仿人眼双目图像特征点提取与匹配方法

模仿人眼的视觉特性已成为机器迈向智能感知、智能认知的研究热点和难点。图像边缘蕴含着丰富的信息,因此人眼对场景中物体的边缘更加敏感。为在机器上实现这一视觉特性,提出了一种仿人眼双目图像特征点提取与匹配方法。首先选择边缘特征提取能力突出的SUSAN(small univalue segment assimilating nucleus)算子作为特征检测器;然后改进尺度不变特征变换(scale-invariant feature transform,SIFT)描述子的采样邻域,减少远离特征点的梯度信息因视点和视角差异带来的匹配误差,保留靠近特征点的主要梯度信息;随后对输入图像建立多尺度结构,在不同尺度上计算同一特征的主要梯度信息;最后利用平方根核比较梯度信息的相似性,生成多尺度描述子,增强描述向量的独特性。实验采用多种评价指标分别对提出的多尺度描述子和整体算法进行评估,并与经典的SIFT、SURF(speeded up robust features)、Root-SIFT等算法和先进的BEBLID (boosted efficient binary local image descriptor)、SuperGlue、DFM等算法进行对比。结果表明:提出的多尺度描述子能够提高边缘特征点的匹配准确率,并对光照变化具有更强的适应能力,体现出更好的匹配稳定性;与其他算法相比,本算法具有更高的匹配准确性。

成像参数对大深度物体聚焦形貌恢复的影响

为探究成像参数对大深度物体聚焦形貌恢复精度的影响规律,明确实际应用中聚焦形貌恢复重建精度不满足要求时成像系统的改进措施,在构建聚焦形貌恢复三维重建精度评价指标的基础上,利用正交实验确定成像参数对聚焦形貌恢复精度影响的主次顺序,重点分析主要和次主要参数对重建精度的影响规律,并揭示最佳成像参数随多聚焦图像采样间距的变化关系。考虑到成像参数的变化实际通过改变系统景深影响聚焦形貌恢复精度,建立了多聚焦图像采样间距与最佳景深之间的经验公式,为系统成像参数的设定提供了理论依据。实验结果表明:焦距和F数是聚焦形貌恢复的主要和次主要影响参数,在给定多聚焦图像采样间距下存在使重建精度最高的最佳焦距和最佳F数,且随着采样间距减小,最佳焦距增大,最佳F数减小;多聚焦图像采样间距与最佳景深之间的经验公式拟合准确率为97.28%,验证准确率为94.76%,可用于最佳景深的计算;采用最佳景深能够显著提升聚焦形貌恢复精度,为大深度物体聚焦形貌恢复精度的提升提供了新途径。