改进Census变换与特征融合的立体匹配算法

针对局部立体匹配算法匹配精度较低问题,提出一种改进Census变换与特征融合的立体匹配算法。首先,使用变换窗口的邻域像素信息代替中心像素,解决传统Census变换过度依赖窗口中心像素问题;其次,引入图像的颜色信息与梯度信息构建融合代价计算函数,提高初始匹配代价的可靠性;为建立邻域像素间联系,引入单向动态规划思想进行代价聚合;最后,提出一种基于八方向的视差空洞填充方法对视差图进行优化。实验结果表明:该算法在Middlebury数据集上的平均误匹配率为3.77%,优于其他改进Census变换方法,具有较高的匹配精度。

基于特征优化的Census立体匹配方法

针对传统Census立体匹配算法在弱纹理和边缘区域匹配精度较差的问题,提出一种基于特征信息优化的代价计算方法,在窗口中融入更多的差异信息以获得更精确的像素视差值。随后采用多方向路径独立的线扫描优化计算聚合代价以进一步提高匹配精度。为获得更好的遮挡区域匹配效果,提出一种基于差异填充的视差优化方法,对遮挡像素进行识别和视差填充。为提高算法的效率,提出一种基于降采样策略的算法运行模式,通过缩小视差搜索范围以减少硬件负荷。最后以五组标准图像为输入进行改进Census算法性能检验,结果显示,平均误匹配率为6.12%,较改进前降低了2.45%,算法效率平均提升17.7%。

基于改进Census变换与分区域聚合的立体匹配

立体匹配作为三维重建的关键步骤之一,针对基于Census变换的立体匹配算法在视差不连续区域以及弱纹理区域匹配精度较差,且易受光照不均与噪声干扰的问题,提出一种基于改进Census变换与分区域聚合的立体匹配算法。在Census变换阶段令窗口中所有像素点根据灰度值大小进行降序排序,选取灰度值为中位数的像素点替代窗口的中心像素;然后进行Hamming距离计算得到结果,再加权融合亮度或光照差的绝对值;接下来将代价聚合阶段的图像通过梯度大小划分为边缘和平滑区域,分别使用十字交叉域完成初始代价聚合;最终采用WTA找到初始视差值,经过一系列视差优化步骤获得最终视差图。在MiddleburyV3.0版本的测试平台上对该算法进行评测,实验结果表明,总体像素的视差平均误差为8.26%,相较于AD-Census算法下降了2.95%,具有较高的匹配精度,且对光照及噪声有较好的鲁棒性。

基于改进Census变换融合AD立体匹配算法研究

在立体匹配算法中,针对Census算法对于图像深度不连续、弱纹理区域匹配精度低、易受噪声干扰的问题,提出了一种改进Census变换结合自适应窗口的方法,利用梯度信息实现窗口的自适应选择,并将灰度绝对值计算(Absolute Difference,AD)和改进后的Census变换相融合,提升了算法的精度和抗噪声能力,在代价聚合阶段,通过不同的自适应窗口提供不同的自适应阈值,最后通过赢家通吃的算法(WTA)进行视差优化,进而得到最终的视差图。利用该改进算法对Middlebury平台提供的标准图像进行实验表明改进后的算法误匹配率降低,并有很好的抗噪声能力。

基于改进Census变换的鲁棒立体匹配算法

针对局部立体匹配算法对噪声与光照变化敏感及在弱纹理区域匹配效果不佳的情况,提出一种基于改进Census变换与自适应参数引导滤波的立体匹配算法。该算法融合HSV通道值计算代价,对噪声与光照变化有较好的鲁棒性;在支持窗口内分别使用欧式距离加权与颜色加权获得Census变换参考值;集成AD与Census代价提高了单像素匹配代价的稳定性,降低了原Census变换对中心像素的依赖程度。在代价聚合过程中使用峰度系数对正则化参数进行自适应处理,通过视差计算获得视差图。在VS2017平台上对Middlebury数据库提供的图像对进行匹配实验,该算法在标准图像、加噪声图像及光照变化图像的各区域平均误匹配率分别是7.80%、10.72%和9.89%。结果表明:该算法可以降低误匹配率,同时能更好地适应噪声与光照变化。

基于自适应窗口和改进Census变换的半全局立体匹配算法

针对基于Census变换的立体匹配算法匹配精度不理想、易受噪声干扰的问题,提出一种自适应窗口结合改进Census变换的方法。通过自适应选择变换窗口大小,并在Census变换中引入噪声容限参数,且将其改进Census代价与RGB颜色差值代价加权融合,再采用四路径代价聚合策略完成初始代价聚合,最后用WTA算法计算初始视差后通过后处理优化得到最终视差。实验结果表明所提算法误匹配率较低,抗噪性能有较好提升。

基于动态自适应加权Census变换的立体匹配算法

为了解决匹配过程中在弱纹理区域的误匹配问题,提出了在不同搜索窗口下自适应加权的Census变换的立体匹配方法。采用Census变换得出搜索窗口内对中心像素影响不同的特异点,分别将邻域像素与中心像素灰度差值进行处理,得到搜索窗口内邻域特异点对中心像素的影响权重,使用权重值加权求和的方式代替计算汉明距离,得出初始匹配代价。为了增强视差图,采用4路径聚合方式与赢家通吃算法(Winner-take-all,WTA),利用子像素拟合、一致性检查、颜色信息加权中值滤波和视差填充等步骤优化视差。为了验证算法效果,将提出的自适应加权Census算法与ADSG、SGM、LPSM和SGBM2进行比较,在Middlebury 2014数据集上进行了测试实验。验证了所提算法的有效性,提高了匹配的准确率,视差图更加平滑、边缘清晰。

基于改进Census变换的双目立体匹配算法

针对传统Census变换窗口中心点灰度值易受噪声影响而导致全局匹配精度低等问题,设计了一种基于改进Census变换的双目立体匹配算法.首先采用双边滤波的模板值替代传统Census变换窗口中心点的灰度值,为了增强初始代价计算的可靠性,加入Sobel算子,将其与灰度绝对误差和算法的匹配代价进行代价融合;然后选择动态十字交叉域建立相邻视差的联系;最后运用赢家通吃策略选择最佳的视差,并采用左右一致性检测和引导滤波优化视差图.实验结果表明,在无噪声情况下,改进算法的平均误匹配率比传统Census变换的降低了约46%,含噪声情况下降低了约53%,说明改进算法有较好的匹配精度和抗噪能力.

基于改进Census代价和优化引导滤波立体匹配算法

为了提高局部立体匹配的精度,提出了一种基于改进Census代价和优化引导滤波的立体匹配算法。针对传统Census代价计算在视差不连续区域代价计算不准确的问题,在Census变换过程中进行邻域像素有效性标记,通过给不同有效性处计不同代价值,降低无效像素对整体代价的影响;在引导滤波代价聚合阶段,采用两种大小的窗口计算线性系数,然后根据图像区域划分结果选取不同线性系数,解决了固定窗口尺寸造成的局部区域代价聚合不适应的问题;最后通过视差计算和视差优化得到最终视差图。在Middlebury v3立体匹配评估平台上进行实验,结果表明,本文算法在非遮挡区域和所有区域的平均误匹配率分别为18.17%和23.81%,与很多现有算法相比表现更优。

Using national census data to facilitate healthcare research

National censuses are conducted at varying intervals across both the developed and developing world and collect detailed data on a wide range of societal,economic and health questions.This immense volume of data has many potential uses in the field of healthcare research and can be utilised either in isolation or in conjunction with other information sources such as hospital records.At a governmental level census data can be used for healthcare service planning by providing accurate population density information but also,through the use of more detailed data collection,by helping to identify high-risk populations that may require increased resource allocation.It can also be a key tool in addressing and improving healthcare inequality and deprivation by both identifying those populations with poorer healthcare outcomes and through helping researchers to better understand the causes of this inequality.Similarly,it has utility when studying the complex causes of disease and assessing the success of strategies designed to tackle these aetiologies.However,the maximum benefit from these various uses can only be realised if the data collection and analysis processes utilised are robust and this requires that census bureaus regularly review and modify their methods in a transparent and thorough way.

基于Census X12模型的中国玉米年内价格波动规律分析(2004—2021)

作为三大粮食之一,玉米在我国农产品市场中占据重要地位。玉米通常被用作畜禽饲料,同时也被用作工业原料以满足人们对于工业产品的需求,其价格的波动程度和变动趋势也受到各个行业的广泛关注。基于Census X12季节调整法对2004—2021年周期内的玉米价格波动规律进行研究和波动原因进行总结并发现,季节要素序列、不规则要素序列等因素影响了玉米价格波动,在对以上因素的影响进行分析转换后,得出玉米价格波动幅度有逐年缩小趋势,并且国家政策、经济环境和玉米替代品的需求量的变化是影响玉米价格的主要因素。减小玉米价格波动的关键在于,应在继续健全和完善玉米市场可持续发展的生产补贴政策和健全粮食价格市场形成机制的基础上,继续保持玉米种植结构和替代品供应的稳定性。

基于Census变换的双目视觉作物行识别方法

针对基于双目视觉技术的作物行识别算法在复杂农田环境下,立体匹配精度低、图像处理速度慢等问题,该文提出了一种基于Census变换的作物行识别算法。该方法运用改进的超绿-超红方法灰度化图像,以提取绿色作物行特征;采用最小核值相似算子检测作物行特征角点,以准确描述作物行轮廓信息;运用基于Census变换的立体匹配方法计算角点对应的最优视差,并根据平行双目视觉定位原理计算角点的空间坐标;根据作物行生长高度及种植规律,通过高程及宽度阈值提取有效的作物行特征点并检测作物行数量;运用主成分分析法拟合作物行中心线。采用无干扰、阴影、杂草及地头环境下的棉田视频对算法进行对比试验。试验结果表明,对于该文算法,在非地头环境下,作物行中心线的正确识别率不小于92.58%,平均偏差角度的绝对值不大于1.166°、偏差角度的标准差不大于2.628°;图像处理时间的平均值不大于0.293 s、标准差不大于0.025 s,能够满足田间导航作业的定位精度及实时性要求。

基于改进Census变换的区域立体匹配算法

针对光照不均导致传统区域增长算法匹配区域小、误差大等问题,提出一种基于改进Census变换的双重约束匹配算法。用变换窗口灰度均值与局部纹理反差值之和代替中心像素灰度,提高了变换结果的抗噪性和不同子块间的区分度;采用高斯加权变换窗口提高离中心点近的像素点的权重,有效减小了边界不连续区域对匹配的影响。对Middlebury数据库里的图像添加仿真光照,并用其提供的真实匹配值计算验证算法的匹配精度。实验表明较传统算法有更高的匹配精度,且有效匹配点数明显增多。

一种基于Census变换的可变权值立体匹配算法

针对传统基于Census变换立体匹配算法精度不高的问题,提出了一种基于改进Census变换的可变权值立体匹配算法.在分析传统Census变换缺陷的基础上,提出利用最小均匀度子邻域均值代替中心像素灰度值进行Census变换,可有效增强算法的抗干扰能力.通过加权区域海明距离均值和标准差作为相似性测度进行立体匹配,减少误匹配,提高匹配精度并通过左右一致性检测和遮挡填充,生成最终视差图.实验结果表明,该算法鲁棒性得到增强,在深度不连续区域也可以得到准确的视差.

邻域相关信息的改进Census变换立体匹配算法

针对传统Census变换在视差不连续区域和噪声干扰情况下误匹配率较高的情况,提出了一种利用邻域相关信息的改进Census变换立体匹配算法。根据邻域像素的相关信息,将传统的Census变换中像素与邻域像素的差异应用2位信息表示,使变换后的图像在视差不连续区域的信息表示更为丰富,同时减少噪声对匹配质量的影响。通过并行化自适应匹配代价聚合、亚像素插值、左右一致性约束、遮挡区插值,最终得到了稠密视差图。经Middlebury立体图片测试表明,该算法结构简单,复杂度低,具有较高的鲁棒性,有效地提高了匹配精度。

一种基于自适应权重SAD与Census融合的匹配算法

立体匹配算法中的SAD算法与Census算法较为常用,本文分析了两种算法的特点,在改进SAD算法后,将其与Census算法融合,提出了自适应权重的SAD-Census算法。试验表明,与SAD算法和Census算法相比,该算法匹配效果更好,对实际场景拍摄图像的匹配也有较好的稳健性。

基于Census变换和Boosting方法的陨石坑区域检测

提出了一种基于图像的陨石坑区域检测技术。首先,通过对原始图像进行Census变换并获取变换后的直方图;其次,利用主分量分析的方法对直方图空间进行降维压缩,并将压缩后的直方图作为特征向量,同时利用主分量分析的重构误差设定阈值构建第一层分类器;再次,基于Boosting原则对训练样本集进行选择,并利用支持向量机构建第二、三层分类器;最后,将测试样本依次送入这3层分类器确定该样本是否含有陨石坑。在实验过程中,通过对原始图像进行连续缩放,并遍历所有大小为20×20的子图像,以检测大小不一的陨石坑区域,并研究了虚警阈值对于最终检测结果的重要意义。相关实验研究表明:提出的方法可以从俯视摄像机拍摄的陨石坑图像中有效地检测出陨石坑区域。

基于改进Census变换和多尺度空间的立体匹配算法

为提高双目立体匹配算法在弱纹理区域的匹配精度和多尺度空间的匹配一致性,提出基于窗口内像素均值信息判断和自适应权重的改进Census变换算法进行代价计算,提高像素在视差不连续区域的匹配精度.代价聚合阶段引入高斯金字塔结构,将引导图滤波算法融合到多尺度模型中,并添加正则化约束来提高对弱纹理区域的匹配一致性;视差选择阶段中,采用一系列优化方法如误匹配点检测、区域投票策略和亚像素增强等来提高匹配的正确率.实验结果表明,该算法在Middlebury测试集上的平均误码率为5.91%,在弱纹理区域和视差不连续区域能得到较好的视差图,且具有较好的鲁棒性.

用改进Census变换实现光照变化鲁棒光流计算

针对当前光流算法在野外光照变化条件下计算精度不高的问题,提出一种基于改进Census变换的变分光流算法.该算法根据图像轮廓信息自适应选择变换窗口形状,以提高深度不连续区域图像子块信息描述的准确性;在变换窗口内构建完整的梯度流向量描述子,克服传统算法由于信息量不够而导致的不同图像子块区分度有限的问题;在构建二进制串时,与基准元素越近的点排在二进制串高位,减弱2帧图像因投影变形对光流求解的影响.在TV_L1变分光流计算框架下,用改进的Census变换描述子构建光流模型中的数据项.对图像进行高斯金字塔分解,并结合加权中值滤波进行分层光流估计.最后以Middlebury和KITTI数据库为测试平台,证明了文中算法的有效性.

光照变化条件下结合图像纹理与改进census变换的鲁棒光流算法

针对传统光流算法只能对某种特定光照变化有效的问题,提出一种能改善不同光照变化条件下的光流鲁棒求解方法。所提出的方法利用改进census变换和图像纹理信息加权和构建光流模型中数据项。数据项中不同分量的权重根据两帧图像SIFT点对应灰度差动态选择,以满足不同亮度变化的图像,自适应地选择相应的数据项。改进census变换包含了变换窗口内完整的相对灰度大小信息;对两个不同的窗口,较传统census变换有更高的区分度。以Middlebury和KITTI数据库对所控算法进行测试,实验结果证实了所提出方法对不同仿真光照变化和野外真实光照环境下图像鲁棒光流求解的有效性。