基于特征提取的虚拟现实中全景图像生成算法研究

当前全景图像生成算法通常依据计算机图形实现,建模时间较长,且生成的全景图像效果不佳,无法满足人们的需求。为此,提出一种新的基于特征提取的虚拟现实中全景图像生成算法,对图像中各像素点的Hessian矩阵行列式进行计算,获取SURF特征点值,通过特征点之间的欧氏距离对图像间的相似性进行衡量,实现特征匹配。通过正投影把所有待合成图像投影至圆柱面上,相邻图像将重合部分融合,获取投影图像后,通过特征匹配实现无缝拼接,将正投影过程生成的立体图像从某一位置剖开,并投影至某一平面上,获取视觉一致的全景图像。实验结果表明,采用所提算法生成的全景图像重叠区域之间几乎没有缝隙,亮度差异不大,可消除“鬼影”现象,且占用内存与消耗时间少。     

基于SIFT变换的彩色全景图拼接算法研究

为了解决传统的彩色全景图拼接算法在特征点匹配过程中匹配时间较长且匹配失误率过高的问题,优化整体的彩色全景图拼接算法,提出了基于SIFT变换的彩色全景图拼接算法.构建SIFT算法的基本流程,通过创建空间尺度确定极值点的空间位置和梯度方向,以便进行SIFT特征点匹配.研究基于SIFT变换算法的全景图像拼接技术,设计全景图像拼接技术的基本流程,在获取全景图像之后进行预处理,利用SIFT变换算法进行图像配准和图像融合.经实验验证,通过匹配失误次数、匹配度以及匹配时间的数据对比所提算法与基于ORB算法的全景图像拼接技术的优劣,确定基于SIFT变换的彩色全景图拼接算法更具备优越性.     

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.      

基于图像绘制的球面全景图生成及自动拼接技术研究

提出了一种基于球面投影模型的全景图像自动拼接算法,对手持相机获得的系列照片,构建了球面全景图像.使用等距离匹配算法计算相机的焦距,以相机焦距作为球体半径,将照片图像投影至球面上.两张相邻照片拼接时,以照片的投影图像最大宽度处一个像素对应的角度(弧度)为步长,从两图像中心处开始,取一定宽度的图像块进行匹配,找到两相邻照片最佳的拼接(经度)线,实现相邻两照片的自动拼接.将系列图像的拼接结果整合,得到360°视角的全景图像;然后进行上下层全景图像的拼接,生成全视角球面全景图,效果较好.     

GPU加速实现的锥束CT高精度正投影算法

CT的正投影计算是对CT数据采集过程的模拟,不仅可用于生成投影数据,而且是CT图像迭代重建算法的一个关键组成部分.在CT的锥束扫描方式下,正投影计算量大,计算时间长.为此,提出了一种GPU加速实现的锥束CT正投影算法.该算法通过并行计算各条X射线在探测器上投影,实现了锥束CT正投影的快速计算.由于该算法支持全浮点运算精度计算,且采用三线性插值方式,因此计算精度高.通过对Shepp-Logan模型的正投影计算实验以及与其他正投影算法的比较,验证了作者算法的优点.     

基于KLT多视图特征跟踪的物体三维重建

为了提高三维重建精度,文章提出一种基于Kanade-Lucas-Tomasi(KLT)多视图特征跟踪的物体三维重建方法。首先采用Shi-Tomasi算法提取特征,通过KLT跟踪算法获取特征匹配点,从而将所有相邻图像进行三维点云重建,并通过光束法平差(bundle adjustment,BA)算法进行优化;然后采用KLT跟踪算法获取空间点在相邻3幅图像的投影点,从而建立不同视图坐标系间的变换模型,获取转换比例系数;再通过融合多视图的三维点云实现物体的三维重建。实验结果表明,通过KLT算法,不仅提高了特征点匹配数量,还解决了多视图构建的不同三维点云坐标系的相互转换问题,实现了物体的多视图三维重建。     

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.     

基于正交图像的头部三维模型构建

为快速构建人体头部的三维模型,提出了一种使用头部正面和侧面两张正交图像进行重建的方法.首先,利用Candide-3模型生成标准头部模型;然后,利用改进的主动形状模型(ASM)自动获取正面图像中68个特征点和侧面图像中35个特征点,并将获取的特征点与标准头部模型中的顶点进行匹配,利用匹配特征点对标准模型进行全局变形和局部变形,从而获得个性化模型;最后,对侧面头像进行仿射变换,使之与正面图像配准,并通过柱面投影和加权融合获得人脸全景纹理图,将其映射到个性化模型上以获得逼真的头部模型.实验结果表明:与传统ASM算法相比,利用改进ASM算法获得的特征点定位准确度提高了13.1%;所提方法仅需约1.2 s便可重建出具有真实感的头部三维模型,并能提供较大范围的可视角度和较丰富的深度信息.     

基于优化ORB算法的图像角点特征匹配方法

针对传统ORB算法的图像角点特征匹配精度不高的问题,提出基于优化ORB算法的图像角点特征匹配方法;首先使用Shi-Tomasi算法检测图像角点特征,然后使用BRIEF和SURF相融合算法生成图像角点特征双描述子序列并使用随机投影原理进行降维,最后使用优化的匹配算法进行匹配,简称Shi-Tomasi-SURFORB算法,...     

基于投影直方图提取目标感兴趣区域的新方法

提出了一种基于灰度投影直方图获取单幅检测样品的目标感兴趣区域的方法,并利用鲁棒的图像匹配算法生成参考图像.首先,采用改进的灰度投影直方图法获得单幅图像的检测样品感兴趣区域,建立感兴趣区域提取模型;其次,利用基于形状的特征匹配算法学习样品图像,生成印刷品检测的参考图像,在此基础上,提出基于图像金字塔数据结构的分层匹配方法.实验结果表明,该方法能够在87 ms内获取首张图像样品感兴趣区域,并且图像匹配过程对图像之间存在的明暗程度、旋转变化等干扰具有良好的鲁棒性,匹配精度可达95%,匹配时间为152 ms,可快速准确地生成参考图像.     

基于最小生成树的多视图特征点快速匹配算法

针对图像特征点匹配中计算效率较低且误配率较高的问题,提出了一种在两视图匹配中引入最小生成树的新算法.该方法主要运用最小生成树构建匹配代价最小的图像对,首先通过对输入的多幅图像进行特征点提取,对生成的特征点采用基于欧式距离的两视图匹配,进一步构建最小生成树以生成最短特征点匹配轨迹,从而完成匹配.测试结果表明:最小生成树的引入使得大多数特征点匹配过程只在相关图像中运行,且能找出匹配代价最低的匹配路径,在保证匹配准确性的情况下,计算时间开销约为传统算法的20%,保证了图像匹配的实时性.     

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.     

基于MATLAB的图像拼接技术及其实现

基于特征点SURF算法的图像配准和加权平均融合算法,将有重叠区域的两张图像拼 接成一张高分辨率的全景图像,并运用MATLAB软件实时仿真拼接图像。首先利用SURF算法匹 配图像,经仿射变换后得到含有拼接缝的合并图像;再分别对比不同分辨率、重复率的三组测试数 据;接着使用两种融合算法融合比对最优图像;最后设计了一个简单的GUI界面实现图像拼接。 实验表明：分辨率越高,图像信息量越大,匹配效果就越清晰,但会耗费更多的运算时间;重复率增 加,有效匹配点占比增大,得出图像重复率在40%及以上时会使匹配更精准。加权融合算法能更 好地实现图像之间的平滑过渡。     

基于改进ORB算法的无人机遥感图像拼接技术

针对ORB算法尺度不变性较差,运行速度较慢,不适合应用于无人机遥感图像上的特点,提出了一种改进的ORB无人机遥感图像拼接算法。首先利用ORB特征中FAST特征检测算法对Shi-Tomasi算法进行加速,获取快速且准确的图像特征点,然后用ORB描述算法对特征点进行特征描述,在对特征点进行粗匹配和精匹配后,最后使用改进过的SPHP算法融合图像。实验结果表明,这种改进的ORB算法有着更高的匹配精度和匹配速率,能够生成更好的拼接结果。     

基于KCCA的特征匹配方法

特征匹配问题是计算机视觉和模式识别中一个关键步骤,在很多领域都有着重要的应用。借助核典型相关分析思想,提出了一种基于空间相关性的特征匹配方法,该方法通过核典型相关分析,将特征点集投影到核空间中,并将投影向量作为匹配特征,根据投影向量之间的相似性进行匹配。仿真实验结果表明,该算法优于基于谱分解的特征匹配算法,在图像含有噪声和存在结构误差的情况下,算法具有较高的匹配率。     

点云初始配准的优化求解算法

针对基于对应点匹配的点云配准算法过于依赖点云初始位置并且配准效率较低的问题,提出一种基于序列图像运动法重建的点云初始配准算法。首先,根据透视投影原理对相机在点云局部坐标系中的位置进行定位,获取将点云变换到对应相机坐标系的变换矩阵;然后,以图像特征点及其对应的匹配点作为同名点,通过重建序列图像对相机外参数进行全局优化;最后,根据推导的初始配准公式快速实现点云初始配准。实例验证结果表明,该初始配准算法对点云的初始位置无严格要求,能以较小的计算量获取近似全局最优的点云初始配准结果;将初始配准参数作为迭代最近点算法的初始值,可有效提高迭代最近点算法配准的稳健性,计算效率提高了30%以上。     

一种基于PCB板图像配准优化算法

为了提高PCB缺陷检测中的图像配准精度,文章提出一种结合梯度下降算法与随机抽样一致性(random sample consensus, RANSAC)算法的改进图像配准优化方法。对得到的灰度图像使用中值滤波去除噪声,通过拉普拉斯算子提取图像边缘来突出图像细节;使用尺度不变特征变换(scale invariant feature transform, SIFT)检测算法获取图像特征点并进行特征点匹配,通过匹配的特征点对之间的距离阈值来粗选出较强匹配点,使用改进的算法精选出强匹配点,同时算出基础图像变换矩阵;最后使用梯度下降法对基础图像变换矩阵进行拟合优化。实验结果表明,该算法在PCB板图像匹配过程中可以有效减少误匹配,并能得到准确的图像变换矩阵,且图像配准速度较快,能够满足实际工业现场检测要求。     

柱面全景图图像拼接中图像平滑的虚拟现实技术

当前图像平滑方法对尺度、视差和光照变化较大的柱面全景图图像拼接部分的处理效果不佳。为此,提出一种新的柱面全景图图像拼接中图像平滑的虚拟现实技术,依次对待拼接源图像进行柱面投影,获取不同柱面图像序列,求出柱面平移量,通过融合获取柱面全景图像。将最小灰度差异点看作拼接点,通过调整灰度差,经拼接缝定位与拼接缝消除两个阶段实现图像平滑处理。将完成平滑处理后的柱面全景图像生成虚拟现实场景,应用于不同领域。实验结果表明,采用所提方法进行柱面全景图像拼接中图像的平滑处理,在尺度、视差和光照变化较大情况下仍可达到无缝拼接;且拼接部分图像质量和完整性较高。     

基于深度学习图像描述子的三维彩色点云配准

不断发展的激光扫描技术使得获取三维空间中的彩色点云信息更加方便.但是,如何将多个采集点生成的彩色点云数据统一在同一个坐标系下,构建一个完整的数据模型仍是一个挑战.因此,提出了一种基于深度学习的图像描述子,将其应用于三维彩色点云配准中,能够以较高精度获取点云配准的初始位姿.首先,根据点云和图像之间的一一对应关系,将三维彩色点云投影为图像;其次,使用卷积神经网络提取关键点邻域的局部特征,结合方向梯度直方图,形成组合描述子;再次,根据计算出的组合描述子计算点云的匹配点对,得出点云间的转换关系,实现点云粗配准.以实际的三维彩色点云数据与多种配准算法进行对比,验证了所提方法的有效性.     

基于CCA的图像特征匹配算法

基于典型相关分析的思想,提出一种可以解决具有相同数目特征点的图像特征匹配算法.算法利用典型相关分析将提取的2幅图像的特征点投影到新的特征空间上,将获得的投影向量作为匹配特征构造匹配矩阵,最后根据匹配矩阵元素的大小判断特征点的匹配关系.仿真实验结果验证了该算法的有效性和稳健性.