一种基于两步运动估计的系列图像匹配算法

提出了一种基于两步运动估计的系列图像匹配算法。首先运用简化仿射运动估计对相邻两幅图像进行粗略匹配,然后运用改进的光流运动估计得到比较精确的匹配图像;此外,在保证简化仿射变换参数正确的同时,使用了更加简单直接的解法,大大降低了计算的复杂性。该算法弥补了传统图像匹配方法的不足,而且使图像匹配残差明显减小。实验表明,对存在大位移运动、复杂形变的图像,该算法更有效。

双场景类型遥感图像的配准拼接优化

为了提升包含2种场景类型的遥感图像的配准拼接质量,提出基于误差权重再分配的遥感图像配准拼接优化方法.使用尺度不变特征变换(SIFT)特征检测算子,提取2幅具有重叠区域的遥感图像的特征点,计算得到初始的单应性矩阵.针对遥感图像细节丰富,但在某些特定区域分布不均匀的特点,将图像按照网格分割成若干小子块,进行信息熵聚类.图像熵反映的是灰度分布的分散程度,较大的熵意味着更大的信息量和纹理细节.按照信息量分布,将图像分隔为2个大的图像区域,每一区域近似代表一种场景类型.以特征点匹配的残余误差为目标函数,对不同场景区域的特征点分配不同的优化权重,权重来源于各图像子块的信息熵,反映了图像各场景信息量的多少,从而改善拼接效果,使之符合人眼视觉要求.实验表明,采用该方法可以再分配特征点匹配残余误差,细节丰富区域的匹配残差降低14%,提升细节丰富区域的配准拼接质量,降低随机性,提高了配准过程的稳定度.

水下地形匹配定位置信区间估计

地形匹配定位(terrain aided position,TAP)的似然函数反映了AUV(autonomous underwater vehicle)的位置在空间中的分布概率,由于地形的强非线性、随机性以及测量误差的非高斯分布使得似然函数也表现出非高斯分布的特点。TAP的误差与局部地形特征和地形测量误差密切相关,由于现有的方法未考虑局部地形特征,仅考虑了测量误差的统计置信区间,使得TAP置信区间的估计结果明显偏小。为解决TAP置信区间的估计问题,建立了TAP定位点的跳变模型。设TAP定位点X^p可以向搜索区间内任一点跳变,且向某一点的跳变概率与该点的似然函数值正相关,X^p向某一点跳变的置信度小于α时,认为x~α不会向该点跳变,该点设为置信区间的边界点。另外,设地形匹配定位点的置信区间内匹配残差平方和函数为二次曲面,而X^p视为该曲面的待估计参数,则可以通过曲面参数的置信区间估计方法获得1-α置信度下的置信区间。新方法得到的置信区间范围大于现有的估计方法,试验结果表明,测量波束较少时,置信区间估计会出现异常,增加测量波束可以提高潮差和测量误差的估计精度,从而提高置信区间的估计精度,但测量误差非高斯分布条件下的补偿方法仍然需要进一步研究。

摄像机全自动标定方法研究

提出了一种基于空间控制点的全自动标定方法,该方法只需知道控制点的空间坐标及其图像,通过自动提点、自动匹配以及高精度解算三个过程完成全自动标定。针对已知光心位置和已知光轴指向两种情况,对摄像机标定进行了理论推导,提出了焦距一致判据的自动匹配算法;针对不存在先验信息的情况,以计算残差和重投影残差为判据,根据最近邻原则提出了残差最小自动匹配算法。仿真和实验验证了提出的自动匹配算法和全自动标定模型的快速、正确性和高精度。