图像雅可比矩阵伪逆估计在视觉伺服中的应用

在一般无标定视觉伺服算法的基础上,提出了一种基于递推最小二乘法估计图像雅可比矩阵伪逆的无标定视觉伺服算法.这种方法无需计算雅可比矩阵伪逆.针对固定目标,文中给出了比例控制算法的稳定性条件.针对运动目标,推导了基于图像雅可比矩阵伪逆估计的伪高斯—牛顿视觉伺服算法和信任区视觉伺服算法.最后,仿真验证了三种视觉伺服算法的有效性.

带有时延补偿的图像雅可比矩阵估计方法

提出一种新的带有时延补偿的图像雅可比矩阵在线估计方法,用于存在时延的无标定视觉伺服系统.传统的图像雅可比矩阵估计方法没有考虑时延影响,从而产生较大的估计误差.为了补偿时延,本文采用局部拟合方法估计图像雅可比矩阵,以获得当前时刻更准确的图像雅可比矩阵估值,并可对图像预补偿.本文以无标定的移动机器人和视觉传感器为实验对象,仿真和实验表明该方法改善了系统的动态性能,减小了稳态误差,从而验证带有时延补偿的图像雅可比矩阵估计方法的可行性和有效性.

具有一种新的图像雅可比矩阵估计方法的无定标视觉伺服(英文)

对于基于图像的具有手眼或固定摄像机模式的视觉伺服,考虑机器人的运动学及动力学特性,在摄像机的内外参数未知的情况下,提出了一种直接自适应控制方案实现位置控制或轨迹跟踪;利用矩阵变换的方法使得图像雅可比矩阵的组成元素线性地出现在闭环动力学方程中,从而设计了一种新的自适应估计方法在线估计图像雅可比矩阵;利用李亚普诺夫的方法证明了图像误差的渐近收敛性。仿真结果验证了该方法的有效性。

基于自动秩估计的黎曼优化矩阵补全算法及其在图像补全中的应用

矩阵补全(MC)作为压缩感知(CS)的推广,已广泛应用于不同领域。近年来,基于黎曼优化的MC算法因重构精度高、计算速度快的特点,引起了广泛关注。针对基于黎曼优化的MC算法需假设原矩阵秩固定已知,且随机选择迭代起点的特点,该文提出一种基于自动秩估计的黎曼优化MC算法。该算法通过优化包含秩正则项的目标函数,迭代获取秩估计值和预重构矩阵。在估计所得秩对应的矩阵空间上以预重构矩阵为迭代起点,利用基于黎曼流形的共轭梯度法进行矩阵补全,从而提高重构精度。实验结果表明,与几种经典的图像补全方法相比,该文算法图像重构精度显著提高。

基于低秩矩阵估计的暗光图像增强模型

在暗光或逆光拍照时,获得的图像常常出现过暗或光照分布不均的现象,导致图像视觉质量较差。基于Retinex模型的暗光增强模型能实现有效地光照增强。但此类暗光增强模型也存在一些问题,即待处理图像中暗光区域的可视度虽然得到了有效改善,但其中隐藏的噪声也被放大和凸显,依旧影响了增强结果的视觉质量。为解决这一问题,构建了基于低秩矩阵估计的暗光图像增强模型。首先,构建包含噪声项的Retinex模型并对其进行交替优化,将暗光图像分解为光照层Ⅰ以及反射层R。在这一过程中,利用低秩矩阵估计实现了对R层的噪声抑制。其次,考虑到在去噪过程中产生的图像细节被模糊的问题,进一步利用光照层Ⅰ作为导向图,来融合包含和不包含去噪效果的两种增强图像,实现兼顾噪声抑制和图像原有细节保持的效果。与多种类型的暗光增强方法进行对比,所提模型在直观视觉比较和客观量化指标比较方面均取得了较好的结果。

面向图像匹配的基础矩阵估计改进算法

为实现智能制造中机器人搬运时的目标物体快速准确识别,提出了一种面向图像匹配的基础矩阵估计改进算法。为获取准确的匹配点,精选并集成了多种方法,并应用亚像素级Harris角点检测方法进行匹配点提取,基于差分求和定理改进的归一化互相关算法进行粗匹配,并采用快速聚类法进行匹配点提纯。在此基础上,通过引入统计学中的分块随机抽样法对匹配点进行优选,实现对常用的基础矩阵估计算法——Hartley8点法的改进。并以标准图像为实验对象,平均对极距离为评价指标对所提算法与其他常用方法进行了比较。最后,进行了实际目标的图像匹配和定位实验,验证了所提算法在匹配速度与匹配精度方面的有效性。

基于灰度共生矩阵的多波段遥感图像纹理特征的提取

主要探讨用灰度共生矩阵测度纹理特性,对多波段适感图像进行特征提取时,各个波段的权重选取问题。根据纹理技术特点,将原始的多波段适感图像分成若干个互不重叠的多波段适感子图像。其中,用均值法和主分量分析法,将子图像各个波段的特征向量合成一个向量,并且把这个合成的向量作为这个子图像的特征向量。应用高斯有限混合模型与期望极大化算法,对适感图像纹理特征空间的数据进行聚类分析和参数估计,用贝叶斯定则对多波段遥感图像进行分类。最后我们将各种不同的分类结果进行了对比,得到了最佳的分类结果并给予讨论。

基础矩阵估计的加权归一化线性算法

基础矩阵是对来自同一景物的两幅未定标图像进行分析的基本工具 .对其进行估计的常用线性算法有八点算法和改进的八点算法 ,其最大的优点是运算简单、易于实现 ,但对噪声和错误数据较敏感 ,因此实用性差 .通过引入与余差有关的代价函数 ,给出了一种新的鲁棒性线性算法——加权归一化算法 .首先将原始输入数据加权归一化处理 ,然后再用八点算法求 F阵的 8个参数 ,实现了 F阵的估计 .大量的模拟数据和真实图像的实验结果表明 ,此算法不仅具有良好的鲁棒性 ,而且可提高基础矩阵的估计精度 .

视觉基础矩阵估计方法的性能比较与分析

基础矩阵描述了单个场景的2幅视图之间的对应关系,在计算机视觉领域中扮演着极其重要的角色。首先讨论了三维视觉系统中的极线几何理论,随后论述了几类基础矩阵的估计方法,并对这些方法作了详细的比较和评价,最后实现了各种算法且使用仿真数据以及真实图像数据对各自的性能作了分析和总结。比较结果说明:1)如果图像特征点定位精确并且匹配无误,则线性方法的结果相当好;2)迭代算法可以解决定位的高斯噪声,但是当数据存在错误匹配时,性能很差;3)鲁棒算法能够同时解决定位误差和误匹配两类问题。此外,模拟实验和真实图像实验的结果表明,基于特征分析的正交回归最小二乘法的计算结果优于经典的线性最小二乘法。

基于单幅图像的摄像机畸变参数估计方法

摄像机畸变参数估计是摄像机标定的重要步骤.针对已有的摄像机畸变估计方法大多数为首先对无畸变下的摄像机参数进行标定,再进一步估计畸变参数,导致畸变参数估计过程复杂的问题.采用单应矩阵直接估计畸变参数,提出一种基于单幅图像的摄像机畸变参数估计算法.首先利用图像主点附近的图像特征点估计空间平面到图像平面的单应矩阵,然后利用该单应矩阵估计图像畸变误差和畸变参数,最后采用非线性优化算法对单应矩阵与畸变参数进行整体优化.模拟数据与实际图像的实验结果验证了本文算法的有效性;由于该算法仅需要1幅图像即可估计畸变参数,因此有效地提高了摄像机标定方法的灵活性.

基于遗传算法不同策略下的基础矩阵估计方法

在未定标系统中 ,对极几何约束给出了图像间的全部信息 ,成为解决许多视觉问题的关键环节 .提出了一种基于遗传算法不同策略下的基础矩阵估计方法 ,它利用每个基因代表一个匹配点 ,每条染色体作为基础矩阵计算时的最小子集 ,并根据染色体长度决定采用何种策略估计基础矩阵 .此方法在很大程度上减小了出格点对估计过程的影响 ,能够较好地汇聚到全局最优解 .模拟数据和真实图像的实验结果都表明 ,所给出的方法能够有效地检测和删除错定位和误匹配点 。

基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法

为了解决当前基于图像特征点的水印技术存在的问题,设计了基于概率密度梯度值估计与圆谐傅里叶变换的鲁棒图像水印算法。首先,基于载体图像的强度概率密度,构建概率密度梯度估计函数;利用概率密度梯度值替代强度梯度,计算载体图像的二阶自相关矩阵,以改进Harris-Laplace检测算子,充分提取载体的鲁棒特征点;然后,基于LOG(Laplacian-of-Gaussians)算子,计算每个点的特征尺度,构建了圆形局部特征区域;引入圆谐傅里叶变换,对所有局部特征区域进行处理,输出相应的傅里叶系数;定义鲁棒系数选择规则,从所有的傅里叶系数中确定合适的系数作为水印隐藏位置;根据选择的鲁棒系数,设计水印嵌入方法,将加密后的二值水印隐藏到这些系数中,形成水印图像;最后,建立水印检测机制,从水印图像中复原二值水印。测试结果显示,与当前图像水印方案相比,面对几何变换攻击,所提算法具有更高的不可感知性,所输出的水印图像与载体的相似度为0.994;另外,所提技术也具备更强的鲁棒性,复原水印失真度最小,在中心裁剪攻击下,所提算法的复原水印对应的峰值信噪比(PSNR)、归一化系数(NC)值最大,分别达到了41.91dB、0.901。

三幅图像中的曲率估计

从前两幅图像的图像特征中估计第 3幅图像的特征 ,在计算机视觉领域中有着广泛的应用 ,例如 ,视觉识别 ,基于模型的视觉动画、视图合成、目标检测和跟踪。Faugeras和 Robert指出第 3幅图像的特征可以通过前面两个摄像机图像的双线性函数来进行估计 ,其基本上是通过基础矩阵来计算的 ,因而他们的方法在实际计算过程中有很大的缺陷。为此提出了一种新的估计方法 ,即从三焦点张量中来估计第 3幅图像的特征。这一方法继承和发展了 Faugeras等的方法。此外还给出了一个定理说明了本文的条件与 Faugeras给出的条件是等价的 ,但本方法简单且更加系统。

噪声大小估计耦合PCA的图像降噪算法

针对当前图像降噪算法难以有效区分纹理区域边缘和细节,且其噪声大小估计不准确,使其降噪质量不佳等不足,提出一种基于噪声大小估计耦合PCA的图像降噪算法。根据图像块的梯度矩阵的纹理强度和统计信息,从图像中选择无高频成分的低等级块,利用PCA技术计算图像块的协方差矩阵的特征值,利用最小特征值表征图像初始噪声;引入噪声估计函数,通过不断迭代估计函数,直到计算的真实噪声不变为止;根据图像真实噪声和场景复杂性,调整噪声大小,利用调整后的噪声大小作为降噪标准。实验结果表明,与当前降噪算法相比,所提算法在边缘和丰富纹理区域具有更好的降噪效果和更高的稳定性。

基于图像视频的景区人流密度估计方法研究

针对景区人流科学监测、精细化管理的需求,文中对人流密度的估计方法进行了研究。该方法利用景区现有的视频监控设备获取视频图像,基于纹理分析的方法提取图像的灰度共生矩阵,借助能量、对比度、熵值、均匀度和相关性5个指标计算图像中的人流密度。利用不同时刻得出的人流密度数据建立时间序列,用自回归移动平均(ARIMA)建立人流密度估计模型,并用置信区间法评估模型的准确性。采用20个时刻的人流密度样本图像进行方法验证,结果表明该方法在估计人流密度值的平均误差为4.70%,估计出的人流密度变化曲线与实际曲线具有良好的一致性。

一种基础矩阵的线性估计方法

对已知匹配点集的两幅未定标图像，对极几何（Epipolar Geometry）约束是可以从匹配点集中获得的关于相机的唯一信息。

面向青花瓷碎片图像的U-Net++拼接网络

针对现有图像拼接方法存在拼接处伪影以及非重叠区域内容失真,导致较低的准确性和鲁棒性的问题,提出一种基于U-Net++消除伪影的青花瓷碎片图像拼接方法.首先估计待拼接图像单应性矩阵;然后将单应性矩阵应用于结构拼接阶段,得到图像粗拼接结果;最后以图像粗拼接结果作为先验信息,在内容校正阶段改进现有的U-Net,利用U-Net++细化粗拼接结果,得到最终图像精确拼接.以青花瓷碎片图像数据集与相关经典方法进行实验的结果表明,在3个评价指标中,所提方法的峰值信噪比提高约13%,均方根误差降低约33%,均方误差降低57%左右;该方法具有较小的误差比,不仅能够提高图像拼接质量,而且表现出较好的鲁棒性.

基于MATLAB的基本矩阵随机采样鲁棒估计

基本矩阵的估算可以分为线性算法、非线性优化迭代算法、鲁棒估计算法三大类,而以鲁棒估计效率、效果最为突出,但是实现比较复杂。本文通过数码相机获取的两张未标定照片,采样互相关系数法和RANSAC算法,在MATLAB中实现了基本矩阵的自动拟合,实验表明拟合精度较高、速度快,为下一步三维场景的自动重建和量测奠定了基础。

极化SAR图像K分布模型参数估计方法研究与仿真

极化合成孔径雷达(SAR)已成为一种不可或缺的地理遥感和军事侦察信息源,但是其图像解译困难,需要借助精确的建模方法与分析手段。K分布模型是常用的极化SAR图像模型,但是传统参数估计方法准确性较差的问题影响了模型的拟合精度.针对该问题,首先推导了K分布矩阵行列式值的概率密度函数及其最大似然(ML)估计方法,并用仿真数据验证了其有效性,然后将ML估计方法应用于K分布模型的等效视图数(ENL)估计中,比较了其与传统的方法在ENL估计上的性能差异。仿真和实测数据的实验结果均表明,新方法具有更小的估计偏差和方差,对解决极化SAR图像中K分布区域的参数准确估计问题有重要的实用价值。

视图合成中基础矩阵的鲁棒性估计算法

在未定标系统中,对基础矩阵进行稳定估计是视图合成的关键环节。本文考虑到各匹配点由于误差不同而对基础矩阵造成的不同影响,通过在最优目标函数中引入与余差有关的权重因子提出了一种新的迭代加权线性算法。实验表明,此方法进一步提高了基础矩阵的估计精度,具有较好的稳定性且运算速度快,易于实现。