互相关法对图像特征点集进行初始匹配,然后运用RANSAC方法鲁棒地估计基本矩阵和单应矩阵并相应地剔除错误匹配点,最后利用优化后的基本矩阵和单应矩阵引导匹配以获得更多、更精确的匹配点。大量真实图像实验表明,所提出的算法能够产生更多的匹配点并具有较高的匹配精度。     

基于视差梯度约束的匹配点提纯算法

在图像拼接过程中,粗匹配点对提纯算法RANSAC(Random Sample Consecsus,随机抽样一致性)存在计算量大,效率低等缺陷.为提高该算法提纯匹配点对的效率,基于预检验的策略,提出了基于视差梯度约束的RANSAC算法.实验结果表明,算法在不改变匹配精度的前提下,很好地提高了算法的效率.     

基于最小生成树的LAPLACE谱图像匹配算法

提出了一种基于最小生成树的Laplace谱图像匹配算法.首先分别对两幅待匹配图像的特征点集构造完全图,其次寻找最小生成树,然后通过各自的最小生成树构造Laplace矩阵,接下来进行分解并利用分解结果构造匹配矩阵,最后通过匹配矩阵实现两幅图像匹配.实验验证了该算法能够降低匹配的时间复杂度和获得较高的匹配精度.     

基于WMF与LSE的序列图像匹配制导滤波融合算法

为了改善匹配制导系统可靠性及匹配精度,提出了一种新的基于WMF与LSE的序列图像匹配结果滤波融合算法。分析了序列图像匹配制导滤波融合的基本问题,设计了一种加窗中值滤波器,并将其应用于纵向匹配位置序列的滤波处理,采用LSE对匹配位置序列进行最优参数估计,给出了滤波融合算法的基本原理及实现框图。仿真实验及实例分析验证了本文算法在消除误匹配点及减小随机匹配误差干扰方面的有效性、实用性。     

基于序列图像匹配的车载自主测速方法

针对常见车速测量方法存在测速准确性较低、自主性较差和灵活性不足等问题,建立了车载自主测速模型,将车辆的测速问题转化为序列图像的匹配问题;结合车辆运行状态的约束条件和序列图像的成像特点,依次从特征提取、相似性度量、搜索空间和搜索策略等4个方面对序列图像匹配方法进行分析,并设计序列图像匹配算法。仿真结果表明,采用基于二值图像的匹配方法和采用平均绝对误差作为相似性度量函数,保证了较低的运算复杂度,提高了运算效率;提出的图像匹配算法具有较高的匹配精度和匹配速度。最后通过载车试验验证了所提方法的整体有效性和可靠性。     

三分支空间变换注意力机制的图像匹配算法

对于待匹配图像具有旋转、缩放、平移等空间几何变换的图像模板匹配任务,现有的算法耗时较长,且准确率不高。针对该问题提出一种高准确率、低运算成本的图像匹配算法,首先根据中心点与邻域点的像素差来寻找特征点,进行快速特征检测,然后以这些特征点为中心,并以快速特征检测所计算出来的旋转角截取出一定尺寸的图像块。再将这些图像块输入空间变换注意力模块的特征描述子提取网络,最后使用K最邻近算法计算两张待匹配图像特征描述子中匹配的特征。特征描述子提取网络中引入了空间变换注意力模块,网络在训练的时候着重对空间信息进行学习,故所提算法提高了具有较大空间变化图像匹配任务的准确率。在匹配时间方面,所提的匹配算法仅次于检测和匹配都使用快速特征检测算法的方法。在匹配准确率方面,所提算法匹配的准确率远远优于实验所比较的其他算法。     

基于一种快速搜索策略的图像匹配

基于灰度相关的图像匹配法,因匹配概率高而广泛应用于各个领域,但传统灰度相关算法的搜索策略是遍历性的,匹配速度较慢。为提高图像匹配速度,提出一种全局并行爬山搜索策略,实现了非遍历性搜索,并能快速找到最优匹配点,并引入了一个搜索路经表对已搜索过的点作标记,以防止对某些点的重复搜索。实验结果表明了该算法的图像匹配具有快速性和较高的准确性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

基于混合优化方法的立体匹配算法

为了改善线性生长算法获得视差图可靠性差的问题,提出了一种基于混合优化方法的立体匹配算法。该算法综合考虑了计算效率和图像可靠性,将视差匹配转换为多目标优化问题,通过提出的基于模拟退火的鸽群优化算法求解此优化问题,从而实现视差阈值的自适应调节,并获取相应的根点的最优视差值。所提出的混合优化方法较好地克服了局部寻优和全局寻优方法易受初值影响且收敛速度慢的缺点。此外,为了进一步提高视差图可靠性,利用滤波法去除不可靠的视差。仿真结果表明,该算法可以获得更多深度信息,提高了线性生长算法计算视差图的可靠性和鲁棒性。     

Complex Function Approximation Based on Multi-ANN Approach

ＣｏｍｐｌｅｘＦｕｎｃｔｉｏｎＡｐｐｒｏｘｉｍａｔｉｏｎＢａｓｅｄｏｎＭｕｌｔｉ－ＡＮＮＡｐｐｒｏａｃｈ￥ＬｉＲｅｎｈｏｕ＆ＧａｏＦｅｎｇ（ＩｎｓｔｉｔｕｔｅｏｆＳｙｓｔｅｍｓＥｎｇｉｎｅｅｒｉｎｇ，Ｘｉ＇ａｎＪｉａｏｔｏｎｇＵｎｉｖｅｒｓｉｔｙ，Ｘ...     

基于对比度最优准则的运动目标参数估计方法

在已检测出运动目标的基础上,提出了一种基于图像对比度最优准则的运动目标参数估计方法.该方法针对存在方位向速度的运动目标,以图像对比度作为评价标准,对运动目标的速度分量进行二维寻优,当图像对比度函数达到最大值时,得到运动目标的速度分量的精确估计值.经过仿真及实测数据验证,该方法能很好的估计出运动目标的运动参数,并且该方法的测速精度明显优于传统动目标测速方法.     

基于模板匹配的人体运动捕捉数据处理方法

在光学式运动捕捉系统中,标记点往往会出现近似或对称的分布结构,这使得在对标记点进行识别时容易引起混淆。基于模板匹配的人体运动捕捉数据处理方法根据人体局部刚性结构把人体模板分割为多个子模板,使用空间仿射变换从运动捕捉数据中搜索与相应子模板误差最小的匹配点集作为最优匹配,并通过标记点跟踪实现对散乱数据的识别,解决了因标记点分布结构近似或对称而引起的混淆。对标记点缺失情况进行了重构。当出现错误匹配时系统能够自动检测并更正,整个过程无需人工干预。实验结果表明该方法能够正确识别标记点,标记点缺失情况重构效果比较理想,能够满足实时处理要求,证明了该方法的有效性。

Abstract：

In optical motion capture system,markers may be easily confused because of the approximate and symmetrical distributing structure.An approach based on template matching was proposed for the processing of human motion data.The human template was segmented to several rigid sub-templates by the local rigid structure.Matching point-set with least error was searched for each sub-template from the human motion capture data by affine transformation,and the scattered data was identified by point tracking.The ambiguity of identification was notability reduced.The missing data is reconstructed and when error matching is encountered the system is able to check and rectify them automatically.Manual intervention isn＇t necessary through the whole process.Experiment results indicate that this approach is able to identify the markers correctly,the reconstruction of the missing data is ideal and the processing is in real time.All these prove that the approach in this article is available.     

基于主成份分析的仿射不变特征图像匹配方法

从理论和实验上分析比较了尺度不变特征图像匹配方法和仿射不变特征图像匹配方法的异同,为提高图像匹配的速度和图像特征描述的准确性,提出了一种利用主成份分析对仿射不变特征匹配特征描述向量降维的方法。实验结果表明该方法能加速仿射不变特征图像匹配方法,在不降低匹配效果的前提下,将128维特征向量降低至15维。     

基于粒子群优化技术的点匹配算法

点匹配问题一直是计算机视觉、模式识别、医学临床诊断领域的一项重要的基础性工作。本文提出了一种基于粒子群优化算法的准确、快速和鲁棒性的点匹配方法。该方法首先确定两个特征点集的点匹配问题的能量函数，通过最小化该能量函数可以同时得到点集之间的匹配矩阵和映射参数，利用粒子群优化算法求解变换参数，实验表明，该算法适用于点匹配，具有操作方便、可靠性好、不易陷入局部极值等优点。     

基于能源区块链的综合能源系统调度优化模型及其应用

综合能源服务是在能源互联网背景下产生的新型能源服务模式,在综合能源服务系统中产销主体众多,能源生产消费多元化,针对综合能源系统调度过程中存在的信息安全及损耗问题,提出基于能源区块链的综合能源服务调度优化模型。利用区块链技术的去中心化、可信任和交易透明化的特性,构建基于区块链的综合能源服务网络架构;以系统经济效益及环保效益最大化为目标建立调度优化模型,有效降低系统运营成本,使得经济效益和环保效益得到较大提升。案例分析表明：能源区块链技术能够提高综合能源系统的安全性,保证相关数据不可篡改;同时,构建的综合能源服务调度优化模型能够为综合能源系统运营管理及调度优化问题提供决策支持与理论支撑。     

基于周期性曲率函数的轮廓线匹配技术研究

轮廓线的自动匹配问题是计算机视觉、自动化和模式识别中的一个重要问题。传统的匹配方法中在特征描述部分容易出现误差,并且缺乏全局性。为此提出了基于连续函数曲率概念的周期性离散曲率函数,解决普通轮廓线勾画外形中的图形匹配问题。周期性离散曲率函数具有和原有图形相似的位移、旋转和缩放特性,具有很强的全局性。该方法具有直观和速度快的特点,并且实用可靠,可广泛地应用于类似系统。     

基于粒子能量的自适应粒子群优化算法

群优化是一种随机的群体搜索策略.针对粒子群算法易陷入局部最优和收敛速度慢等不足,提出了根据粒子的能量自适应调整参数的改进算法.该算法基于动力学和热力学的理论,计算每个粒子的能量值,并将优化过程中的群体视为热力学的某一状态,通过退火温度和粒子的能量动态调整算法中的惯性参数,达到对"惰性"粒子的原速度方向给予较大的牵引力的目的.优化过程中,随着系统温度的降低,惯性参数逐渐减小,有利于问题的收敛.算法中采用了带极值扰动策略,加速粒子跳出局部最优的能力.数值实验结果表明,该算法具有收敛精度高和收敛速度快的特点,可快速有效的求解约束和非约束优化问题.