图像点运算在图像灰度变换中的应用与实现

灰度变换是数字图像处理中一种常见的图像增强技术,它可以实现诸如扩展图像的对比度、拉伸对比度、灰度级分层、图像反转等操作,从而使图像对比度扩展、清晰、特征更加明显.图像点运算是实现灰度变换的常用方法,按照变换函数的不同,点运算可以分为线性和非线性两种.本文总结常见的点运算形式分析其适合应用的情况,并采用matlab软件编程仿真实验,给出实验结论.

基于图像点云的多维度隧道初期支护大变形监测研究和应用

为获取隧道初期支护全方位的变形信息,解决传统监测方法中单点测量、变形监测点稀疏、无可视化效果、难以发现无监测点区域变形等不足,提出一种基于隧道初期支护计算机视觉图像点云的多维度变形监测方法,可实现隧道初期支护三维整体变形监测分析和二维拱顶沉降、周边收敛、典型截面全断面变形监测分析。应用结果表明:所提方法可全面、直观地获取隧道变形特征,是对传统监测方法的补充和完善,对隧道施工监测具有指导意义。变形监测结果可为研究隧道围岩变形规律和特征提供详实的数据资料。

基于图像点云空间测距算法的隧道初期支护整体变形监测技术研究与应用

为快速、准确获取施工隧道初期支护整体及局部变形信息,基于计算机视觉算法获取的隧道初期支护图像稀疏点云和密集点云数据,结合基于Hausdorff距离的整体模型和基于最小二乘拟合平面的局部模型各自的特点,提出将两者相结合的图像点云空间测距算法。该方法可为每个点保留整体模型和局部模型分别计算的距离值中的较小值,解决前者对点云密度要求高以及后者局部拟合平面存在较大偏差问题,实现多期隧道图像点云直接比较分析,简化计算步骤和后处理过程,提高隧道初期支护变形监测速率和精度。通过对云南香丽高速公路白岩子隧道进口左线ZK61+990^+994段初期支护整体变形的监测分析,结果表明:该技术能直观、可视化反映隧道初期支护整体变形情况,计算结果准确、可靠。

虚拟现实场景图像点云大数据展示仿真

虚拟现实技术可以利用计算机图像建模技术构建虚拟空间,通过视觉效果增强现实效果。但是,由于虚拟场景特征点较多,且密度较大,复杂场景的三维重建和展示的难度较高。提出基于图像点云大数据的虚拟现实场景展示方法。利用Kinevt v2设备获取虚拟现实场景两帧图像及点云数据,通过对点云数据的滤波处理,优化虚拟现实场景重构精度。基于滤波处理,提取虚拟现实场景两帧图像的特征点,并匹配特征点,构建三维场景重建模型。将三维场景重构模型与配准后的点云数据、场景颜色信息相融合,完成模型的可视化,实现虚拟现实场景的展示。实验结果证明了研究方法展示的虚拟现实场景特征信息更完整,在图像滤波处理前后,研究方法的虚拟现实场景特征点提取效率均更高,总耗时在7ms以内,且研究方法应用下图像处理器占用的空间内存低于20MB。

关于几种图像点运算方法的探讨

图像点运算方法最终的成果形式是一个处于操作系统中间层的库,部分替代系统原本的OSD库,这个图像点运算方法里包含了最基础的简单图形算法和需要用到的数学函数,以及打包出来的用以实现绘制效果的图形效果函数库。在这个图像点运算方法当中,包括了80多个底层的图形算法,涵盖了直线、圆、填充、反走样、消隐、裁剪、圆角长方形、立方体、圆柱以及球面等多模式图形的基础算法和由他们组成的环形、钟摆、指针等常用的图形元素。

数字化透视采集图像点片在细微肋骨骨折中的应用

目的:探索数字化动态透视采集图像点片摄像在细微肋骨骨折中的应用。材料与方法:收集胸部外伤患者179例,均应用数字X线摄影(DR)系统摄取胸部正位片和斜位片,观察胸部肋骨骨折和异常变化;对细微可疑骨折或胸片与临床体征不符患者,应用多功能数字化胃肠机,进行多轴位转动动态透视下采集图像,局部放大点片摄片。结果:179例患者经观察查出142例肋骨骨折图像,查出率79.3%。胸部正位片确诊76例(53.5%),斜位片确诊29例(20.4%),透视点片确诊37例(26.1%)。结论:应用数字化胃肠机进行多轴位转动动态透视下采集图像点片摄像,可较清晰地观察显示肋骨细微骨质的改变,显著提高胸部外伤的肋骨影像信息,做出正确的诊断,减少漏诊,提高胸部外伤的诊断符合率。

图像点集的不变性匹配方法

许多图像目标都可以用其上有代表性的一些点(如角点或边缘上的点)及其相互关系作为特征进行描述,通过模板点集和目标点集之间的匹配可以达到识别的目的。本文提出了一种新的平面点集间的与各自的平移、旋转、尺度变化和排列次序无关的距离描述,这种描述在一定范围内具有唯一性,从而为以点集特征匹配为基础的识别提供了一种点集之间差别有效的衡量手段。

基于图像和激光点云融合的智能采面煤岩识别

为了提高采煤工作面的智能化水平,提出了基于图像和激光点云融合的煤岩识别方法。首先,利用三维重建构建了蕴含煤岩颜色信息及截割纹理特征的图像点云;其次,提出了基于改进迭代最近点(iterative closest point,简称ICP)算法的煤岩点云配准方法,提高了点对间的搜索速度和配准精度;然后,设计了基于改进区域生长算法的煤岩识别方法,通过仿真分析验证了改进措施的有效性;最后,搭建了采煤机煤岩截割实验系统,并对相关改进算法进行了实验对比分析。结果表明,所提方法的点云数据分割效果最好,煤岩识别准确率达92.95%。在煤矿井下采煤工作面进行了现场测试,进一步证明了所提煤岩识别方法的可行性和实用性。

基于扩展Kalman预测模型的双目立体视觉图像特征点跟踪方法

针对双目立体视觉动态测量中图像特征点快速跟踪问题,提出了一种利用Kalman预测模型进行图像点跟踪的方法。该方法以图像特征点坐标值为观测向量,将坐标值和图像特征点运动速度作为状态向量,首先建立了线性Kalman预测递推模型,在此基础上引入了极线约束条件,进一步建立了图像特征点非线性扩展Kalman预测递推模型。实验表明该方法得到的特征点的预测轨迹和真实轨迹符合度好,预测精度高、速度快、通用性强。

车载激光点云图像与全景图像相似度算法研究

针对激光点云投影到平面获取的深度或强度图像与真彩色影像之间差异明显的问题,本文提出一种车载点云投影图像与全景图像相似度计算的算法。该算法首先将点云数据转换为平面投影影像,然后分别计算投影图像和全景影像中每个像素的梯度方向,并根据梯度方向来获得梯度方向的直方图,最后根据梯度方向直方图来计算点云投影图像和全景影像的相关系数。相关系数的大小反映了匹配的相似程度。本文算法的创新在于对梯度方向的计算进行了改进,将360°的梯度方向角归一化到0°—180°,能够有效地处理点云投影图像和全景影像之间由于像素属性不同造成的梯度方向不一致的问题,提高匹配的精度。

基于图像三维重建的隧道喷射混凝土回弹率测定方法研究

针对复杂隧道施工环境下如何快速、准确测量喷射混凝土回弹率的问题,基于机器视觉三维重建技术中的主要理论和算法,提出了一种新的隧道喷射混凝土回弹率测定方法。该方法通过坐标标记版和手持相机快速采集图像,基于运动恢复结构(SFM)算法、基于面片的密集匹配(PMVS)算法与三角剖分原则实现隧道实际开挖轮廓及初支内轮廓的三维曲面网格模型的建立;通过网格射线法,将隧道实际开挖轮廓与初支内轮廓三维网格模型进行空间差值求解,获得初支实际有效的喷射混凝土体积;最后,结合实际喷射混凝土总用量,完成喷射混凝土回弹量的测定,并以郑万高铁巴东隧道为依托进行现场试验与应用。结果表明:所提方法测得的喷射混凝土回弹率比传统现场称重法测试结果更为合理,准确性更高,说明该方法能够较好地实现喷射混凝土回弹率的测试;在现场应用中,结合喷射混凝土回弹率的测试结果提出的降低回弹率的施工质量控制建议,现场采用后施工良好,保证了隧道施工质量;该测定方法简便高效、成本低、不干扰施工,具有较好的工程应用价值。

图像特征点匹配的强壮算法

同一场景的不同图像匹配是计算机视觉中的一个基本问题 ,在诸如三维重建、对象识别和分类、图像对齐和相机自校正等应用中 ,特征匹配都是一个关键步骤 ,其中特征点匹配是较为常用的一种方法 .特征点匹配的效果受到很多因素的影响 ,如景物的遮挡、光照和噪声等 ,变化很大 .文中对标准指派算法进行扩展以解决全局优化问题 ,并利用场景深度局部连续的条件作为附加约束 ,提出一种新的特征点匹配算法 .整个算法只用到两次优化 ,而且几乎全部使用矩阵运算 ,效率比已有的算法高 .

基于颜色梯度的图像特征点匹配算法

提出了一种利用颜色梯度的彩色图像特征点的匹配方法。结合图像特征点的颜色梯度信息和几何特征分别构造两幅图像的Laplacian矩阵,并对这两个矩阵进行奇异值分解。利用分解的结果构造出一个反映特征点之间匹配程度的关系矩阵,根据关系矩阵实现两幅图像的特征点匹配。大量实验结果表明,该文提出的算法具有较高的匹配精度。

基于车道线检测与图像拐点的道路能见度估计

为了解决传统的能见度仪价格昂贵、采样有限,以及现有的一些视频测量手段需人工标记物、稳定性差等问题,基于车道线检测与图像拐点提出一种通过固定摄像机识别雾天天气并计算道路能见度的算法。与以往研究不同,在交通模型增加了均质雾天因素。该算法主要分为三步:首先,计算场景活动图,利用区域搜索算法(ASA)结合纹理特征提取待识别区域,如果在待识别区域内像素自顶向下以双曲线形式变化则判断当前天气为雾天,同时计算区域内图像亮度曲线的拐点;其次,基于可伸缩窗算法检测车道线,提取车道线端点并标定摄像机;最后,结合图像拐点以及摄像机参数计算大气消光系数,根据国际气象组织给出的能见度定义计算能见度。通过三种场景下的能见度检测,实验结果表明,该算法与人眼观测效果一致,准确率高于86%,检测误差在20 m以内,鲁棒性好。

自动驾驶中图像与点云融合方法研究综述

在自动驾驶领域,不同类型传感器的优势互补可以为自动驾驶系统提供准确、可靠的环境感知,且基于视觉的感知系统可以利用低成本获得高性能。聚焦于自动驾驶系统中使用最多的摄像头与激光雷达组合,在对现有图像与点云融合文献研究的基础上,首先回顾了近年来使用传统算法对图像与点云进行融合的方法;其次围绕目标检测、多目标跟踪以及语义分割等使用融合方法处理任务的主题,对图像与点云融合方法进行综述,分析对比了各类方法的特点以及不同模型的性能,并指出其优势与不足;最后指出了自动驾驶中图像与点云融合所面临的挑战,并对未来研究方向进行了展望。

基于激光反射率的点云与图像自动融合

提出一个基于激光反射率的点云图像自动融合算法,数字图像与点云反射率图像特征点匹配,得到数字图像特征点像点坐标和相应物点物方空间坐标对,采用直接线性变换算法(DLT)建立点云数据反投影至二维图像点的投影模型,实现点云图像自动融合,得到目标表面的全面信息,包括物体表面三维坐标和纹理信息。自动地实现点云图像融合,无需人工参与,提高效率和准确率,同时结合实验验证该算法的可行性。

化探散点数据的图像化及其和遥感图像的叠合

对存储在数据库中的化探散点数据进行了高精度的图像化·图像化过程主要表现在两个环节:首先,将散点数据转化为取样点图像,并与对应地理区域严格匹配;其次,依据区域化变量理论,利用方位取点加权法对取样点图像进行插值生成化探图像·将配准后的化探图像与遥感图像叠加,发现已知的金矿床和矿化点均处于化探异常范围内,表明了图像化方法的正确性和实用性·

基于改进的图像兴趣点特征提取匹配研究

研究图像兴趣点特征提取精确度优化问题。由于图像的复杂以及图像中噪声的干扰,使得传统的图像兴趣点提取算法难以提取出用户感兴趣的信息。为了解决上述问题,提出了一种改进的图像兴趣点特征提取算法。首先利用群体的兴趣点形成几何不变描述的图像区域,然后采用Hough变换方法对图像进行变换操作,使每次匹配都相当于局部的二维转变。仿真结果表明,提出的改进的算法能够有效提取出图像中有效信息,同时节约了算法的执行时间,降低了复杂度。

基于双重弯曲度积的图像拐点检测

针对拐点处与非拐点处的弯曲度值差别小的问题,文中提出了一种基于双重弯曲度积的图像拐点检测算法,通过第一重弯曲度与第二重弯曲度的乘积扩大拐点处与非拐点处的弯曲度值的差别,并对数字图像进行拐点检测实验.结果表明,该算法不仅简单有效,而且具有较高的稳定性和准确性,能够解决实际的图像拐点检测问题.

点目标图像信噪比计算方法

目前图像信噪比定义方法多种多样,对常见信噪比定义进行了分类,总结了不同定义之间的内在联系、常用解法以及使用范围。针对常见图像信噪比求解方法误差较大的问题,提出了一种基于最小二乘拟合的高斯背景噪声参数估计方法。首先根据全部灰度级估计均值和方差,然后通过迭代的方式,排除高灰度非背景像素的干扰,逐步缩小统计范围,最后选择具有最小均方误差的统计参数作为背景灰度和噪声方差的估值。仿真实验证明,与常见的"局部最小方差法"和"小于均值方差法"相比,用该方法得到的背景噪声参数计算的信噪比具有更高的精度和稳定性。