基于形态和小波的低纹理图序列高光修复研究

高光区域多出现于低纹理材料的平滑表面上,严重影响图像采集处理效果。针对现有图像去高光技术中过分依赖特定对象纹理特征的问题,该文提出一种利用形态学重建检测高光区域、利用小波变换修复高光区域低纹理图像序列的高光检测与抑制方法。对地下混凝土、金属等管道内壁表面高光区域进行修复,取得较好效果;通过修复胶合板等多种低纹理经典材质,对比其他方法,并应用差分图像的均值、方差与互相关系数评价修复效果。结果表明,修复后的多种材质与原图相似度在0.87以上,比其他方法的相似度平均提高9.7%与6.7%,且可同时应用于多种材料的高光区域处理,具有较好的应用前景。

融合粗糙深度信息的低纹理物体偏振三维重建

对于表面光滑、低纹理的目标,传统基于多视几何重建的算法难以获得理想的结果,利用偏振信息来重建这类物体是便捷有效的方法之一.然而单纯利用偏振信息进行三维重建存在歧义性等问题,难以获得理想的结果.以粗糙深度图作为先验信息可解决歧义性问题.先对偏振相机与深度相机标定并配准图像,由粗糙深度图获得的法向量辅助纠正偏振方位角歧义,再利用纠正的法向量与粗糙深度图积分融合,从而获得较高精度的物体三维表面.

基于光学偏振成像的低纹理目标三维重建算法

针对于视觉任务中表面光滑、低纹理的目标,由于其结构纹理信息的缺乏及高反光的特性,传统三维重建算法无法恢复物体有效的表面形状特征,提出了基于光学偏振成像的低纹理目标三维重建算法。该算法不依赖于目标表面的结构纹理信息,以求解Stokes参数来量化目标表面反射光偏振态,而后结合偏振—几何空间分析,估计目标表面的法向量分布,最后提出了多尺度Shapelets算子将法向量信息积分获取目标的有效深度信息,恢复目标的三维形状。实验结果表明,针对低纹理的高反光目标,该算法能快速准确地恢复其表面的三维形态,并且有效抑制镜面耀光和噪声的干扰,算法实时性高。

基于点线特征融合的低纹理单目视觉同时定位与地图构建算法

当图像因相机快速运动造成模糊或者处在低纹理场景时,仅使用点特征的同步定位与地图构建(SLAM)算法难以跟踪提取足够多的特征点,导致定位精度和匹配鲁棒性较差。而如果造成误匹配,甚至系统都无法工作。针对上述问题,提出了一种基于点线特征融合的低纹理单目SLAM算法。首先,加入了线特征来加强系统稳定性,并解决了点特征算法在低纹理场景中提取不足的问题;然后,对点、线特征提取数量的选择引入了加权的思想,根据场景的丰富程度,对点线特征的权重进行了合理分配。所提算法是在低纹理场景下运行的,因而设置以线特征为主、点特征为辅。在TUM室内数据集上的实验结果表明,与现有的点线特征算法相比,所提算法有效地提高了线特征的匹配精度,使得轨迹误差减小了大约9个百分点,也使得特征提取时间减少了30个百分点,使加入的线特征在低纹理场景中发挥出积极有效的作用,提高了数据整体的准确度和可信度。

面向工业零件分拣系统的低纹理目标检测

目的 随着工业领域智能分拣业务的兴起,目标检测引起越来越多的关注。然而为了适应工业现场快速部署和应用的需求,算法只能在获得少量目标样本的情况下调整参数;另外工控机运算资源有限,工业零件表面光滑、缺乏显著的纹理信息,都不利于基于深度学习的目标检测方法。目前普遍认为Line2D可以很好地用于小样本情况的低纹理目标快速匹配,但Line2D不能正确匹配形状相同而颜色不同的两个零件。对此,提出一种更为鲁棒的低纹理目标快速匹配框架CL2D(color Line2D)。方法 首先使用梯度方向特征作为物体形状的描述在输入图像快速匹配,获取粗匹配结果;然后通过非极大值抑制和颜色直方图比对完成精细匹配。最后根据工业分拣的特点,由坐标变换完成对目标的抓取点定位。结果 为了对算法性能进行测试,本文根据工业分拣的实际环境,提出了YNU-BBD 2020(YNU-building blocks datasets 2020)数据集。在YNU-BBD 2020数据集上的测试结果表明,CL2D可以在CPU平台上以平均2.15 s/幅的速度处理高分辨率图像,在精度上相比于经典算法和深度学习算法,mAP(mean average precision)分别提升了10%和7%。结论 本文针对工业零件分拣系统的特点,提出了一种快速低纹理目标检测方法,能够在CPU平台上高效完成目标检测任务,并且相较于现有方法具有显著优势。

基于立体匹配的低纹理图像重构算法

针对立体匹配中低纹理区域容易产生误匹配及传统动态规划固有的条纹问题,提出一种改进的基于双目立体视觉的低纹理图像三维重构算法.该算法首先基于像素间相似度和像素自身特异性计算匹配代价并引入一种自适应多边形支撑区域聚集匹配度.然后采用一种全局意义的简单树形动态规划进行逐点匹配.最后基于左右一致性准则运用一种简单有效的视差校正方法消除误匹配得到最终视差图.实验证明将算法运用于实拍低纹理灰度图像的匹配,得到轮廓光滑清晰的三维点云,说明该方法的适用性.

基于低秩纹理变换不变性的车牌倾斜校正方法

文章提出一种适用范围更广的基于低秩纹理变换不变性的车牌倾斜校正方法。首先将车牌图像看成一个矩阵,然后利用对称规则结构的低秩特性把经过旋转、仿射等变换的图像恢复成低秩纹理。根据不同的环境条件,对随机拍摄的倾斜车牌图像进行校正,实验表明即使面对一些如无边框、车牌污染、环境光遮蔽、噪声大等恶劣条件,采用所提出的方法也得到了很好的校正结果。文中提出了一种借助于图像整体信息进行倾斜校正的新思路,该方法摒弃了以往考虑角点、边缘等局部特征的思路,具有更高的精确度和鲁棒性。实验结果证实所提出的方法是有效的,且满足整个识别系统的实时要求。

基于多个低秩纹理提取的图像校正方法

低秩纹理是图像处理领域中具有重要几何意义的结构,通过提取低秩纹理可以对畸变或受损图像进行有效校正;但现有的基于低秩纹理提取的图像校正方法只能把感兴趣区域看作一个整体,从而导致许多复杂情况下的校正无法获得理想结果。针对上述问题,对现有算法进行改进,实现感兴趣区域的多个低秩纹理分别提取,用以解决实际应用中的多种畸变和受损图像的恢复问题。对选定区域进行分割,对每个子区域分别进行低秩校正,加强初始化窗口对纹理的适应性,从而优化校正效果。大量实验结果表明,该方法可以有效处理同一感兴趣区域中的多个低秩纹理,在凸平面、多个不兼容区域和复杂纹理等多种情况下仍然可以获得正确的处理结果,且校正效果与原算法相比更加符合人眼视觉特性。

基于特征点改进的视觉SLAM定位研究

为改善视觉SLAM系统在低纹理环境下定位精度较低的现象,提出一种改进的ORB特征点提取策略和一种关键帧选择机制;首先采用多尺度分析和基于局部灰度的特征检测方法克服一般ORB算法缺乏尺度和旋转描述的缺点;其次提出一种基于高斯模糊的图像信息增强方法解决传统ORB特征点提取方法在纹理信息不被突出环境下容易失效的问题,并对图像进行象限分割使特征点均匀分布;最后为剔除劣质关键帧,设计了一种综合时间因素与特征点数量因素的关键帧选择机制;将提出的方法移植到ORB_SLAM2上,并在TUM数据集上测试,实验结果表明,视觉SLAM系统的定位误差平均降低14.688%,证实了该方法的有效性。

基于低秩矩阵优化的纹理图像修复

提出了1种新的低秩纹理图像修复算法,该算法将低秩纹理图像修复问题建模成低秩矩阵优化问题进行求解。由于单纯使用低秩假设不足以描述自然图像的性质,因此除了纹理的低秩性以外,算法还使用了自然图像的连续性假设:在优化目标函数中加入了总变分算子。结合纹理的低秩性和连续性假设,提出了基于凸优化的纹理图像修复算法,可以在不知道图像损毁区域的情况下自动检测损毁区域并修复纹理图像。通过结合图像的低秩性假设和连续性假设,此算法有效弥补了单纯使用低秩假设的不足之处。该算法可以有效修复低秩纹理图像,且无论是在主观视觉效果还是客观量化指标上全面优于现有同类算法。

低秩纹理不变性在车牌图像校正中的应用

纹理特征在图像处理中有着广泛的应用,笔者应用低秩纹理映射算法利用低秩纹理图像具有低秩性的特点,通过几何变换把空间变换后的图像矩阵恢复成低秩矩阵,可以实现大多数复杂环境下经过空间变换后的图像的校正。实验结果表明在复杂的环境下,本文应用的方法与传统校正方法相比,校正精确度和鲁棒性更好。

融合点线特征的视觉惯性同时定位及建图

为了解决移动机器人在低纹理场景中的定位精度较低且容易跟踪丢失问题,本文设计了一种点线特征提取和匹配策略,并以此构建了视觉惯性同时定位和建图系统。提出线特征提取和匹配算法,通过改良线特征提取算法的隐藏参数,提高了线特征提取的精度。利用点线特征不同匹配筛选框架减少误匹配的数目,得出了可以应用于视觉惯性同时定位和建图系统的线特征提取匹配算法。在现有视觉惯性框架中引入提出的线特征约束,搭建了能在未知低纹理环境下鲁棒运行的视觉惯性同时定位及建图系统。研究表明:在真实环境中的移动机器人定位实验证明了该系统的精度和鲁棒性优于现有的视觉惯性框架,其室内定位精度提高了24.2%,走廊定位精度提高了8%,对于移动机器人在低纹理场景下的高精度定位具有较高价值。

关于相机自标定算法的研究

针对传统相机自标定方法需要利用三个正交方向的消失点,在实际场景中不容易满足并且无法求得畸变系数的问题,提出了一种改进的相机标定的方法,该方法基于二消失点和低秩纹理对车载相机进行标定和畸变矫正。首先引用RANSAC算法进行消失点查找,利用相机成像的投影模型和消失点之间的几何特性求解相机的焦距和外参;再利用图像的低秩性进行建模,通过增广拉格朗日算法对模型进行迭代求出相机的畸变系数。实验结果表明该方法具备较好的精度和实用性。

基于低秩特性的鱼眼图像畸变矫正方法

传统的鱼眼图像矫正技术在处理视角不确定以及拍摄角度和目标姿势可变时性能降低,从而限制了鱼眼图像的应用。针对低秩鱼眼图像的局部不变特征,将最近邻插值法与变换不变低秩纹理(TILT)方法结合的新方法对鱼眼图像进行矫正,既能矫正鱼眼图像又能精确地恢复低秩纹理,并通过实验对几何矫正精度进行对比。实验结果表明,最近邻插值方法结合变换不变低秩纹理方法对鱼眼图像具有较好的矫正效果,精度高,且实现简单,有良好的实用价值,矫正精度优于其他算法。

基于生成对抗网络的低秩图像生成方法

低秩纹理结构是图像处理领域中具有重要几何意义的结构,通过提取低秩纹理可以对受到各种变换干扰的图像进行有效校正.针对受到各种变换干扰的低秩图像校正问题,利用生成式框架来缓解图像中不具明显低秩特性区域的校正结果不理想的问题,提出了一种非监督式的由图像生成图像的低秩纹理生成对抗网络(Low-rank generative adversarial network,LR-GAN)算法.首先,该算法将传统的无监督学习的低秩纹理映射算法(Transform invariant low-rank textures,TILT)作为引导加入到网络中来辅助判别器,使网络整体达到无监督学习的效果,并且使低秩对抗对在生成网络和判别网络上都能够学习到结构化的低秩表示.其次,为了保证生成的图像既有较高的图像质量又有相对较低的秩,同时考虑到低秩约束条件下的优化问题不易解决(NP难问题),在经过一定阶段TILT的引导后,设计并加入了低秩梯度滤波层来逼近网络的低秩最优解.通过在MNIST,SVHN和FG-NET这三个数据集上的实验,并使用分类算法评估生成的低秩图像质量,结果表明,本文提出的LR-GAN算法均取得了较好的生成质量与识别效果.

基于对称重复纹理的摄像机位姿测量方法

某些目标上具有对称重复的纹理,这些纹理的图像矩阵具有低秩特性。当摄像机在偏离对正方向拍摄纹理时,由于存在投影形变,该纹理图像在原有方向上的对称性和重复性不再保留,从而不再具备低秩特性。通过建立摄像机拍摄方向与纹理图像的秩之间的数学模型,将摄像机方向的求解问题等效为一定约束下纹理图像的秩最小化问题。求解该问题,可得到摄像机拍摄方向,进一步结合纹理上任意两点的成像关系求解摄像机的空间位置。该方法与传统的基于目标图像中点、线等局部特征的测量方法相比,具有更高的准确性和良好的抗噪性能。仿真实验和实际实验均证明了该方法的有效性。

点线特征自适应融合室内SLAM算法

传统的视觉同时定位与地图创建(SLAM)依赖于点特征来估计相机位姿.然而在室内环境中存在大量低纹理区域,使得提取足够多的点特征变得困难.此外,当相机抖动剧烈或转向过快时,基于点特征的SLAM系统也并不鲁棒.针对上述问题,本文提出了一种基于RGB-D的点线特征融合SLAM算法,利用点特征和线特征的优点,在困难环境下获得了鲁棒的结果.首先,提出了一种基于特征丰富度的特征提取策略.解决在模糊和低纹理区域内提取特征困难的问题.其次,设计了一种点线特征关联图,优化线特征匹配效果.该方法不仅参考了线特征之间的相似关系,还考虑了点线特征之间的几何关系.最后,在构建光束法平差的成本函数时建立自适应模型,实现点线双模态特征的"无缝融合".本文分别在两个公开数据集和室内真实场景中进行了算法评估,并与其他先进算法对比.结果表明本文提出的算法具有更好的整体性能.

基于结构光场的目标三维重建技术研究

针对传统被动光场成像在对低纹理目标进行重建时精确度低问题,论文结合光场成像与结构光技术,将颜色通道作为载体,分别对应三个不同频率条纹图,利用一帧复合条纹图投射被测目标表面,接收端在多个方向对目标表面变形条纹进行记录。获取的结构光场通过利用傅立叶分析法,得到相位编码场,由于相位编码场的角度方差在整个深度范围内呈单峰分布,当目标表面深度与重聚焦的深度一致,角度方差最小,以此来确定目标深度信息,相比于传统三维成像技术,提高了重建精度,且易于工程实现。

一种自适应多窗口的立体匹配算法

提出了一种新型的自适应匹配窗口的方法来解决低纹理图像在立体匹配中容易出现误配的现象。该算法采用8个相同的窗口根据图像的平滑情况往8个方向选择适当的支撑区域,且其非常适合并行处理。然后根据上述步骤得到的结果提出一种自适应的区域生长法对误配和遮挡区域进行后处理。实验结果表明,该方法无论在低纹理区域还是高纹理区域都有较好的实验结果,并且运行时间与传统的固定窗口局部方法相差不大,适合实时处理。

一种融合特征点与轮廓信息的匹配算法

为了解决传统区域增长算法处理低纹理图像时,因种子点个数不够导致匹配无法进行增长的问题,提出一种融合轮廓信息的匹配算法来增加种子点个数。首先提取图像特征点与轮廓信息,然后利用方向性约束确定候选匹配点集,最后根据边缘相关性原则从候选匹配点集中计算得到最佳匹配点,即新增种子点。理论分析与实验表明,其较传统区域增长算法能够得到更多种子点,匹配范围更广,匹配精度更高。