结合空间上下文的局部约束线性特征编码

针对传统特征编码方法聚焦于在特征空间进行编码,忽略了图像内容的空间信息,导致图像表达不准确、分类精度较低的问题,提出一种在特征空间中以图像空间上下文信息为导向的局部特征编码方法.首先基于最近邻原则为每个局部特征点选择字典中心作为向量基;然后采用探测局部特征的相邻特征点方法建立图像空间上下文约束,并将其用于特征相似性判别;再根据预设阈值来更新向量基,将其用于重构特征;最后将图像的稀疏向量用于分类器进行图像分类.实验结果表明,与同类方法相比,该方法能显著地提高分类精度,更利于图像分类.

基于车载激光雷达数据的多种道路要素自动提取分类

基于车载点云数据开展道路要素的自动提取与分类是三维激光扫描技术服务于城市运维活动的一项重要应用。基于现阶段的行业研究情况,本文首先开展了针对不同类型道路要素对象进行方法及算法汇总,然后基于应用实例开展了车载激光雷达(LiDAR)点云用于道路结构、路面标识以及道路区域杆状地物等主要道路要素的自动提取与分类的应用,对其实用性和准确性进行了评价。

基于近景影像的稠密匹配方法

针对三维重建中影像匹配所存在的同名点稀疏、分布不均和部分局部特征约束难以抵抗旋转、尺度和仿射变换所带来的负面影响,设计了基于近景影像的稠密匹配算法,首先利用ASIFT算法与RANSAC算法获取影像组稳定匹配点,构建Delaunay三角网,确定目标三角形内的像素集合,利用仿射变换将其映射至对应三角形内,结合极线约束与改进后的局部灰度特征约束进行验证.最终利用公开数据集与自建数据集进行算法的有效性验证,实验结果表明,算法匹配正确率均保持在93%以上,具备良好的匹配点加密效果;并在一定程度上解决同名点稀疏、分布不均等问题,同时算法本身对不同的影像变换表现出了较好的适应性与稳定性.

基于时间—空间滤波器的视频异常抖动过滤

视频异常抖动消除过程中进行视频异常抖动检测,容易出现视频异常抖动消除效果不显著,峰值信噪比下降,平均编码时间上升的问题,为此提出基于局部特征约束的视频异常抖动消除,提取视频中的运动特征符,通过时间—空间滤波器对特征描述符进行平滑处理,获取对应区域的平滑估计。分别计算训练和测试视频中各个区域局部K-最近邻距离,获取两种视频的总体分值,对总体分值进行排序,确定视频异常抖动。同时估计相机运动路径,引入视频编码技术进行视频异常抖动消除。仿真实验结果表明,所提方法能够有效减少平均编码时间,增加峰值信噪比,有效消除视频中的异常抖动。

改进BPDN的图像去雨雪应用研究

在视频图像数据采集时,往往受到天气等因素的影响,为进一步研究视频图像数据的主要信息增加了困难。雨、雪天气作为视频图像数据预处理中最为困难的研究,近几年一直是各学者研究的课题。针对传统基追踪去噪(BPDN)算法没有考虑雨、雪图像的局部特征问题,提出一种基于改进BPDN的图像去雨雪算法。将局部特征约束理论引入图像去雨雪中,主要是在精炼雨图提取的稀疏系数优化问题求解中加入训练图像数据的局部信息,以达到提高雨线的识别,进而提高图像的雨线去除效果。引入局部信息的优化问题可以推导为二次规划问题,为使用BPDN算法提供了理论支持。合成和真实图像去雨实验结果表明,改进的BPDN算法在算法收敛性、精炼雨图识别、图像去雨效果上优于传统BPDN算法所得到的结果。

基于RGB-D的室内场景实时三维重建算法

针对基于视觉的室内场景三维重建过程中存在三维点云匹配不准确、过程耗时和深度信息部分缺失的问题,提出一种带有深度约束和局部近邻约束的基于RGB-D的室内场景实时三维重建算法.该算法首先利用RGB-D相机采集到的RGB图像做哈里斯角点检测,再用SURF特征点描述方法对检测到的特征点生成64维特征描述子.接着利用特征点集合的深度信息和局部近邻特征点信息作为约束,初步筛选出相邻帧间正确的匹配点对,再结合随机抽样一致性(RANSAC)算法去除外点,以此得到相机的姿态估计.最后利用RGB-D的深度图像,在图优化方法(g2o)的基础上生成三维点云,实现室内场景的三维重建.实验中,RGB-D摄像头装载在自主移动导航的小车上,实时重构的三维场景验证了所提算法的可行性和准确性.